API do Jev: o que é o modelo System One da TypeSafe, quanto custa e quando usá-lo

O que o Jev realmente é

A TypeSafe apresentou o Jev em 15 de setembro de 2026 como o primeiro "System One model". O enquadramento vem de Thinking, Fast and Slow, de Kahneman: os LLMs atuais se comportam como um sistema racional e deliberativo, e a TypeSafe está construindo a metade rápida e intuitiva — exceto que "intuição" aqui significa uma distribuição de probabilidade calibrada sobre respostas, não um pressentimento transformado em texto.

O nome é uma referência a Jevons, e o argumento é que uma primitiva de decisão rápida e de baixo custo é chamada muito mais vezes do que uma cara.

As diferenças mecânicas em relação a um LLM são o que importa para a engenharia:

• A saída é tipada. Você declara o formato da resposta antecipadamente — um Choice sobre opções enumeráveis, um Score sobre níveis descritivos, ou um Noul (sim/não) com uma probabilidade. Não há texto livre para fazer parsing, e corresponder ao schema é uma propriedade da arquitetura, não algo que você torce para o modelo cumprir.
• Você recebe probabilidades, não apenas uma escolha. Um Choice retorna a opção selecionada mais uma probabilidade para cada opção e um valor de confidence separado. É isso que permite rotear com base na incerteza: agir acima de um limiar, recorrer a um modelo maior abaixo dele.
• As perguntas rodam em paralelo. O Jev ingere o state uma vez e avalia todas as perguntas da requisição contra ele ao mesmo tempo. Fazer trinta perguntas em vez de uma adiciona pouquíssimo tempo de relógio, e é isso que torna possíveis os casos de uso de classificação em lote abaixo.
• Ele é estreito de propósito. A orientação da TypeSafe é manter o fluxo de controle no seu código e dar ao Jev decisões atômicas e estruturadas em vez de um grande julgamento único.
• A saída não tem estrutura sequencial. O fundador da TypeSafe disse que strings e outras estruturas de dados sequenciais não são permitidas no lado da saída, e o motivo declarado é exatamente este: é isso que permite que todas as respostas sejam calculadas em paralelo, e é por isso que não há tokens de saída para cobrar. Você não pode pedir ao Jev que escreva uma frase para você, e essa restrição é a base do preço.

Uma requisição mínima se parece com isto:

curl -X POST "https://apimaster.ai/v1/systemone" \
  -H "Authorization: Bearer $APIMASTER_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "state": "Help! My payouts have been failing for 3 days.",
    "model": "jev-latest",
    "questions": {
      "is_urgent": { "type": "noul", "instructions": "Does this convey urgency?" }
    }
  }'

Especificações do Jev em resumo

Especificação	Jev 1.13
ID do modelo	jev-1.13.0
Aliases	jev-latest, jev-preview (ambos resolvem para 1.13 hoje)
Endpoint no APIMaster	POST https://apimaster.ai/v1/systemone
ID do modelo no APIMaster	jev-latest
Preço	US$ 42 por bilhão de tokens de entrada / US$ 0,042 por 1M
Preço de saída	Gratuito — cobrança apenas sobre a entrada
Limites de taxa	250.000 tokens/s e 1.200 requisições/minuto, declarados como dinâmicos
Comprimento de contexto	64k por requisição (state mais todas as perguntas); 32k para state mais a pergunta mais longa
Tipos de entrada	Texto: string, objeto JSON ou array. Sem imagem, áudio ou vídeo
Saída	Respostas tipadas Choice, Score e Noul com probabilidades e confidence
SDKs de cliente	Python typesafe-sdk, JavaScript @typesafe-ai/sdk
Pesos personalizados por conta	Não. O Jev não é ajustado por fine-tuning nem adaptado com LoRA usando dados de clientes
Dados de treinamento de clientes	Não. Requisições e respostas não são usadas para treinamento

Onde o Jev se encaixa e o que a TypeSafe diz para manter no código

A TypeSafe também publica em detalhes o escopo do jev-1.13: nove áreas, cada uma com o padrão que ela recomenda em vez disso, revisadas pela última vez em 17 de setembro de 2026.

