TypeSafe lanza Jev, el primer modelo "System One": decisiones de IA en milisegundos para automatizar procesos

El 28 de septiembre de 2026, el laboratorio TypeSafe AI presentó Jev, el primer modelo de una nueva familia que la compañía llama "System One". A diferencia de los grandes modelos de lenguaje, Jev no está pensado para conversar ni redactar, sino para tomar decisiones rápidas y estructuradas que el software puede usar directamente. Ya está disponible en acceso anticipado.

Qué es TypeSafe AI

TypeSafe AI es un laboratorio de inteligencia artificial fundado por Diogo Almeida, antiguo investigador de OpenAI. Su objetivo es construir lo que denomina infraestructura de inteligencia nativa para máquinas: modelos diseñados para decidir dentro del software de automatización, no para hablar con personas.

Qué son los modelos System One

El nombre hace referencia al "sistema 1" del pensamiento rápido e intuitivo. Según TypeSafe, estos modelos se diferencian de los modelos de lenguaje en tres puntos:

• Devuelven valores estructurados y tipados, con una probabilidad calibrada, en lugar de texto libre.
• Procesan la respuesta en paralelo en lugar de generar palabra a palabra, lo que reduce mucho la latencia.
• Se entrenan con una técnica propia de aprendizaje por refuerzo orientada a decisiones calibradas, que la compañía denomina RLCD.

TypeSafe resume la idea como una llamada a una función con inteligencia de frontera: entra información no estructurada y el estado del programa, y sale una decisión tipada con su probabilidad.

Un ejemplo para entenderlo

Imagina el buzón de una empresa de distribución que recibe cientos de emails al día y hay que enviar cada uno al departamento correcto. Así se resuelve hoy con un modelo de lenguaje:

// Con un modelo de lenguaje: se pide la decisión en texto y hay que interpretarlaconst respuesta = await llm.generate(  `Clasifica este email en: atencion_cliente, facturacion, logistica o comercial.   Responde solo con la categoría. ${email}`);// respuesta: "Creo que es logística, porque el cliente pregunta por su envío."// → hay que limpiar el texto, validar que la categoría existe y reintentar si no// → tarda segundos y cobra por cada palabra generada

Y así es como plantea TypeSafe el mismo paso con Jev: el programa define las opciones posibles y el modelo solo puede devolver una de ellas, con su probabilidad.

// Con un modelo System One como Jev: la decisión ya llega tipada y con probabilidadtype Destino = 'atencion_cliente' | 'facturacion' | 'logistica' | 'comercial'; const decision = await jev.decide<Destino>({  input: email,                                   // texto libre, tal cual llega  options: ['atencion_cliente', 'facturacion', 'logistica', 'comercial'],});// decision: { value: 'logistica', probability: 0.94 }   (70–500 ms) if (decision.probability >= 0.9) enviarA(decision.value, email);else escalarAPersona(email);                      // la duda la resuelve una persona

La diferencia práctica: no hay texto que interpretar, la respuesta nunca sale de las opciones previstas y la probabilidad permite decidir de forma automática cuándo actuar y cuándo pasar el caso a una persona.

Las cifras que anuncia la compañía

• Tiempo de respuesta de 70 a 500 milisegundos, frente a los segundos o minutos de los modelos de lenguaje de frontera en tareas de flujo de trabajo.
• En sus pruebas de automatización, hasta 193 veces más rápido y 444 veces más barato que los modelos comparados.
• Precio de 0,042 dólares por millón de tokens de entrada; los tokens de salida no se cobran.
• Al devolver siempre valores del tipo esperado, la compañía afirma que no puede producir errores de formato ni respuestas inventadas fuera de las opciones definidas.

Las evaluaciones comparan Jev con varios modelos de lenguaje de última generación y están publicadas por TypeSafe. Son cifras de la propia compañía, todavía sin contraste independiente.

Qué puede suponer para la automatización en empresas

Muchos procesos empresariales no necesitan que la IA redacte, sino que decida: a qué departamento va un correo, si un pedido tiene una incidencia, qué tipo de documento es un PDF, si una factura cuadra con el pedido o qué prioridad tiene un ticket. Hoy esas decisiones se resuelven con modelos de lenguaje que son más lentos y caros de lo necesario para una tarea tan acotada.

Si las cifras se confirman, modelos como Jev podrían abaratar y acelerar esas decisiones dentro de los agentes de IA, sobre todo en procesos de alto volumen como la clasificación de documentos, el enrutado de consultas o la validación de pedidos.

Nuestra lectura

Es una tendencia que vemos con claridad: los agentes de IA en producción combinan varios modelos, cada uno para lo que mejor hace. Jev está en acceso anticipado, así que antes de usarlo en un proceso crítico conviene validar en casos reales su precisión, sus límites y dónde se alojan los datos. En Ideas más Ideas seguimos de cerca estos modelos para incorporarlos cuando aporten ahorro medible a nuestros clientes.

Fuente e imagen: anuncio oficial de TypeSafe AI, "Introducing System One models and Jev" (typesafe.ai), 28 de septiembre de 2026. Los ejemplos de código son ilustrativos y no corresponden a la API oficial.