TypeSafe AI lanserar Jev, en typad klassificerare för snabbare agentroutning

TypeSafe AI, en San Francisco-baserad labb som kom ut ur stealth-läge den 15 september 2026, har lanserat Jev, sin första offentliga modell. Jev är inte en stor språkmodell utan en typad klassificerare byggd för att ersätta prompt-och-parse-routningsanrop inuti AI-agentsystem. Företaget tog in 40 miljoner dollar i såddfinansiering lett av DCVC.

Vad Jev gör annorlunda

Där en stor språkmodell avkodar text en token i taget, bearbetar Jev ett block av programtillstånd tillsammans med en uppsättning typade frågor i en enda framåtpassning och returnerar en etikett, en sannolikhet för varje möjligt alternativ och ett konfidensvärde. TypeSafe kallar detta en "System One"-modell för att skilja den från LLM-liknande resonemang. Utvecklare definierar upp till 255 möjliga alternativ, skickar tillståndet som ska klassificeras och får tillbaka ett strukturerat svar i stället för fri text som behöver parsas.

TypeSafe säger att modellen är kalibrerad genom en träningsprocess som de kallar RLCD, så att rapporterade sannolikheter speglar hur ofta modellen faktiskt har rätt — en egenskap företaget beskriver, med reservation, som att undvika öppen hallucination, eftersom resultaten är begränsade till den definierade uppräkningen snarare än fri text.

Påståenden om hastighet och kostnad

Enligt TypeSafe AI svarar Jev på ungefär 70 till 500 millisekunder, vilket företaget säger är 40 till 200 gånger snabbare än att routa samma beslut genom en LLM, till en företagsangiven kostnad på cirka 0,001 dollar per beslut. Vercels ingenjörsteam har sagt att de uppmätte en 18 gångers hastighetsökning efter att ha bytt sina produktionssäkerhetsklassificerare till Jev — en tredjepartsdatapunkt, men fortfarande en enskild leverantörsberättelse snarare än ett oberoende riktmärke.

Tidigt ramverksstöd

Stöd för Jev har dykt upp snabbt i utvecklarverktyg:

• LangChain exponerar det genom en dedikerad TypeSafeClassifier-komponent.
• Pydantic AI behandlar det som en klassificerare som kräver samma mätdisciplin som alla andra produktionsklassificerare.
• Neuron AI, ett PHP-agentramverk, byggde ett generellt klassificerargränssnitt med TypeSafe som sin första implementation.

Vad man ska hålla ögonen på

Jev är en klassificerare, inte en generell resonemangsmotor, och den ärver klassificerarliknande risker: fientlig eller ovanlig indatatext kan förskjuta dess utdata, så team rekommenderas att kombinera den med deterministiska kontroller snarare än att förlita sig enbart på den för säkerhetsrelevanta routningsbeslut. För MSP:er och plattformsteam som utvärderar agentarkitekturer är den mer hållbara insikten mönstret att separera klassificering från generering, snarare än någon enskild leverantörs hastighets- eller kostnadssiffror, som förblir självrapporterade och ännu inte oberoende benchmarkade.

Källor: TypeSafe AI — Jev classifier, Eastern Herald.