#	Área	Orientação da TypeSafe
1	Leitura literal — ele responde à pergunta que você escreveu, não à que você quis fazer	Declare a condição exata; coloque os casos-limite nos critérios
2	Matemática e números — ele não é uma calculadora e não conta de forma confiável	Mantenha aritmética e contagem no código
3	Comparação de data e hora — datas são lidas como texto, não como quantidades ordenadas	Extraia os componentes; compare no código
4	Indireção — negativas duplas e perguntas com vários saltos custam acurácia	Reduza os saltos; aponte diretamente para o state relevante
5	State grande cheio de detalhes irrelevantes	Filtre primeiro; envie apenas o que a pergunta precisa
6	Conteúdo adversarial	Escreva instruções precisas e teste casos-limite antes de implantar
7	Instruções e critérios contraditórios	Alinhe a instrução e os critérios
8	Invariantes estruturais de senso comum	Faça cada decisão de uma única forma; imponha as identidades no código
9	Geração	Use um modelo generativo

Duas dessas áreas importam mais na prática. Primeiro, contagem: a documentação afirma claramente que o jev-1.13 "não conta de forma confiável" — caracteres em uma palavra, ocorrências em uma passagem, itens em uma lista longa — e que o erro cresce com o tamanho daquilo que está sendo contado. Segundo, geração: o Jev não vai escrever seu resumo, sua resposta ou sua mensagem de commit. Ele decide; outra coisa escreve.

O padrão recomendado pela própria TypeSafe para contagem mostra a divisão de trabalho pretendida: itere sobre os candidatos no código, faça um Noul por candidato e some as respostas você mesmo.

De onde vêm os números de destaque

Dois números acompanham quase toda discussão sobre o Jev. Eles vêm de fontes diferentes e descrevem coisas diferentes.

0,7 segundo. A Every publicou um artigo intitulado "TypeSafe's Jev Judged Everything I've Written in 0.7 Seconds". Índices de builds que catalogam esse texto o descrevem como 777 julgamentos em 37 artigos. Não conseguimos carregar o corpo completo do artigo para confirmar seu valor de custo, então trate o custo por execução citado em torno dessa demonstração como a medição do próprio autor, e não como uma tarifa publicada.

724 anúncios, 40 segundos, cerca de 9 centavos. Este caso está documentado duas vezes. A página do build madewithjev.com — 724 competitor ads, broken down afirma que 724 anúncios ativos de 37 marcas foram analisados em cerca de 40 segundos. O post do autor no X (17 de setembro de 2026) acrescenta o custo — "used 9 cents of tokens" — e lista as dimensões extraídas por anúncio: gancho, formato, oferta, CTA, estágio de conscientização e descasamento com a landing page.

Vale manter a distinção entre os dois: 0,7 segundo é o tempo de avaliação do modelo em um corpus na escala de um parágrafo, enquanto 40 segundos cobrem a busca e o processamento de 724 anúncios ao vivo. Nenhum dos números é uma garantia de throughput para a sua carga de trabalho.

O que a comunidade está construindo com ele

A adoção do Jev é incomumente fácil de inspecionar, porque quase tudo o que foi publicado na primeira semana é open source. As contagens de estrelas abaixo foram lidas na API do GitHub em 20 de setembro de 2026.

Uso de navegador e computador. browser-use/jev-ultrafast (★10.113) vem da organização browser-use e é o projeto que ditou o tom. Ele expõe um espaço de ações fixo (CLICK, TYPE_TEXT, SELECT, SCROLL_UP, SCROLL_DOWN, WAIT, DONE, BLOCKED) e pede ao Jev que escolha tanto a operação quanto o elemento-alvo. As duas decisões vão em uma única requisição à TypeSafe, com a pergunta sobre o alvo marcada como especulativa. Apenas TYPE_TEXT chama um modelo de texto, e o próprio exemplo do README usa um pequeno. Sua tarefa de demonstração — Zurique a Londres no Google Flights — é citada em 7,1 segundos, incluindo geração de texto e carregamentos de página. Não há scripts específicos por site.

