{"id":131379,"date":"2026-09-21T22:38:44","date_gmt":"2026-09-21T20:38:44","guid":{"rendered":"https:\/\/quondos.com\/mag\/?p=131379"},"modified":"2026-09-21T22:38:46","modified_gmt":"2026-09-21T20:38:46","slug":"typesafe-ai-presenta-jev-un-modelo-de-ia-disenado-para-tomar-decisiones-en-lugar-de-generar-texto","status":"publish","type":"post","link":"https:\/\/quondos.com\/mag\/typesafe-ai-presenta-jev-un-modelo-de-ia-disenado-para-tomar-decisiones-en-lugar-de-generar-texto\/","title":{"rendered":"TypeSafe AI presenta Jev, un modelo de IA dise\u00f1ado para tomar decisiones en lugar de generar texto"},"content":{"rendered":"\n<figure class=\"wp-block-image size-large\"><img loading=\"lazy\" decoding=\"async\" width=\"1024\" height=\"538\" src=\"https:\/\/quondos.com\/mag\/wp-content\/uploads\/2026\/09\/image-32-1024x538.png\" alt=\"\" class=\"wp-image-131380\" title=\"\" srcset=\"https:\/\/quondos.com\/mag\/wp-content\/uploads\/2026\/09\/image-32-1024x538.png 1024w, https:\/\/quondos.com\/mag\/wp-content\/uploads\/2026\/09\/image-32-300x158.png 300w, https:\/\/quondos.com\/mag\/wp-content\/uploads\/2026\/09\/image-32-768x403.png 768w, https:\/\/quondos.com\/mag\/wp-content\/uploads\/2026\/09\/image-32.png 1200w\" sizes=\"auto, (max-width: 1024px) 100vw, 1024px\" \/><\/figure>\n\n\n\n<p><strong>TypeSafe AI ha presentado Jev<\/strong>, un nuevo modelo de inteligencia artificial dise\u00f1ado para tomar decisiones estructuradas en lugar de generar texto como hacen los grandes modelos de lenguaje tradicionales. La compa\u00f1\u00eda lo presenta como su primer \u00abSystem One Model\u00bb, una categor\u00eda orientada a resolver decisiones r\u00e1pidas y repetitivas dentro de agentes y sistemas de automatizaci\u00f3n.<\/p>\n\n<p>Jev fue presentado el <strong>15 de septiembre de 2026<\/strong> y parte de un planteamiento diferente al habitual en el mercado de la IA generativa. En lugar de producir una respuesta escrita que despu\u00e9s debe interpretar otro software, el modelo devuelve directamente valores estructurados y probabilidades que pueden utilizarse dentro de un programa.<\/p>\n\n<p>La propuesta est\u00e1 especialmente dirigida a desarrolladores que trabajan con <strong>agentes de IA y automatizaciones<\/strong>. TypeSafe AI considera que muchos de los sistemas actuales utilizan modelos de lenguaje demasiado grandes y costosos para resolver decisiones relativamente sencillas, como clasificar una petici\u00f3n, determinar si una tarea es urgente o decidir qu\u00e9 acci\u00f3n debe ejecutarse a continuaci\u00f3n.<\/p>\n\n<div id=\"ez-toc-container\" class=\"ez-toc-v2_0_76 counter-hierarchy ez-toc-counter ez-toc-grey ez-toc-container-direction\">\n<div class=\"ez-toc-title-container\">\n<p class=\"ez-toc-title\" style=\"cursor:inherit\">\u00cdndice de contenidos<\/p>\n<span class=\"ez-toc-title-toggle\"><a href=\"#\" class=\"ez-toc-pull-right ez-toc-btn ez-toc-btn-xs ez-toc-btn-default ez-toc-toggle\" aria-label=\"Alternar tabla de contenidos\"><span class=\"ez-toc-js-icon-con\"><span class=\"\"><span class=\"eztoc-hide\" style=\"display:none;\">Toggle<\/span><span class=\"ez-toc-icon-toggle-span\"><svg style=\"fill: #999;color:#999\" xmlns=\"http:\/\/www.w3.org\/2000\/svg\" class=\"list-377408\" width=\"20px\" height=\"20px\" viewBox=\"0 0 24 24\" fill=\"none\"><path d=\"M6 6H4v2h2V6zm14 0H8v2h12V6zM4 11h2v2H4v-2zm16 0H8v2h12v-2zM4 16h2v2H4v-2zm16 