Minggu lalu Type Safe AI memperkenalkan Jev, contoh pertama mereka dari kategori model baru yang mereka sebut 'model System One'—juga dikenal sebagai 'model keputusan'. Jev adalah varian LLM yang menerima input teks tetapi mengembalikan angka floating point untuk kategori, pertanyaan ya/tidak, rating, dan skor kepercayaan. Type Safe mendeskripsikan Jev sebagai 'pemanggilan fungsi kecerdasan batas: state tidak terstruktur masuk, keputusan probabilistik bertipe keluar'.

Model ini cepat dan murah, hanya menagih $0.042 per juta token input—lebih murah dari GPT-5 Nano OpenAI seharga $0.05/juta. Jev memungkinkan pengguna mengajukan pertanyaan tentang teks atau data semi-terstruktur dengan menyusun objek state dan mengirimkannya ke API mereka dengan beberapa pertanyaan dievaluasi secara paralel. Model ini mendukung tiga jenis pertanyaan: Noul (skor kepercayaan ya/tidak 0-1), pertanyaan pilihan dengan distribusi probabilitas, dan pertanyaan skor dengan rentang numerik.

Pendekatan ini sangat baik untuk tugas klasifikasi seperti deteksi spam, pelabelan, dan perankingan ulang pencarian. Namun, Jev mewakili regresi ke sistem black box—ia tidak memberikan penjelasan untuk keputusan, menimbulkan kekhawatiran tentang bias tersembunyi, terutama di aplikasi sensitif seperti rekrutmen. Evaluasi menyeluruh sangat penting mengingat ketidaktransparanan model.