Conheça JEV, o modelo de IA de Sistema 1 que conversar menos e decide mais.

Conheça JEV, o modelo de IA de Sistema 1 que conversar menos e decide mais.

Um e-mail às 2h17 da manhã

A cena é fictícia, mas o problema não é. Ele é o motivo de existir de uma empresa que, até 15 de setembro de 2026, quase ninguém conhecia.

Quem é a TypeSafe, e por que o nome Jev

A TypeSafe AI foi fundada em 2024, em São Francisco, por Diogo Almeida, Erik Gafni e Sasha Sheng. Almeida, o CEO, é ex-pesquisador da OpenAI, onde trabalhou no aprendizado por reforço com retorno humano (RLHF), no InstructGPT, no ChatGPT e no GPT-4 (Gillin, 2026). A empresa passou dois anos em modo furtivo e saiu dele em 15 de setembro de 2026 com uma rodada semente de US$ 40 milhões liderada pela DCVC e, segundo a Forbes citada pelo SiliconANGLE, uma avaliação de US$ 200 milhões (Gillin, 2026).

O paradoxo do carvão

Jevons publica The Coal Question e observa que a eficiência dos motores a vapor aumentou, e não reduziu, o consumo de carvão. Cento e sessenta anos depois, o modelo ganha o nome dele por isso.

A metáfora é boa e vale a pena levá-la a sério, inclusive nos limites. Em Kahneman, o Sistema 1 não é só rápido: é também a fonte da maioria dos vieses do livro, porque responde a uma pergunta mais fácil no lugar da pergunta feita (Kahneman, 2012). Curiosamente, a própria documentação e a imprensa técnica apontam o mesmo defeito no Jev: ele tende a responder à letra da pergunta em vez de ao sentido, erra em aritmética e comparação de datas, e é vulnerável a entradas adversariais (Ferreira, 2026) (Jaigu, 2026). A analogia com o Sistema 1 é honesta nos dois sentidos: promete velocidade e intuição, e herda a miopia.

Triagem é Sistema 1 profissionalizado: uma decisão em segundos, entre opções fechadas, com a régua de "quando chamar alguém mais experiente". É a forma de pergunta que o Jev foi feito para responder.

Estado entra, decisão tipada sai

Probabilidade não é confiança

Calibração é a régua do meteorologista: "80% de chance de chuva" só é uma boa previsão se chover em oito de cada dez dias assim. É o que a TypeSafe promete para cada número que o Jev devolve.

Experimente: um console de decisões

"Boa noite, é a terceira vez que escrevo. Meu boleto de rematrícula venceu ontem, o portal não gera segunda via e a prova é sexta. Se eu perder a prova por causa disso, vou procurar o Procon."

Uma única passagem pelo modelo responde às três perguntas de uma vez; o custo de saída é zero porque nenhum texto é gerado. Valores simulados para fins didáticos.

Por que a TypeSafe diz que isso não é um LLM

Camada 1: como a resposta é produzida

Um modelo de linguagem é autorregressivo: gera um token, acrescenta-o à entrada, gera o próximo, e assim por diante. A arquitetura Transformer, que sustenta todos os LLMs atuais, foi apresentada em 2017 justamente como um modelo de sequência para sequência que produz a saída "um elemento por vez", consumindo os símbolos já gerados como entrada adicional (Vaswani et al., 2017, tradução nossa). Mesmo quando o pedido é um JSON de três campos, o modelo escreve o JSON caractere a caractere, e cada caractere custa uma passagem pela rede.

O Jev é descrito pela TypeSafe como não autorregressivo: uma nova arquitetura e um "amostrador paralelo" leem o estado uma vez e produzem todas as respostas na mesma passagem (Fathima, 2026) (Chavez-Mattos, 2026). É isso que permite duas coisas que soam como truque de marketing e são consequência técnica: os tokens de saída são gratuitos, porque não há geração sequencial a cobrar, e acrescentar perguntas quase não aumenta a latência, porque elas são respondidas em paralelo. A TypeSafe informa que o Jev continua sendo um Transformer, treinado com dados sintéticos (Fernholz, 2026); o que muda é a cabeça de saída, o amostrador e o objetivo de treinamento.

Camada 2: para que o modelo foi treinado