0H8v2h12v-2z\" fill=\"currentColor\"><\/path><\/svg><svg style=\"fill: #999;color:#999\" class=\"arrow-unsorted-368013\" xmlns=\"http:\/\/www.w3.org\/2000\/svg\" width=\"10px\" height=\"10px\" viewBox=\"0 0 24 24\" version=\"1.2\" baseProfile=\"tiny\"><path d=\"M18.2 9.3l-6.2-6.3-6.2 6.3c-.2.2-.3.4-.3.7s.1.5.3.7c.2.2.4.3.7.3h11c.3 0 .5-.1.7-.3.2-.2.3-.5.3-.7s-.1-.5-.3-.7zM5.8 14.7l6.2 6.3 6.2-6.3c.2-.2.3-.5.3-.7s-.1-.5-.3-.7c-.2-.2-.4-.3-.7-.3h-11c-.3 0-.5.1-.7.3-.2.2-.3.5-.3.7s.1.5.3.7z\"\/><\/svg><\/span><\/span><\/span><\/a><\/span><\/div>\n<nav><ul class='ez-toc-list ez-toc-list-level-1 ' ><li class='ez-toc-page-1 ez-toc-heading-level-2'><a class=\"ez-toc-link ez-toc-heading-1\" href=\"https:\/\/quondos.com\/mag\/typesafe-ai-presenta-jev-un-modelo-de-ia-disenado-para-tomar-decisiones-en-lugar-de-generar-texto\/#Jev_cambia_el_texto_generado_por_decisiones_estructuradas\" >Jev cambia el texto generado por decisiones estructuradas<\/a><\/li><li class='ez-toc-page-1 ez-toc-heading-level-2'><a class=\"ez-toc-link ez-toc-heading-2\" href=\"https:\/\/quondos.com\/mag\/typesafe-ai-presenta-jev-un-modelo-de-ia-disenado-para-tomar-decisiones-en-lugar-de-generar-texto\/#El_modelo_utiliza_muestreo_paralelo_y_probabilidades_calibradas\" >El modelo utiliza muestreo paralelo y probabilidades calibradas<\/a><\/li><li class='ez-toc-page-1 ez-toc-heading-level-2'><a class=\"ez-toc-link ez-toc-heading-3\" href=\"https:\/\/quondos.com\/mag\/typesafe-ai-presenta-jev-un-modelo-de-ia-disenado-para-tomar-decisiones-en-lugar-de-generar-texto\/#TypeSafe_AI_plantea_Jev_como_una_capa_para_agentes_de_IA\" >TypeSafe AI plantea Jev como una capa para agentes de IA<\/a><\/li><li class='ez-toc-page-1 ez-toc-heading-level-2'><a class=\"ez-toc-link ez-toc-heading-4\" href=\"https:\/\/quondos.com\/mag\/typesafe-ai-presenta-jev-un-modelo-de-ia-disenado-para-tomar-decisiones-en-lugar-de-generar-texto\/#El_precio_y_el_rendimiento_son_algunas_de_las_principales_apuestas_de_Jev\" >El precio y el rendimiento son algunas de las principales apuestas de Jev<\/a><\/li><li class='ez-toc-page-1 ez-toc-heading-level-2'><a class=\"ez-toc-link ez-toc-heading-5\" href=\"https:\/\/quondos.com\/mag\/typesafe-ai-presenta-jev-un-modelo-de-ia-disenado-para-tomar-decisiones-en-lugar-de-generar-texto\/#Jev_llega_con_una_apuesta_centrada_en_la_automatizacion\" >Jev llega con una apuesta centrada en la automatizaci\u00f3n<\/a><\/li><\/ul><\/nav><\/div>\n<h2><span class=\"ez-toc-section\" id=\"Jev_cambia_el_texto_generado_por_decisiones_estructuradas\"><\/span>Jev cambia el texto generado por decisiones estructuradas<span class=\"ez-toc-section-end\"><\/span><\/h2>\n\n<p>La diferencia fundamental de Jev frente a un LLM convencional est\u00e1 en la forma de producir sus resultados. Mientras un modelo de lenguaje genera una cadena de texto token a token, <strong>Jev recibe el estado de un programa y un conjunto de preguntas tipadas<\/strong> y responde a todas ellas mediante valores estructurados.<\/p>\n\n<p>TypeSafe AI denomina \u00abSystem One\u00bb a esta aproximaci\u00f3n por su relaci\u00f3n con la distinci\u00f3n entre pensamiento r\u00e1pido y pensamiento deliberado. La compa\u00f1\u00eda considera que buena parte de las decisiones que aparecen dentro de un software son r\u00e1pidas y repetitivas, por lo que no siempre necesitan recurrir a un modelo completo de razonamiento.