Enquanto boa parte da indústria de inteligência artificial disputa quem consegue criar modelos maiores, mais inteligentes e melhores de conversa, uma startup decidiu seguir pelo caminho oposto. A TypeSafe AI apresentou o Jev, um modelo que praticamente abandona a geração de texto para se concentrar em uma tarefa muito mais direta: tomar decisões rapidamente.
A empresa foi fundada por Diogo Almeida, que trabalhou na OpenAI em pesquisas relacionadas ao RLHF, uma das técnicas que ajudaram a transformar grandes modelos de linguagem em assistentes capazes de seguir instruções. Depois de cerca de dois anos operando em modo stealth e receber US$ 40 milhões em financiamento, a TypeSafe agora aposta que nem toda aplicação de IA precisa de um chatbot.
After co-inventing ChatGPT, I kept asking myself: why have superhuman chat models not led to AGI?
I’ve spent the last 2 years in stealth building a new way to train models (RLCD), and a new type of frontier AI model that we are releasing today: Jev
• 20-200x faster
• 40-400x… pic.twitter.com/JSybNG2BKJ— Diogo Almeida (@CompleteSkeptic) September 15, 2026
Uma IA que não quer conversar com você
O Jev não foi desenvolvido para escrever e-mails, responder perguntas ou manter uma conversa. Em vez de receber um prompt e gerar uma resposta palavra por palavra, ele analisa o estado de uma situação e responde perguntas previamente definidas.
Imagine um sistema tentando determinar se uma fatura é fraudulenta. Um LLM tradicional pode analisar os dados e gastar vários segundos produzindo uma explicação antes de chegar à conclusão. O Jev pode simplesmente retornar algo como 7% de fraude, 88% de transação legítima e 5% de necessidade de revisão.
Em uma demonstração, enquanto um LLM levou mais de oito segundos para chegar à resposta, o Jev realizou a classificação em cerca de 0,1 segundo. A ideia é simples: se quem receberá a resposta é outro software, talvez não exista motivo para produzir um parágrafo inteiro.
Choice, Score e Noul
O modelo trabalha com três tipos principais de respostas. Choice escolhe entre até 255 alternativas; Score atribui uma pontuação; e Noul, termo criado pela TypeSafe, representa essencialmente uma decisão de sim ou não.
Cada resultado também vem acompanhado de uma probabilidade. As perguntas podem ser processadas simultaneamente, em vez de depender da geração sequencial de tokens utilizada pelos modelos de linguagem tradicionais.
Segundo a TypeSafe, o Jev consegue responder entre 70 e 500 milissegundos. A empresa anuncia ainda um preço de apenas US$ 0,042 por milhão de tokens de entrada, sem cobrança por tokens de saída, já que não existe texto convencional sendo produzido.
Um “if” turbinado por inteligência artificial
Uma definição interessante para o Jev é tratá-lo como uma espécie de “if nativo de IA”. Em programação tradicional, um sistema poderia determinar que qualquer transação acima de US$ 10 mil precisa ser analisada. Com um modelo como o Jev, a regra poderia ser: se o comportamento parecer suspeito com mais de 95% de confiança, envie para revisão humana.
Isso coloca o modelo em uma categoria diferente dos chatbots. Filtros de spam, detecção de fraude, classificação de conteúdo, priorização de chamados e roteamento de solicitações exigem milhões de pequenas decisões que normalmente não precisam de uma explicação em linguagem natural.
Velocidade pode mudar o funcionamento dos agentes
A baixa latência também pode ser especialmente interessante para agentes de IA. Hoje, um agente navegando por um site pode precisar esperar vários segundos por uma nova chamada ao modelo antes de realizar cada ação. Quando uma tarefa envolve dezenas de decisões consecutivas, essa espera rapidamente se acumula.
A TypeSafe demonstrou o Jev jogando Doom a aproximadamente dez decisões por segundo, recebendo descrições textuais do estado do jogo em vez de analisar diretamente as imagens. O experimento serve principalmente para mostrar como decisões rápidas podem permitir aplicações que seriam pouco práticas com modelos mais lentos.
Outra possibilidade talvez seja ainda mais útil: empregar modelos como o Jev para verificar as respostas produzidas por IAs maiores. Um modelo sofisticado poderia executar a tarefa principal enquanto uma IA muito mais barata e rápida faria uma segunda avaliação antes que uma ação importante fosse executada.
Não escrever respostas erradas não significa não errar
A estrutura do Jev também limita determinados tipos de alucinação. Como o modelo precisa escolher entre alternativas previamente determinadas, ele não pode simplesmente inventar uma categoria que não existe.
Mas existe uma diferença importante: não inventar uma resposta não significa escolher a resposta correta. O modelo ainda pode selecionar a alternativa errada e atribuir a ela uma confiança elevada.
Os próprios benchmarks divulgados pela TypeSafe merecem cautela. Em seus testes de workflow, o Jev alcançou aproximadamente 67,8% de concordância geral, contra 74,1% do GPT-5.6 Sol. A empresa também apresenta vantagens que chegam a 193,6 vezes em velocidade e 444,6 vezes em custo nesses testes, mas reconhece que esses números representam o extremo superior dos ganhos esperados em aplicações reais.
Além disso, o Jev ainda está em acesso antecipado, trabalha apenas com texto e dados estruturados e a TypeSafe ainda não publicou detalhes completos sobre sua arquitetura ou quantidade de parâmetros.
A aposta por trás do Jev
Até o nome do modelo ajuda a explicar a estratégia. Ele faz referência ao economista William Stanley Jevons e ao chamado paradoxo de Jevons: quando uma tecnologia se torna muito mais eficiente e barata, seu consumo pode aumentar em vez de diminuir porque surgem novas aplicações.
A TypeSafe aposta no mesmo fenômeno para a inteligência artificial. Se tomar uma decisão com IA ficar barato e rápido o suficiente, sistemas poderão utilizá-la em situações nas quais hoje uma chamada para um grande modelo simplesmente não compensa.
Isso não significa necessariamente que modelos como o Jev substituirão os grandes LLMs. A possibilidade mais interessante é justamente a coexistência entre eles: modelos poderosos e mais lentos cuidando de problemas complexos, enquanto sistemas menores e extremamente rápidos assumem milhões de decisões simples ao redor deles.
Depois de anos em que praticamente toda evolução da IA parecia significar modelos capazes de produzir cada vez mais texto, o Jev apresenta uma provocação interessante: talvez algumas das inteligências artificiais mais úteis do futuro sejam justamente aquelas que quase nunca precisam falar.
