Jev é a nova aposta de um dos criadores do ChatGPT para o futuro da inteligência artificial
O mercado de inteligência artificial ganhou um novo nome para acompanhar de perto. Trata-se do Jev, modelo criado pela TypeSafe AI, startup fundada pelo brasileiro Diogo Almeida, que passou cerca de quatro anos na OpenAI trabalhando em métodos de aprendizado por reforço a partir de feedback humano e ajudando a desenvolver o InstructGPT, uma das bases técnicas que deram origem ao próprio ChatGPT. Depois de deixar a OpenAI em 2024 e passar praticamente dois anos desenvolvendo o projeto em sigilo, Almeida apresentou ao mundo, em meados de setembro, um modelo que propõe repensar completamente o que se espera de uma inteligência artificial dentro de um software.
O lançamento veio acompanhado de uma rodada seed de 40 milhões de dólares liderada pela DCVC, que avaliou a TypeSafe AI em 200 milhões de dólares logo em sua estreia pública. Números expressivos para uma empresa que, em vez de tentar competir diretamente com gigantes como OpenAI, Google e Anthropic na corrida por modelos de linguagem cada vez maiores, escolheu um caminho praticamente oposto.
Uma inteligência artificial que não conversa
Diferente dos modelos de linguagem tradicionais, os chamados LLMs, o Jev não foi criado para manter diálogos, escrever textos longos ou responder perguntas abertas. Ele pertence a uma categoria nova, batizada pela TypeSafe AI de System One Models, pensada especificamente para receber um contexto e devolver uma decisão estruturada e tipada, pronta para ser consumida diretamente por um código de software, sem a necessidade de interpretação humana no meio do caminho.
Na prática, isso significa que o Jev não gera respostas palavra por palavra, como fazem os LLMs convencionais. Em vez disso, ele analisa a informação recebida e responde de forma objetiva, por meio de três formatos principais de pergunta, uma escolha entre opções predefinidas, uma pontuação dentro de uma escala ou uma avaliação direta de verdadeiro ou falso sobre determinada afirmação. É um formato pensado para máquinas conversarem com máquinas, e não para humanos lerem um texto fluido.
Velocidade, custo e menos alucinações
Um dos maiores atrativos do Jev está na combinação entre velocidade e economia. Segundo a TypeSafe AI, o modelo responde em uma janela de setenta a quinhentos milissegundos, o que representa, nos cenários mais favoráveis divulgados pela própria empresa, até cerca de duzentas vezes mais rapidez do que os modelos de linguagem de fronteira em tarefas comparáveis. O custo também chama atenção, com valores a partir de 0,042 dólar por milhão de tokens de entrada processados, enquanto os tokens de saída não são cobrados, o que torna o Jev consideravelmente mais barato para tarefas repetitivas de classificação e filtragem em grande escala.
Outro ponto central da proposta é a redução de alucinações, um dos principais problemas enfrentados por sistemas baseados em modelos de linguagem tradicionais. Para isso, a TypeSafe AI desenvolveu uma técnica própria de treinamento chamada Reinforcement Learning for Calibrated Decisions, ou RLCD. Em vez de treinar o modelo para agradar preferências humanas, como costuma acontecer no método RLHF utilizado pela maioria dos LLMs, o RLCD ensina o Jev a calibrar de forma honesta sua própria probabilidade de acerto diante de cada decisão, entregando não apenas uma resposta, mas também um grau de confiança sobre ela.
Onde o Jev pode ser aplicado dentro de um software
A proposta da TypeSafe AI é posicionar o Jev como uma camada de decisão dentro de sistemas já existentes, e não como um substituto para assistentes conversacionais. Entre as aplicações mais citadas estão o uso como roteador inteligente entre diferentes modelos de inteligência artificial, filtros automáticos de conteúdo, motores de recomendação, sistemas de controle de qualidade e verificação de respostas geradas por outros modelos, além da orquestração de automações que envolvem múltiplos agentes de IA trabalhando em conjunto.
Esse tipo de uso é especialmente relevante para empresas que já utilizam automações e fluxos de trabalho inteligentes, mas que enfrentam custos elevados ou respostas inconsistentes ao depender exclusivamente de modelos de linguagem generalistas para tarefas simples de decisão. Ao delegar essas etapas específicas para um modelo como o Jev, é possível reduzir custos operacionais, ganhar velocidade de resposta e ainda aumentar a confiabilidade do sistema como um todo.
O que esperar dos próximos passos
Por enquanto, o Jev está disponível em acesso antecipado limitado, e a própria TypeSafe AI reconhece que os números mais expressivos de velocidade e economia divulgados representam cenários internos favoráveis, e não necessariamente a média de todos os casos de uso possíveis. Ainda assim, o lançamento já tem despertado forte interesse entre desenvolvedores, especialmente pela proposta de reduzir alucinações em decisões críticas dentro de sistemas automatizados, um dos maiores desafios enfrentados atualmente por empresas que constroem produtos apoiados em inteligência artificial.
O surgimento de modelos especializados como o Jev reforça uma tendência importante para quem acompanha o setor, a inteligência artificial está deixando de ser tratada como uma solução única para todos os problemas e passando a ser combinada em camadas, cada uma otimizada para um tipo específico de tarefa. Para empresas que desejam se manter competitivas, entender essas novas possibilidades técnicas é cada vez mais importante na hora de planejar sites, sistemas e automações realmente eficientes.
A Mags Web Studio acompanha de perto essas novidades do universo da inteligência artificial para ajudar negócios a transformar tecnologia de ponta em soluções práticas, unindo sites profissionais bem estruturados a automações inteligentes que realmente fazem a diferença no dia a dia da empresa.