<\/p>\n\n<p>En este planteamiento, una aplicaci\u00f3n puede preguntarle a Jev cuestiones como <strong>qu\u00e9 categor\u00eda corresponde a una entrada, si una acci\u00f3n debe ejecutarse o si una operaci\u00f3n deber\u00eda reintentarse<\/strong>. La respuesta llega en un formato que el programa puede utilizar directamente, sin tener que interpretar primero una explicaci\u00f3n escrita.<\/p>\n\n<p>La compa\u00f1\u00eda sostiene que este dise\u00f1o elimina los errores de formato o de tipo en la salida, porque las opciones disponibles est\u00e1n definidas previamente. Eso no significa que <strong>Jev no pueda equivocarse en una decisi\u00f3n<\/strong>: TypeSafe AI reconoce que la calibraci\u00f3n de las probabilidades no garantiza que cada predicci\u00f3n individual sea correcta.<\/p>\n\n<h2><span class=\"ez-toc-section\" id=\"El_modelo_utiliza_muestreo_paralelo_y_probabilidades_calibradas\"><\/span>El modelo utiliza muestreo paralelo y probabilidades calibradas<span class=\"ez-toc-section-end\"><\/span><\/h2>\n\n<p>Una de las caracter\u00edsticas t\u00e9cnicas destacadas por TypeSafe AI es el <strong>muestreo paralelo<\/strong>. Jev puede evaluar las distintas preguntas de una solicitud en un \u00fanico paso, en lugar de procesarlas secuencialmente como ocurre con la generaci\u00f3n tradicional de texto.<\/p>\n\n<p>Seg\u00fan los datos publicados por la empresa, su latencia se sit\u00faa entre <strong>70 y 500 milisegundos<\/strong>, dependiendo del proveedor utilizado. TypeSafe AI sostiene que esta arquitectura permite mantener tiempos de respuesta reducidos incluso cuando se incorporan varias decisiones dentro de una misma petici\u00f3n.<\/p>\n\n<p>El segundo elemento diferencial es el sistema de entrenamiento denominado <strong>Reinforcement Learning for Calibrated Decisions (RLCD)<\/strong>. La compa\u00f1\u00eda explica que este m\u00e9todo est\u00e1 orientado a que las probabilidades proporcionadas por el modelo est\u00e9n relacionadas con la frecuencia con la que sus decisiones resultan correctas.<\/p>\n\n<p>Esta caracter\u00edstica resulta especialmente importante cuando el software debe decidir si puede actuar autom\u00e1ticamente o si necesita solicitar una revisi\u00f3n. La idea es utilizar <strong>la confianza de la predicci\u00f3n como parte del propio flujo de control<\/strong>, de forma que las decisiones con mayor incertidumbre puedan desviarse hacia un sistema m\u00e1s potente o hacia una persona.<\/p>\n\n<p>Jev tambi\u00e9n acepta entradas en lenguaje natural, aunque actualmente presenta una limitaci\u00f3n importante: <strong>solo trabaja con texto<\/strong>. TypeSafe AI se\u00f1ala que puede recibir cadenas, JSON o matrices de texto, pero todav\u00eda no procesa directamente im\u00e1genes, audio o v\u00eddeo.<\/p>\n\n<h2><span class=\"ez-toc-section\" id=\"TypeSafe_AI_plantea_Jev_como_una_capa_para_agentes_de_IA\"><\/span>TypeSafe AI plantea Jev como una capa para agentes de IA<span class=\"ez-toc-section-end\"><\/span><\/h2>\n\n<p>El objetivo de Jev no es sustituir a los grandes modelos de lenguaje, sino ocupar una posici\u00f3n diferente dentro de un sistema de agentes. TypeSafe AI propone utilizarlo como <strong>una capa de decisi\u00f3n situada entre el software y los modelos de razonamiento m\u00e1s costosos<\/strong>.