Compactação de contexto de agentes de código. tamaratran/fast-jev-compaction (★4.544) decide quais resultados de ferramentas em um transcript de agente de código ainda vale a pena manter, para que uma sessão longa possa ser compactada sem uma passada completa de sumarização. Existem ports e variantes para outros harnesses de agentes.

Guardrails para agentes. DevMortimer/pi-warden (★99) e shiftynick/jev-axi (★17) colocam um julgamento na frente de cada comando ou chamada de ferramenta: pergunte primeiro, bloqueie os perigosos. Este é o padrão em que "probabilidade calibrada mais um limiar no seu próprio código" é genuinamente melhor do que uma resposta em texto que você precisa interpretar.

Roteamento de modelos. vinilana/jev-gateway (★61) roteia requisições simples para uma camada de baixo custo e escala apenas as difíceis. É a expressão mais direta do próprio argumento da TypeSafe — o de que uma decisão pode custar uma fração da geração que ela controla.

Jogos e demos de controle. fhshaik/typesafe-mario (★289) joga Super Mario Bros. a partir do state estruturado do emulador, e RomanSlack/jev-drone (★81) executa um loop de controle de drone no MuJoCo. Esses projetos se espalham muito mais rápido do que chegam à produção; trate-os como demonstrações da interface, não como evidência sobre confiabilidade em produção.

Reproduções abertas. Este é o fio mais interessante para quem quer a capacidade sem um novo fornecedor. TheoLeeCJ/SemIf (★2.123) roda um modelo aberto em uma única RTX 3090 em casa e deixa explícito que é independente da TypeSafe. TianyuCodings/NanoJev (★1.175) é uma reprodução em pequena escala. convaiinnovations/laya é um modelo de classificação Apache-2.0, de uso comercial, treinado com RLCD, publicado sob as tags system-one e calibrated-decisions, com um runner que o acompanha em receptron/laya. Nenhum deles é o Jev, e os gráficos de benchmark que publicam são deles próprios; o ponto é que o formato do modelo é reproduzível.

Classificação em lote. O teardown de anúncios acima é o exemplo principal, e é o padrão com maior chance de sobreviver ao contato com a produção: mantenha o state fixo, faça muitas perguntas estreitas em uma requisição e leia as probabilidades.

O Jev é realmente mais barato que um LLM de baixo custo?

Não por token de entrada, e esta é a parte que a maioria dos textos pula. O Jev cobra US$ 0,042 por 1M de tokens de entrada. No APIMaster, gpt-5.6-luna está em promoção a partir de US$ 0,022 por 1M de tokens de entrada — cerca da metade da tarifa de entrada do Jev — com glm-5.3-flash a US$ 0,105 e deepseek-flash a US$ 0,15. Os modelos generativos hospedados mais baratos já ficam abaixo do Jev no preço de entrada.

O argumento de custo do Jev se apoia em três outras coisas:

• Sem tokens de saída. O modelo generativo mais barato ainda emite texto para cada julgamento, e a saída custa várias vezes mais que a entrada. O Jev retorna uma probabilidade e para.
• Latência. A TypeSafe publica tempos de resposta ponta a ponta de 70ms a 500ms e descreve a comparação com modelos de fronteira em consultas no formato System One como 40× a 200× mais rápida. A velocidade é o que permite que uma decisão rode dentro do caminho de uma requisição em vez de atrás de uma fila.
• Perguntas marginais são quase gratuitas. Como as perguntas se ramificam em paralelo sobre um único state, a décima pergunta custa uma fração do que custaria uma décima chamada de API.

Se isso vence depende da sua carga de trabalho. Se seus julgamentos são poucos, longos e se beneficiam de raciocínio, um LLM de baixo custo com saída estruturada é a melhor compra. Se você faz muitos julgamentos curtos por unidade de trabalho, ou precisa da resposta antes que o usuário perceba uma pausa, a aritmética muda.

Como chamar o Jev no APIMaster?

Não contra o endpoint da própria TypeSafe, e a diferença é estrutural, não uma questão de configuração:

• Rota diferente. A TypeSafe documenta um endpoint de avaliação, /v1/systemone, e uma listagem /v1/models. Não há /chat/completions documentado.
• Corpo diferente. A requisição carrega state e um mapa de questions tipadas. Um corpo no estilo OpenAI carrega messages e espera texto gerado de volta.
• Resposta diferente. Você recebe probabilidades e valores de confidence indexados pelos nomes de pergunta que você escolheu, não uma string de completion.

