Wat is Jev en waarom het geen gewone AI-chatbot is

Dat klinkt technischer dan het is. Zie Jev als een sorteermachine achter de schermen van een app. Een gewone chatbot praat eerst terug in tekst, waarna jouw software die tekst weer moet ontleden. Jev slaat die omweg over en geeft meteen een bruikbaar antwoord terug, alsof je niet een brief ontvangt maar direct een ingevuld vakje op een formulier.

TypeSafe AI noemt dit een System One model. Die naam verwijst naar snelle, intuïtieve beslissingen. In software betekent dat: geen open gesprek, maar razendsnel bepalen wat er nu moet gebeuren. Denk aan een supportticket dat naar de juiste afdeling moet, een aanvraag die extra controle nodig heeft of een melding die wel of niet moet worden geëscaleerd.

Geen tekstgenerator, wel beslislogica

Het belangrijkste verschil met een klassieke LLM, zoals een chatmodel, zit in de output. Jev genereert geen tekst, code of losse zinnen. Je geeft een state mee, dus de context of programmastatus, en daarbij een getypte vraag. Het model antwoordt vervolgens in een vast schema met waarschijnlijkheden en confidence, zodat je code daar direct op kan reageren.

Die vragen vallen grofweg in drie vormen. Choice laat het model één optie kiezen uit meerdere mogelijkheden. Score beoordeelt iets op een schaal of niveau. En bij yes-no, in de documentatie ook als binaire beslissing beschreven, krijg je een ja of nee met kans erbij. Voor ontwikkelaars is dat prettig, omdat een backend daar veel netter mee omgaat dan met een alinea tekst waar ergens het woordje “waarschijnlijk” in staat verstopt.

Jev is beschikbaar via een gehoste API in early access, met SDK’s voor Python en JavaScript en ook een gewone HTTP-aanroep. De opzet is dus duidelijk gericht op apps en workflows, niet op een chatvenster voor mensen. Dat maakt het vooral nuttig voor teams die AI niet als praatpaal willen inzetten, maar als onderdeel van hun logica.

Waarom dit interessant is, en waar je nog op moet letten

De prijs helpt mee aan die positionering. TypeSafe rekent alleen inputtokens af: 42 dollar per miljard inputtokens, ofwel 0,042 dollar per miljoen. Output kost niets, omdat dat deel van de architectuur volgens het bedrijf extreem goedkoop is. Ook de latency is opvallend laag, met genoemde eind-tot-eindtijden van ongeveer 70 tot 500 milliseconden. Voor beslissingen in hoge volumes kan dat veel schelen, zowel in kosten als in wachttijd.

TypeSafe zegt ook dat Jev niet kan hallucineren in de klassieke LLM-zin, omdat het geen vrije strings uitspuugt. Dat is een zinnige nuancering, maar geen vrijbrief. Een fout gekozen categorie blijft gewoon een fout, alleen dan keurig verpakt. Het echte verschil zit dus minder in magie en meer in begrenzing: Jev mag alleen beslissen binnen het vakwerk dat jij vooraf hebt getekend.

Voorzichtigheid blijft wel op zijn plek. Veel claims over snelheid en prestaties komen nu nog vooral van de maker zelf, en het hele product zit vroeg in zijn levenscyclus. Onafhankelijke benchmarks, langdurige stabiliteit en de kwaliteit van die kansinschattingen moeten zich nog bewijzen. Wie vandaag instapt, koopt dus ook een beetje mee aan de steigers.

Toch is het idee helder en best sterk. Niet elke AI-taak vraagt om tekst, creativiteit of een gesprek met zeven vervolgvragen en drie open eindjes. Soms wil je gewoon dat software beslist, snel en in een formaat waar de rest van je systeem geen toetsenbordacrobatiek voor hoeft uit te halen. Precies daar probeert Jev een nieuw vakje op het bureau te vullen.