<\/p>\n\n<p>Un ejemplo ser\u00eda una arquitectura en cascada. Jev podr\u00eda encargarse primero de clasificar una petici\u00f3n o decidir qu\u00e9 herramienta debe utilizarse. Despu\u00e9s, el c\u00f3digo convencional podr\u00eda resolver las operaciones deterministas y \u00fanicamente las situaciones m\u00e1s complejas pasar\u00edan a un modelo de razonamiento avanzado.<\/p>\n\n<p>Este enfoque permitir\u00eda reservar las llamadas m\u00e1s caras para los casos que realmente las necesitan. Seg\u00fan la propuesta de TypeSafe AI, <strong>la funci\u00f3n de Jev ser\u00eda reducir el n\u00famero de consultas innecesarias a LLM de frontera<\/strong> y, al mismo tiempo, establecer un l\u00edmite m\u00e1s claro entre las decisiones autom\u00e1ticas y las que requieren supervisi\u00f3n.<\/p>\n\n<p>La compa\u00f1\u00eda tambi\u00e9n destaca tres tipos de preguntas que forman la base de su API. El modelo est\u00e1 pensado para trabajar con <strong>decisiones estructuradas<\/strong>, de manera que el desarrollador pueda definir qu\u00e9 tipo de respuesta necesita antes de ejecutar la consulta.<\/p>\n\n<h2><span class=\"ez-toc-section\" id=\"El_precio_y_el_rendimiento_son_algunas_de_las_principales_apuestas_de_Jev\"><\/span>El precio y el rendimiento son algunas de las principales apuestas de Jev<span class=\"ez-toc-section-end\"><\/span><\/h2>\n\n<p>TypeSafe AI sit\u00faa el precio de Jev en <strong>0,042 d\u00f3lares por mill\u00f3n de tokens de entrada<\/strong>, mientras que la salida no tiene coste. La compa\u00f1\u00eda utiliza esta estructura de precios para presentar el modelo como una alternativa destinada a decisiones que pueden ejecutarse en grandes vol\u00famenes.<\/p>\n\n<p>La empresa tambi\u00e9n afirma que Jev puede ser considerablemente m\u00e1s r\u00e1pido y barato que determinados LLM utilizados en sus pruebas internas. En concreto, su p\u00e1gina de lanzamiento habla de hasta <strong>193,6 veces m\u00e1s velocidad y 444,6 veces menos coste<\/strong> en comparaci\u00f3n con los modelos utilizados en su benchmark.<\/p>\n\n<p>Estas cifras deben interpretarse como <strong>resultados proporcionados por la propia TypeSafe AI<\/strong>. La compa\u00f1\u00eda explica que las pruebas se realizaron desde sus propias m\u00e1quinas y que los workflows empleados fueron construidos por su equipo, aunque no formaban parte del entrenamiento del modelo.<\/p>\n\n<p>Adem\u00e1s, el benchmark utiliza como referencia el promedio de determinados modelos de lenguaje. Por tanto, los datos permiten conocer c\u00f3mo TypeSafe AI presenta el rendimiento de Jev, pero <strong>no constituyen una comparaci\u00f3n independiente de todo el mercado de modelos de IA<\/strong>.<\/p>\n\n<h2><span class=\"ez-toc-section\" id=\"Jev_llega_con_una_apuesta_centrada_en_la_automatizacion\"><\/span>Jev llega con una apuesta centrada en la automatizaci\u00f3n<span class=\"ez-toc-section-end\"><\/span><\/h2>\n\n<p>El modelo fue desarrollado por <strong>Diogo Almeida<\/strong>, que anteriormente particip\u00f3 en el trabajo de OpenAI relacionado con RLHF e InstructGPT. TypeSafe AI ha planteado Jev como el primer paso de una categor\u00eda de modelos centrados espec\u00edficamente en decisiones que el software pueda utilizar directamente.<\/p>\n\n<p>La compa\u00f1\u00eda tambi\u00e9n ha anunciado una ronda de financiaci\u00f3n de <strong>40 millones de d\u00f3lares liderada por DCVC<\/strong>. El nombre Jev hace referencia al economista William Stanley Jevons y a una idea relacionada con el aumento de la demanda cuando disminuye el coste de una determinada actividad.