A TypeSafe abre acesso antecipado ao Jev, primeiro modelo da nova categoria System One Models, a partir de 15 de setembro. O modelo cobra US$ 0,042 por milhão de tokens de entrada, com tokens de saída gratuitos, segundo a empresa. Jev troca a geração de texto livre por respostas estruturadas e tipadas, que a TypeSafe diz não poderem alucinar por seguirem sempre o mesmo esquema.
Diogo Almeida, fundador da TypeSafe e ex-pesquisador da OpenAI, assina o anúncio "Introducing System One Models & Jev". Ele ajudou a desenvolver métodos que embasam o ChatGPT antes de sair da empresa para fundar a TypeSafe: a tese é que os LLMs tradicionais dominam a conversação, mas não entregam automação real para software. A startup passa dois anos em modo stealth, sem revelar no que trabalha, até o lançamento desta semana.
Nesse período, a equipe treina o Jev com um método próprio, batizado de Reinforcement Learning for Calibrated Decisions (RLCD) — diferente do RLHF e do RLVR usados para ajustar modelos de linguagem tradicionais. O resultado aparece na velocidade, segundo a TypeSafe: Jev responde de 70 a 500 milissegundos, ponta a ponta.
Modelos de fronteira concorrentes, usados como referência nos próprios testes da empresa, levam de 3 a 329 segundos para tarefas equivalentes. A diferença vem da arquitetura: em vez de gerar texto solto, o Jev calcula decisões estruturadas, sem gerar frases completas.
Ficha técnica
| Item | Especificação |
|---|---|
| Tempo de resposta | 70ms a 500ms |
| Status de disponibilidade | early access (acesso antecipado) |
| Hospedagem dos testes de velocidade | laptops na Costa Oeste dos EUA |
Preço e disponibilidade
| Versão | Preço | Mercado | Disponibilidade |
|---|---|---|---|
| Jev - tokens de entrada | US$ 0,042 por milhão de tokens | Estados Unidos | early access |
Latência cai de segundos para milissegundos
Sistemas que precisam de resposta em tempo real — como assistente de voz ou verificação de formulário enquanto o usuário digita — entram num orçamento de latência que antes só um modelo pequeno e especializado sustentava.
A queda de segundos para milissegundos vem do jeito como o Jev fecha a resposta. Ele preenche campos de um esquema já definido, um a um, e para assim que o último campo recebe valor — não formula frase inteira, revisa nem reescreve o que já escreveu.
Esse corte no trabalho de geração reduz o número de passos de cálculo em cada resposta. Para quem integra o modelo em um produto, o ganho aparece na fila de atendimento: menos tempo de espera por chamada permite mais chamadas por segundo no mesmo servidor. A TypeSafe não detalha o hardware usado nos testes de velocidade.
A diferença chega a quase mil vezes no pior caso. Para um chatbot ou um copiloto de código, isso muda a sensação de uso: a resposta aparece antes que o usuário perceba a pausa. A empresa não divulga quais modelos rivais entraram nesse comparativo.
Dois anos em stealth antes do Jev
Almeida passa dois anos em stealth — período em que a TypeSafe desenvolve o Jev sem revelar detalhes ao público — até abrir o acesso antecipado. A tese que guia o projeto parte de uma crítica aos modelos de chat tradicionais: eles conversam bem, mas não automatizam tarefas reais de software. O System One Models nasce como resposta a essa lacuna.
A categoria não pretende substituir LLMs (modelos de linguagem de grande porte) como o GPT-5.6 ou o GPT-6, mas rodar ao lado deles em tarefas que pedem decisões estruturadas e rápidas. A própria TypeSafe usa esses dois modelos da OpenAI como referência de comparação nos testes que embasam o lançamento.
Até o momento, o anúncio circula apenas pelos canais da TypeSafe. Não há cobertura independente do lançamento nem reação pública de concorrentes ou analistas de mercado sobre a nova categoria de modelo.
RLCD troca fluência por acerto de schema
O Jev muda o alvo do treinamento. O RLHF e o RLVR ensinam um modelo a soar natural numa conversa. A TypeSafe usa outro método, o RLCD (Reinforcement Learning for Calibrated Decisions, aprendizado por reforço para decisões calibradas), que recompensa o modelo por acertar o formato certo de saída, não por escrever bem.
Essa troca elimina a geração de texto livre. O Jev não gera frases soltas: ele preenche um esquema fixo de dados. Essa restrição rígida, segundo a TypeSafe, impede a alucinação — o erro de inventar fatos que os LLMs de conversa ainda cometem.
Na prática, o modelo mira tarefas de decisão automatizada, como classificar, validar ou rotear informação, e não escrever textos longos. É um uso mais estreito que o de um chatbot, mas encaixado num tipo de tarefa que hoje depende de regras fixas escritas à mão. O acesso antecipado ao Jev segue aberto enquanto a TypeSafe mede a resposta dos primeiros desenvolvedores.
TypeSafe não confirma preço no Brasil
- Preço e disponibilidade do Jev no Brasil não são mencionados em nenhuma fonte apurada.
- Data de disponibilidade geral (GA) após o early access não foi confirmada.
- Não há benchmarks públicos independentes que confirmem os números de velocidade e custo divulgados pela TypeSafe.
