Jev: o novo modelo de IA que troca texto por decisões estruturadas

Uma nova categoria de modelo: decisões, não texto

O mundo da IA está agitado com um novo tipo de modelo lançado há poucos dias. A maioria dos modelos que usamos hoje parte de uma ideia básica: receber uma entrada e gerar texto. Você pergunta ao ChatGPT e ele gera uma resposta; dá uma especificação a um modelo de código e ele gera código. Isso funciona bem quando o resultado é para um humano — mas boa parte do software não precisa de mais um parágrafo de texto. Precisa de uma decisão.

Esse ticket deve ir para o time de cobrança ou para o suporte técnico? Este documento contém dados pessoais? Quão relevante é este trecho para uma busca? Esta transação é suspeita o suficiente para exigir verificação extra? São problemas diferentes de simplesmente gerar texto — e essa distinção é a essência do Jev, o novo modelo da TypeSafe AI.

A TypeSafe foi fundada por Diogo Almeida, ex-OpenAI e coinventor do RLHF e do InstructGPT — os métodos que levaram ao ChatGPT e ao GPT-4. O Jev é o primeiro System One Model da empresa, uma arquitetura pensada para tomar decisões rápidas e estruturadas que o software consegue consumir diretamente. Em vez de devolver texto arbitrário, devolve valores dentro de estruturas definidas de antemão. O lema da empresa resume: “Decisões, não strings.”

Por que um LLM comum não resolve isso

Claude, Codex e outros LLMs até conseguem classificar um ticket, mas há um detalhe incômodo: você está usando um modelo capaz de gerar sequências arbitrárias de palavras para obter um único valor entre três opções. Por causa da aleatoriedade embutida, o modelo pode responder “o departamento mais adequado é cobrança”, devolver JSON malformado, inventar uma categoria ou acrescentar comentários. Sistemas de saída estruturada melhoram isso, mas por baixo ainda é um modelo generativo fazendo, na prática, uma operação de classificação.

O Jev inverte a lógica: o espaço de saída é definido antes. Em vez de pedir ao modelo para “gerar a palavra cobrança”, você pede para ele escolher entre alternativas conhecidas. Ele fica garantido a retornar apenas uma das opções fornecidas.

As três primitivas do Jev

Hoje o Jev reduz decisões a três primitivas:

• Choice — escolhe uma alternativa de um conjunto predefinido (ex.: cobrança, técnico, vendas) e pode devolver a probabilidade de cada opção.
• Score — posiciona algo numa escala ordenada (ex.: urgência de 1 a 4).
• Noul — responde a uma proposição sim/não com a probabilidade de ser verdadeira (ex.: “este texto contém dados pessoais?”).

O nome “System One” vem da distinção de Daniel Kahneman em Rápido e Devagar: o Sistema 1 é o julgamento rápido e intuitivo, e o Sistema 2 é o raciocínio lento e deliberado. O Jev mira o primeiro; Claude e Codex, o segundo. A TypeSafe descreve o modelo como “estado não estruturado entra, decisões probabilísticas tipadas saem” — o que o torna um “if inteligente”: ele avalia a condição semântica difusa (ex.: “o cliente parece frustrado?”) e o código normal decide o que fazer em seguida.

Um diferencial agressivo: custo

Um dos aspectos mais marcantes do Jev é o preço. A entrada custa uma fração de centavo por milhão de tokens e os tokens de saída são gratuitos — um posicionamento agressivo para tarefas de classificação, roteamento e verificação que rodam em alto volume dentro de aplicações.

Na prática: detecção de dados sensíveis

Um exemplo concreto usa o Jev para classificar arquivos antes do processamento: identificar se o conteúdo contém informação médica, PII, chaves de API ou dados confidenciais. Numa amostra sintética com registros de saúde, salários e credenciais, o Jev retornou probabilidades altas (0,93 a 0,99) nas categorias corretas; num texto público e inofensivo, retornou valores próximos de zero. Para arquivos PDF ou imagem, o próprio modelo rejeitou o processamento, avisando que não é texto.

Ainda é cedo para saber se essa arquitetura vira um novo ramo da IA. Mas a pergunta que o Jev coloca é boa: os laboratórios passaram anos tornando os modelos melhores em conversar com humanos — e o que acontece quando o interlocutor não é humano, mas outro programa?