No APIMaster, use a requisição nativa do System One mostrada acima com uma chave do APIMaster e jev-latest. Não é necessária nenhuma camada de tradução para esse formato de API. O endpoint compatível com OpenAI continua útil para a metade de geração de texto de um pipeline, mas não é a forma de chamar o Jev em si.

O que usar hoje quando você precisa de julgamentos rápidos

Se o que você realmente precisa é de uma decisão a partir de um endpoint compatível com OpenAI já existente, a pergunta prática é para qual camada de baixo custo enviá-la. Rotas ativas no APIMaster em 20 de setembro de 2026:

ID do modelo	Rotas em promoção	A partir de (entrada / saída por 1M)	Preço de tabela de referência	Desconto aprox.
gpt-5.6-luna	3	US$ 0,022 / US$ 0,134	US$ 0,20 / US$ 1,20	~89% off
glm-5.3-flash	3	US$ 0,105 / US$ 0,35	US$ 0,15 / US$ 0,50	~30% off
deepseek-flash	1	US$ 0,15 / US$ 0,60	Igual à tarifa off-peak da DeepSeek	Sem markup
gpt-5.6-terra	15	US$ 0,12 / US$ 0,72	US$ 2,00 / US$ 12,00	~94% off
gemini-3.8-flash	7	US$ 0,20 / US$ 1,00	US$ 1,50 / US$ 7,50	~87% off

O Jev está no ar como a camada de decisão tipada; as camadas abaixo são para a camada de geração de texto ou de escalonamento. Três observações sobre como ler essa tabela. Os preços são os da rota mais barata em promoção no momento da verificação, e rotas diferentes para o mesmo modelo têm preços diferentes — abra o card do modelo antes de comprometer volume. deepseek-flash tem o preço da própria tarifa off-peak da DeepSeek, então a afirmação honesta é "sem markup de gateway", não um desconto. E um preço de entrada menor não é automaticamente a escolha mais barata: o comprimento da saída, o comportamento de cache hit e a taxa de retentativas geralmente dominam a conta final.

Uma divisão viável para um pipeline no estilo Jev com uma única chave:

1. Coloque a decisão estreita e de alta frequência em uma camada pequena e de baixo custo e controle pelo seu próprio limiar de confiança.
2. Escalone apenas os casos que ficam abaixo desse limiar para um modelo mais forte.
3. Mantenha contagem, aritmética e comparação de datas no seu próprio código — o mesmo conselho que a TypeSafe dá, e ele vale para todos os modelos da tabela.

Crie uma conta no APIMaster, adicione crédito pay-as-you-go a partir de US$ 1, crie uma chave no console e aponte um cliente compatível com OpenAI para https://apimaster.ai/v1 com qualquer um dos IDs de modelo acima. Uma chave cobre as famílias GPT, GLM, DeepSeek, Gemini e Claude, então o caminho de escalonamento do passo 2 permanece na mesma integração. Valide uma rota com o testador de modelos antes de mover tráfego de produção.

FAQ

O que é o Jev? O Jev é o modelo System One da TypeSafe AI. Ele recebe um state mais um mapa de perguntas tipadas e retorna probabilidades calibradas — respostas Choice, Score e Noul — em vez de texto gerado.

O Jev é um modelo de linguagem? Não — e a formulação da própria TypeSafe é ainda mais firme do que isso. No thread de lançamento, o fundador o descreveu como "a structured data model, but technically not a language model (it doesn't generate language)". Ele lê o texto que você envia e retorna decisões tipadas com probabilidades e valores de confidence, e nunca gera prosa. A TypeSafe o coloca ao lado dos modelos de chat com RLHF e dos modelos de raciocínio com RLVR como uma terceira categoria, e não como uma versão menor de qualquer um dos dois.

Qual é o ID do modelo Jev? jev-1.13.0. Os aliases jev-latest e jev-preview atualmente resolvem para a mesma versão; os SDKs usam jev-latest como padrão.

