Jev – O novo modelo System One da TypeSafe (v1.13.0)

O modelo mental: os dois sistemas de Kahneman

TypeSafe chamou Jev de modelo “System One” por um motivo. Opus e Astra são ambos System Two.

Arquitetura em resumo v1.13.0

Treinamento diferente, amostragem diferente, contratos de saída diferentes.

RLCD vs RLHF: como cada um aprende

A forma como o modelo é treinado define como ele se comporta. Jev e os LLMs aprendem de formas completamente diferentes.

Os três primitivos de Jev (v1.13.0)

Em vez de uma API prompt→texto, Jev expõe operações atômicas e componíveis. Todas executam em paralelo. Importante: tem mais um tipo mas não vamos considerá-lo neste artigo pois ele é um modelo avançado.

Mesma tarefa, três paradigmas

Três tarefas comuns usando os três primitivos de Jev. Veja como cada modelo resolve.

Inglês é o idioma principal de treino do Jev, e onde a precisão é melhor. Outros idiomas funcionam, mas não igualmente bem. Teste no seu conteúdo antes de depender deles. As instructions dos exemplos ficam em inglês.

Choice: classificar falha de teste

import { TypeSafeClient } from '@typesafe-ai/sdk';

const client = new TypeSafeClient();
const result = await client.systemOne({
  model: 'jev-latest',
  state: {
    test: failure.test,
    error: failure.error,
    history: failure.history
  },
  questions: {
    category: {
      type: 'choice',
      instructions: 'Root cause?',
      criteria: {
        product_bug: 'A real bug in product code',
        test_bug: 'Bug in the test itself',
        environment: 'Infra or env issue',
        flaky: 'Non-deterministic pass/fail'
      }
    }
  }
});
// result.answers.category.choice → "flaky"
// result.answers.category.confidence → 0.65
// result.answers.category.probabilities
//   → { flaky: 0.74, test_bug: 0.12,
//        environment: 0.11,
//        product_bug: 0.03 }
// ~150ms

const res = await anthropic
  .messages.create({
  model: "claude-opus-5-5",
  max_tokens: 256,
  messages: [{
    role: "user",
    content: `Classify this test failure.
      Test: ${failure.test}
      Error: ${failure.error}
      History: ${failure.history}
      Reply: product_bug, test_bug,
      environment, or flaky`
  }]
});
// res.content[0].text:
// "Based on the intermittent pass/
//  fail pattern (PFPPFP), this is
//  likely **flaky**. The timeout in
//  the error suggests a race
//  condition in the async setup."
// Sem probabilidades. Precisa de parsing.
// ~4s

const res = await openai
  .chat.completions.create({
  model: "gpt-6-astra",
  max_completion_tokens: 256,
  response_format: {
    type: "json_object"
  },
  messages: [{
    role: "user",
    content: `Classify this test failure.
      Test: ${failure.test}
      Error: ${failure.error}
      History: ${failure.history}
      Options: product_bug, test_bug,
      environment, or flaky
      JSON: { "category": "..." }`
  }]
});
// res.choices[0].message.content:
// '{ "category": "flaky",
//    "reasoning": "The PFPPFP
//    pattern indicates..." }'
// Estruturado, mas sem
// probabilidades calibradas.
// ~3s

Score: impacto no release

import { TypeSafeClient } from '@typesafe-ai/sdk';

const client = new TypeSafeClient();
const result = await client.systemOne({
  model: 'jev-latest',
  state: {
    test: failure.test,
    error: failure.error,
    history: failure.history
  },
  questions: {
    releaseImpact: {
      type: 'score',
      instructions: 'Release impact?',
      criteria: [
        'No user impact',
        'Minor, easy workaround',
        'Feature degraded',
        'Critical journey broken'
      ]
    }
  }
});
// result.answers.releaseImpact.score
//   → 2.86 (valor esperado, 0-3)
// result.answers.releaseImpact.confidence
//   → 0.84
// ~120ms

const res = await anthropic
  .messages.create({
  model: "claude-opus-5-5",
  max_tokens: 256,
  messages: [{
    role: "user",
    content: `Rate the release impact of
      this failure 0-3.
      0=No user impact
      1=Minor, easy workaround
      2=Feature degraded
      3=Critical journey broken
      Test: ${failure.test}
      Error: ${failure.error}
      Reply with just the number.`
  }]
});
// res.content[0].text:
// "I'd rate this a 3 - the checkout
//  flow is a critical user journey
//  and the failure blocks payment
//  processing entirely."
// Sem confidence. Precisa de parsing.
// ~5s

const res = await openai
  .chat.completions.create({
  model: "gpt-6-astra",
  max_completion_tokens: 256,
  response_format: {
    type: "json_object"
  },
  messages: [{
    role: "user",
    content: `Rate the release impact of
      this failure 0-3.
      0=No user impact
      1=Minor, easy workaround
      2=Feature degraded
      3=Critical journey broken
      Test: ${failure.test}
      Error: ${failure.error}
      JSON: { "score": N }`
  }]
});
// res.choices[0].message.content:
// '{ "score": 3, "rationale":
//    "Blocks checkout flow" }'
// Estruturado, mas sem
// confidence calibrado.
// ~4s

