ChatGPT-pionier lanceert Jev: razendsnelle AI-beslissingen in code

Sophie Jansen · 2026-09-16

### Een nieuwe manier om code te laten denken Stel je voor: je hebt een softwaresysteem dat razendsnel beslissingen moet nemen. Geen geklets, geen omwegen, gewoon directe, betrouwbare output. Dat is precies waar TypeSafe op mikt met hun nieuwe model Jev. Het bedrijf, opgericht door Diogo Almeida – mede-uitvinder van ChatGPT – kwam na twee jaar stilte uit stealth met een model dat tekstgeneratie volledig achter zich laat. In plaats van woorden te produceren, neemt Jev een ongestructureerde staat als input en geeft het type-veilige gestructureerde waarden terug in één parallelle query. Daardoor verdwijnen syntaxfouten en hallucinaties als sneeuw voor de zon. Almeida vat het zelf treffend samen: "Zie Jev als een frontier-intelligentie functieaanroep: ongestructureerde staat erin, getypte probabilistische beslissingen eruit." ### Hoe werkt dat dan? Jev is gebouwd rond een alternatieve trainingsmethode genaamd Reinforcement Learning for Calibrated Decisions (RLCD). Terwijl traditionele modellen zoals GPT-6 Astra en Fable 5.1 zijn getraind met RLHF of RLVR om menselijke voorkeuren of geïsoleerde checks te bevredigen, leert Jev om gekalibreerde waarschijnlijkheden te geven over uitvoeringslogica. Dat betekent dat de confidence scores die het teruggeeft direct correleren met de nauwkeurigheid van de output. Het model gebruikt een hardware-aware parallel sampler die alle gestructureerde waarden tegelijkertijd evalueert en levert. Geen sequentiële token-generatie dus. De output is beperkt tot vooraf gedefinieerde schema's, waardoor je geen last hebt van parsing pipelines of guardrail wrappers die je bij traditionele LLM's vaak nodig hebt. - **Hoge cardinaliteit:** De interne sampler kan tot 255 discrete opties aan, met een tweetrapsproces waarbij opties eerst onafhankelijk worden gescoord. - **Snelheid:** Interne tests op servers aan de Westkust laten latenties zien van 70–500 milliseconden, tegenover 3–329 seconden bij conversationele frontier-modellen. - **Kosten:** Input kost $0,042 per miljoen tokens (omgerekend ongeveer €0,039), terwijl standaard conversationele tarieven tussen $0,20 en $10 per miljoen tokens liggen (€0,18 tot €9,20). Output tokens zijn gratis omdat parallelle sampling geen autoregressieve passes nodig heeft. ### Van Doom-bots tot petabytes aan data In de praktijk blijkt Jev verrassend veelzijdig. Engineers testten een real-time reactieve bot in Doom game states met 10 queries per seconde, voor ongeveer $7 per uur (€6,45). Een andere test, Wikiracing, liet zien dat Jev linkselecties in dichte encyclopedieën sneller afrondt dan externe non-reasoning modellen, simpelweg omdat het opties evalueert zonder hallucinerende doodlopende wegen te genereren. > "Denk aan Jev als een frontier-intelligentie functieaanroep: ongestructureerde staat in, getypte probabilistische beslissingen uit." – Diogo Almeida, oprichter TypeSafe ### Waar kun je het voor gebruiken? Jev richt zich op toepassingen waar handgeschreven regels vaak fragiel blijken: - Real-time feature extractie - Petabyte-schaal dataworkflows - Output verificatielagen - Geautomatiseerde branching logic TypeSafe heeft vandaag vroege toegang geopend voor ontwikkelaars en is begonnen met het onboarden van engineeringteams van de wachtlijst. Het is een interessante ontwikkeling voor iedereen die worstelt met de beperkingen van conversationele AI in productiecode. Zeker als je snelheid en betrouwbaarheid belangrijk vindt, biedt Jev een frisse aanpak.