Jev: het AI-model dat niet schrijft maar beslist

TL;DR

• Wat: TypeSafe AI lanceerde Jev, een AI-model dat geen tekst genereert maar gestructureerde beslissingen teruggeeft — zoals kopen/wachten, behouden/verwijderen of springen/bukken.
• Waarom relevant: Voor ondernemers die AI inzetten voor geautomatiseerde workflows kan dit type model tot 193 keer sneller en 444 keer goedkoper zijn dan een traditioneel taalmodel.
• Wat je ermee kunt: Bekijk of er in jouw bedrijfsprocessen stappen zitten die nu door een duur taalmodel worden afgehandeld, maar eigenlijk simpele ja/nee-beslissingen zijn.

Ik kwam deze week een tweet tegen die me aan het denken zette. Niet vanwege de toon — die was typisch internet-enthousiast — maar vanwege het onderliggende idee. Een nieuw AI-model genaamd Jev werd gelanceerd, en binnen een paar dagen bouwde de ontwikkelaarsgemeenschap er van alles mee: van tradingbots tot belastingformulieren. Wat mij opviel: geen van die toepassingen had tekst nodig.

Wat is Jev precies?

Jev is een AI-model van TypeSafe AI, een bedrijf uit San Francisco opgericht door Diogo Almeida — een voormalig onderzoeker bij OpenAI die meeschreef aan het paper achter de trainingsmethode van ChatGPT. Het model werd op 15 september 2026 gelanceerd, samen met de aankondiging van een investeringsronde van 40 miljoen dollar.

Het bijzondere: Jev schrijft geen zinnen. Geen paragrafen, geen samenvattingen, geen chatantwoorden. In plaats daarvan geeft het model getypte waarden terug — denk aan ja/nee, een score van 1 tot 10, of een keuze uit een lijstje opties — samen met een waarschijnlijkheidsscore. Die output is bedoeld voor software, niet voor een mens die meeleest.

TypeSafe noemt dit een "System One-model", naar het concept van psycholoog Daniel Kahneman. In zijn boek Thinking, Fast and Slow beschrijft Kahneman twee denksystemen: Systeem 1 is snel en intuïtief, Systeem 2 is langzaam en analytisch. Grote taalmodellen zoals GPT of Claude lijken op Systeem 2 — ze redeneren, formuleren, schrijven. Jev is Systeem 1: het kijkt, beslist en gaat verder.

Wat bouwden ontwikkelaars ermee?

Wat mij eerlijk gezegd fascineert, is hoe snel de community aan de slag ging. Binnen dagen verschenen er tientallen projecten. Een paar opvallende voorbeelden uit de tweet van @thegreatest_sv:

Tradingbot op de blockchain

Een project genaamd jev-trader leest elke 300 milliseconden een nieuw blok op de Monad-blockchain en laat Jev beslissen: kopen of wachten. Geen analyse-essay, geen uitleg — puur de beslissing.

Doom spelen

Ja, iemand liet Jev het klassieke spel Doom spelen. Het spel werd gecompileerd naar WebAssembly, en Jev nam elk frame de tactische beslissingen. Volgens The Register draait de demo op zo'n tien beslissingen per seconde, wat TypeSafe schat op ongeveer 7 dollar per uur.

Belastingformulieren classificeren

Misschien wel het meest zakelijk relevante voorbeeld: iemand gaf Jev 261 IRS-belastingdocumenten en vroeg het model om ze te classificeren. Het resultaat volgens de maker: 100 procent nauwkeurigheid, tegen ongeveer 0,001 dollar per pagina. Ik heb geen onafhankelijke verificatie van dat cijfer gevonden, dus neem het met een korrel zout — maar het geeft wel een idee van de kostenorde.

Data opschonen

Het project jev-curate laat Jev grote datasets doorlopen — meer dan 1.500 rijen per seconde — en per rij beslissen: voldoet dit aan je regels, ja of nee? Behouden of wegooien. Dat is een taak die veel bedrijven nu met dure taalmodellen of handmatig doen.

Waarom dit interessant is voor ondernemers

Ik denk dat de kern hier niet zit in Doom of dinosaurusspelletjes. Die projecten zijn leuk, maar ze illustreren vooral één ding: veel taken die we nu aan taalmodellen geven, zijn eigenlijk geen schrijftaken. Het zijn beslissingstaken.

Stel dat je als ondernemer een webshop runt en binnenkomende klantvragen automatisch wilt routeren. Een groot taalmodel leest de vraag, genereert een heel antwoord, en ergens in dat antwoord zit de beslissing: dit is een retouraanvraag, stuur naar afdeling X. Maar je had eigenlijk alleen die categorie nodig — niet de hele tekst eromheen.

Of stel dat je facturen verwerkt en wilt classificeren: is dit een inkoopfactuur, een creditnota, of een herinnering? Dat is een keuze uit drie opties. Daar heb je geen model voor nodig dat ook poëzie kan schrijven.

TypeSafe claimt dat Jev tot 193,6 keer sneller is dan traditionele taalmodellen en 444,6 keer goedkoper. De prijs zou op 0,042 dollar per miljoen invoertokens liggen, met gratis outputtokens. Ik heb nog geen onafhankelijke benchmarks gezien die deze cijfers bevestigen, dus ik label ze nadrukkelijk als claims van het bedrijf zelf. Maar zelfs als de werkelijke cijfers een stuk bescheidener zijn, is het verschil potentieel groot genoeg om op te letten.

Kanttekeningen

Er zijn een paar dingen die ik belangrijk vind om te benoemen.

Ten eerste: Jev is geen vervanging voor taalmodellen. Het kan geen e-mails schrijven, geen rapporten genereren, geen klantvragen beantwoorden in volzinnen. Het is een ander type gereedschap voor een ander type probleem. De vergelijking die ik het handigst vind: een taalmodel is een heel kantoor vol medewerkers die kunnen lezen, schrijven en nadenken. Jev is de portier die bij de deur staat en in een oogopslag beslist: links of rechts.

Ten tweede: het model is pas tien dagen oud op het moment van schrijven. Er zijn nog geen onafhankelijke audits of langetermijnervaringen. De community-projecten zijn indrukwekkend in snelheid en creativiteit, maar het zijn demo's — geen productiesystemen die maanden draaien.

Ten derde: voor Nederlandse ondernemers speelt de EU AI Act mee. Vanaf augustus 2026 gelden er nieuwe verplichtingen voor bedrijven die AI inzetten. Een beslissingsmodel dat automatisch facturen classificeert of klantverzoeken routeert valt daar mogelijk onder, afhankelijk van de toepassing. Dat is geen reden om het niet te gebruiken, maar wel om het bewust te doen.

Wat ik hiervan meeneem

Wat mij het meest bijblijft, is niet de technologie zelf maar de verschuiving in denken die erachter zit. We hebben de afgelopen jaren AI steeds benaderd als een schrijfmachine — geef het een opdracht, krijg tekst terug. Maar een groot deel van de waarde in bedrijfsprocessen zit niet in tekst. Het zit in beslissingen. Duizenden kleine, snelle, herhaalbare beslissingen per dag.

Kun je je voorstellen wat het betekent als elke binnenkomende e-mail, factuur of supportmelding in milliseconden wordt geclassificeerd en gerouteerd — niet door een duur model dat er ook een heel verhaal bij kan schrijven, maar door iets dat alleen de beslissing neemt?

Voor mij is dit vooral een signaal dat AI-tooling zich begint te specialiseren. Niet alles hoeft een alleskunner te zijn. Soms heb je gewoon een model nodig dat kijkt en beslist: links of rechts.