Noul: retry vai passar?

import { TypeSafeClient } from '@typesafe-ai/sdk';

const client = new TypeSafeClient();
const result = await client.systemOne({
  model: 'jev-latest',
  state: {
    test: failure.test,
    error: failure.error,
    history: failure.history
  },
  questions: {
    retryWillPass: {
      type: 'noul',
      instructions: 'Would re-running this test, with no code changes, most likely make it pass?'
    }
  }
});
// result.answers.retryWillPass.noul → 0.91
// sem campo confidence separado
// ~100ms
const { noul } = result.answers.retryWillPass;
if (noul > 0.7) autoRetry();

const res = await anthropic
  .messages.create({
  model: "claude-opus-5-5",
  max_tokens: 256,
  messages: [{
    role: "user",
    content: `Would re-running this test,
      with no code changes, most
      likely make it pass? YES or NO.
      Test: ${failure.test}
      Error: ${failure.error}
      History: ${failure.history}`
  }]
});
// res.content[0].text:
// "YES - Based on the intermittent
//  pass/fail pattern (PFPPFP), this
//  appears to be a flaky test. A
//  retry would very likely pass."
// Sem probabilidade. Precisa de parsing.
// ~4s

const res = await openai
  .chat.completions.create({
  model: "gpt-6-astra",
  max_completion_tokens: 256,
  response_format: {
    type: "json_object"
  },
  messages: [{
    role: "user",
    content: `Would re-running this test,
      with no code changes, most
      likely make it pass?
      Test: ${failure.test}
      Error: ${failure.error}
      History: ${failure.history}
      JSON: { "retry": true/false }`
  }]
});
// res.choices[0].message.content:
// '{ "retry": true, "reasoning":
//    "Intermittent pattern suggests
//    flaky test" }'
// Estruturado, mas sem
// probabilidade calibrada.
// ~3s

Perfil de performance (v1.13.0)

A TypeSafe informa que Jev é 193.6x mais rápido e 444.6x mais barato que LLMs em workflows de System One. Uma comparação separada coloca o preço de entrada 238x abaixo do Claude Fable 5.1.

Os preços podem variar de uma data para outra. Confira a página de preços de cada fornecedor para os valores atuais. As barras são ilustrativas, fora de escala.

Comparação de características (v.1.13.0)

Exemplos de resposta do Jev

Cada primitivo retorna um JSON estruturado. Choice e Score trazem confidence na própria resposta. Noul devolve só a probabilidade de sim. Jev não inventa rótulos fora do criteria.

Nota: output_tokens nestes exemplos é uma contagem de uso, não uma cobrança. A saída é grátis. Você paga só pelos input_tokens.

Nota: estes JSONs seguem o formato da API e as fórmulas de confidence publicadas. São ilustrações, não uma resposta capturada ao vivo.

{
  "model": "jev-1.13.0",
  "answers": {
    "category": {
      "type": "choice",
      "choice": "flaky",
      "confidence": 0.65,
      "probabilities": {
        "flaky":       0.74,
        "test_bug":    0.12,
        "environment": 0.11,
        "product_bug": 0.03
      }
    }
  },
  "usage": {
    "input_tokens": 342,
    "output_tokens": 34
  }
}

{
  "model": "jev-1.13.0",
  "answers": {
    "releaseImpact": {
      "type": "score",
      "score": 2.86,
      "confidence": 0.84,
      "legend": {
        "0": "No user impact",
        "1": "Minor, easy workaround",
        "2": "Feature degraded",
        "3": "Critical journey broken"
      },
      "probabilities": {
        "0": 0.00,
        "1": 0.02,
        "2": 0.10,
        "3": 0.88
      }
    }
  },
  "usage": {
    "input_tokens": 289,
    "output_tokens": 18
  }
}

{
  "model": "jev-1.13.0",
  "answers": {
    "retryWillPass": {
      "type": "noul",
      "noul": 0.91
    }
  },
  "usage": {
    "input_tokens": 356,
    "output_tokens": 20
  }
}

// Jev ainda devolve a opção mais provável.
// Não inventa um rótulo fora do criteria.
// confidence 0.04 = quase um empate:
{
  "model": "jev-1.13.0",
  "answers": {
    "category": {
      "type": "choice",
      "choice": "environment",
      "confidence": 0.04,
      "probabilities": {
        "environment": 0.28,
        "product_bug": 0.26,
        "test_bug":    0.24,
        "flaky":       0.22
      }
    }
  },
  "usage": {
    "input_tokens": 342,
    "output_tokens": 34
  }
}
// confidence 0.04 = não aja com base na escolha
// Seu código:
// if (confidence < 0.6)
//   escalateToHuman()

Quando usar cada um

Eles não são concorrentes. São ferramentas diferentes para trabalhos diferentes.