<\/p>\n\n<p>El concepto encaja con la tesis de TypeSafe AI: si tomar una decisi\u00f3n dentro de un software resulta suficientemente barato, r\u00e1pido y sencillo, <strong>los sistemas pueden incorporar muchas m\u00e1s decisiones automatizadas<\/strong> sin depender continuamente de modelos de lenguaje de mayor tama\u00f1o.<\/p>\n\n<p>Por ahora, Jev se encuentra en acceso anticipado y mantiene limitaciones como la entrada exclusivamente textual y la ausencia de conocimiento externo propio. El modelo solo puede trabajar con <strong>el estado y la informaci\u00f3n que recibe del sistema que lo utiliza<\/strong>, por lo que no puede buscar informaci\u00f3n por s\u00ed mismo.<\/p>\n\n<p>La propia compa\u00f1\u00eda tambi\u00e9n advierte de que la calibraci\u00f3n debe entenderse como una propiedad estad\u00edstica del conjunto de predicciones. En otras palabras, <strong>una probabilidad elevada no convierte autom\u00e1ticamente una respuesta concreta en verdadera<\/strong>. El inter\u00e9s de Jev est\u00e1 en utilizar esas probabilidades dentro de sistemas capaces de decidir cu\u00e1ndo actuar, cu\u00e1ndo reintentar y cu\u00e1ndo pedir ayuda.<\/p>\n\n\n\n<p><\/p>\n","protected":false},"excerpt":{"rendered":"<p>TypeSafe AI ha presentado Jev, un nuevo modelo de inteligencia artificial dise\u00f1ado para tomar decisiones estructuradas en lugar de generar &#8230; <\/p>\n<p class=\"read-more-container\"><a title=\"TypeSafe AI presenta Jev, un modelo de IA dise\u00f1ado para tomar decisiones en lugar de generar texto\" class=\"read-more button\" href=\"https:\/\/quondos.com\/mag\/typesafe-ai-presenta-jev-un-modelo-de-ia-disenado-para-tomar-decisiones-en-lugar-de-generar-texto\/#more-131379\" aria-label=\"Leer m\u00e1s sobre TypeSafe AI presenta Jev, un modelo de IA dise\u00f1ado para tomar decisiones en lugar de generar texto\">Leer m\u00e1s<\/a><\/p>\n","protected":false},"author":850,"featured_media":131380,"comment_status":"open","ping_status":"closed","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[1474],"tags":[],"class_list":["post-131379","post","type-post","status-publish","format-standard","has-post-thumbnail","hentry","category-inteligencia-artificial","generate-columns","tablet-grid-50","mobile-grid-100","grid-parent","grid-50","no-featured-image-padding"],"_links":{"self":[{"href":"https:\/\/quondos.com\/mag\/wp-json\/wp\/v2\/posts\/131379","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/quondos.com\/mag\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/quondos.com\/mag\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/quondos.com\/mag\/wp-json\/wp\/v2\/users\/850"}],"replies":[{"embeddable":true,"href":"https:\/\/quondos.com\/mag\/wp-json\/wp\/v2\/comments?post=131379"}],"version-history":[{"count":1,"href":"https:\/\/quondos.com\/mag\/wp-json\/wp\/v2\/posts\/131379\/revisions"}],"predecessor-version":[{"id":131381,"href":"https:\/\/quondos.com\/mag\/wp-json\/wp\/v2\/posts\/131379\/revisions\/131381"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/quondos.com\/mag\/wp-json\/wp\/v2\/media\/131380"}],"wp:attachment":[{"href":"https:\/\/quondos.com\/mag\/wp-json\/wp\/v2\/media?parent=131379"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/quondos.com\/mag\/wp-json\/wp\/v2\/categories?post=131379"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/quondos.com\/mag\/wp-json\/wp\/v2\/tags?post=131379"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}