Quanto custa o Jev? US$ 42 por bilhão de tokens de entrada, o que dá US$ 0,042 por 1M de tokens de entrada. Tokens de saída são gratuitos, e a cobrança é apenas sobre a entrada.

O Jev é compatível com OpenAI? Não. Ele usa um endpoint dedicado POST /v1/systemone com um corpo de state mais questions e retorna probabilidades em vez de completions, então um cliente no estilo OpenAI não consegue chamá-lo sem alterações. No APIMaster, chame o mesmo formato nativo em https://apimaster.ai/v1/systemone com jev-latest.

O Jev está disponível no APIMaster? Sim. Use o ID de modelo jev-latest com POST https://apimaster.ai/v1/systemone; o preço ativo é US$ 0,042 por 1M de tokens de entrada e US$ 0 de saída. Veja o card do Jev no marketplace antes de usar em produção. Combine-o com um modelo de texto como gpt-5.6-luna, glm-5.3-flash ou deepseek-flash quando uma tarefa também precisar de texto gerado.

O Jev suporta chinês e outros idiomas além do inglês? A TypeSafe afirma que o inglês é o idioma principal de treinamento e onde a acurácia é melhor atualmente, e que outros idiomas, incluindo CJK, são atendidos, mas não igualmente bem. A documentação orienta testar com o seu próprio conteúdo e observar os valores de confidence ao rotear.

Posso fazer fine-tuning do Jev com meus próprios dados? Não. A TypeSafe não faz fine-tuning nem adaptação com LoRA do Jev por cliente, e não treina com requisições ou respostas de clientes. O comportamento de domínio é moldado pelo state, pelas instruções e pelos critérios em cada requisição.

Quais tarefas devo manter fora do Jev? A TypeSafe publica nove: leitura literal, matemática e números, comparação de data e hora, indireção, states grandes cheios de detalhes irrelevantes, conteúdo adversarial, critérios contraditórios, invariantes estruturais de senso comum e geração. Contagem e aritmética pertencem ao seu código.

Posso hospedar uma alternativa por conta própria? Existem reproduções abertas — SemIf, NanoJev e o encoder Apache-2.0 laya, entre elas — mas são projetos independentes com seus próprios benchmarks, não o Jev. Trate as comparações publicadas como medições dos próprios projetos.

Quando devo usar o Jev em vez de um LLM de baixo custo? Quando a decisão é estreita e tipada, você a toma com frequência, e precisa dela de volta em centenas de milissegundos em vez de segundos. Para raciocínio de contexto longo, geração ou qualquer coisa que exija aritmética, um modelo generativo de baixo custo é a escolha melhor.

Fontes e leitura adicional

• TypeSafe — Models — ID do modelo, aliases, preço de US$ 42/Btok, limites de taxa, orçamento de contexto, suporte a idiomas e tratamento de dados
• TypeSafe — Jev 1.13 jaggedness — as áreas que a TypeSafe deixa de fora do escopo, com o padrão recomendado para cada uma, revisado em 17 de setembro de 2026
• TypeSafe — API reference e Quick start — endpoint, formatos de requisição e resposta, uso dos SDKs
• TypeSafe — Introducing System One Models and Jev — post de lançamento, o número de 70–500ms ponta a ponta e a comparação de 40×–200×
• Discussão no Hacker News — 1.918 pontos no thread de lançamento
• browser-use/jev-ultrafast — espaço de ações, o design de operação e alvo em uma única requisição, e a demonstração no Google Flights
• Made with Jev — 724 competitor ads, broken down — a página do build de análise de anúncios, com o post do autor
• Every — TypeSafe's Jev Judged Everything I've Written in 0.7 Seconds
• Hugging Face — convaiinnovations/laya e TheoLeeCJ/SemIf — reproduções abertas e independentes

A documentação de modelos e as notas de escopo da TypeSafe foram verificadas em 20 de setembro de 2026. A rota jev-latest e o preço no APIMaster foram verificados em 21 de setembro de 2026. Preços, limites de taxa e status de projetos mudam — verifique no card ao vivo ou na própria página do fornecedor antes de comprometer uma carga de trabalho.