A startup TypeSafe AI lançou o Jev, um modelo de IA que não foi feito para escrever textos, e-mails ou código. A proposta é outra: devolver julgamentos estreitos e probabilidades dentro de outros programas. A empresa afirma que o modelo responde entre 70 e 500 milissegundos, muito mais rápido que os modelos de linguagem mais velozes, e cobra US$ 0,042 por milhão de tokens de entrada, sem custo pela saída. O alvo é uma camada de decisão rápida e barata, não mais um chatbot.

O nome por trás da aposta é Diogo Almeida, cofundador e CEO da TypeSafe AI. Ele trabalhou na OpenAI e está entre os autores da pesquisa InstructGPT, que serviu de base para o desenvolvimento do ChatGPT. A experiência ajuda a explicar o posicionamento: em vez de competir de frente com assistentes generativos, a startup quer ocupar o espaço de triagem e classificação que antecede decisões automáticas.

O funcionamento do Jev se parece menos com uma conversa e mais com um formulário inteligente. Desenvolvedores definem perguntas e respostas possíveis, e o modelo pontua as opções. Ele não cria uma redação livre: entrega rótulos e probabilidades que o software hospedeiro usa para decidir o próximo passo.

Um exemplo da documentação mostra como isso funcionaria em uma loja online. Um cliente escreve dizendo que foi cobrado duas vezes por um pedido e pede o reembolso da segunda cobrança. Antes de alguém tratar o caso, o sistema precisa saber se o assunto é pagamento, entrega ou devolução, e se o cliente quer dinheiro de volta ou apenas uma explicação. O software envia o texto ao Jev e recebe, por exemplo, o rótulo problema de pagamento e a probabilidade de que a pessoa deseje reembolso.

O Jev não responde ao cliente: ele diz, em frações de segundo, o que a mensagem parece ser e qual ação o software deve tomar — desde que as opções já tenham sido definidas antes.

A loja pode então amarrar regras fixas. Questões de pagamento vão para a contabilidade, pedidos de reembolso são sinalizados e rótulos pouco claros caem na revisão de um funcionário. O Jev faz a avaliação; a decisão final continua com o software e suas regras programadas. Isso também deixa claro o que o modelo não resolve: se a cobrança duplicada realmente aconteceu, a verificação ainda terá de ser feita contra as transações. Um chatbot separado poderia informar o status confirmado ao cliente, mas, para a triagem inicial, a TypeSafe argumenta que esse tipo de geração de texto não é necessário.

A velocidade é possível, segundo a empresa, porque o Jev abandona a geração de texto passo a passo e calcula várias saídas em paralelo. Adicionar mais perguntas na mesma chamada quase não aumentaria o tempo de resposta. Essa característica poderia viabilizar uma checagem antes de cada resposta de um assistente de IA: o rascunho contradiz a conversa até ali? Ele promete um reembolso que não consta na conta do cliente?

A TypeSafe descreve verificações como essas em seus fluxos de exemplo e lista outros usos em vendas e atendimento, como identificar intenção de compra, classificar pedidos por tema ou julgar quando um humano deve assumir a conversa. Nesse cenário, o Jev funcionaria como um árbitro discreto, acionado muitas vezes em segundo plano, em vez de um assistente visível ao usuário.

A concorrência, porém, não começa do zero. Modelos de linguagem comuns também conseguem devolver categorias predefinidas e estruturas de dados, e a OpenAI oferece o recurso Structured Outputs justamente para isso. Um formato estruturado, sozinho, não diferencia o Jev. Para vencer, o modelo precisaria executar essas tarefas não apenas com mais velocidade ou custo menor, mas com qualidade suficiente.

Os testes publicados pela TypeSafe têm limites. A empresa compara quatro fluxos que ela mesma construiu e usa respostas de outros modelos de IA como referência, não soluções corretas verificadas de forma independente. O GPT-6 Astra também está ausente das avaliações. Isso não invalida os números de velocidade e preço, mas significa que a qualidade do Jev ainda não foi comprovada por uma avaliação externa.

Há ainda uma ressalva importante na promessa de que o Jev não alucina. A garantia cobre apenas a estrutura permitida de saída: o modelo não vai produzir uma resposta fora das opções predefinidas. Mas ele pode escolher a opção errada dentro desse conjunto. Ou seja, ausência de alucinação não significa ausência de erro factual.

A proposta da TypeSafe é tornar economicamente viáveis muitos julgamentos pequenos feitos em segundo plano. Se isso funcionar, a IA deixa de ser apenas uma camada que escreve e passa a atuar como um mecanismo de triagem e controle embutido em sistemas existentes. A dúvida que fica é se a confiabilidade será suficiente para tarefas reais — algo que cada empresa terá de testar em seus próprios casos. O acesso inicial será liberado por lista de espera.