Jev: het AI-model dat niet praat maar beslist

TL;DR

• Wat: TypeSafe AI lanceert Jev, een model dat geen tekst genereert maar getypeerde beslissingen (ja/nee, scores, keuzes) teruggeeft — razendsnel en goedkoop.
• Waarom relevant: voor classificatie, routering en geautomatiseerde beslissingen in bedrijfsprocessen kan dit tientallen keren goedkoper zijn dan gangbare taalmodellen.
• Wat je ermee kunt: inventariseer welke taken in je bedrijf eigenlijk geen tekst nodig hebben maar een keuze — daar zit de winst.

Ik stuitte op een tweet van @gadi_neelesh die me aan het denken zette. Het ging over Jev, een nieuw AI-model dat bewust géén tekst produceert. Mijn eerste reactie was: waarom zou je een taalmodel bouwen dat niet kan praten? Maar hoe meer ik erover las, hoe logischer het werd.

Wat is Jev precies?

Jev is een model van TypeSafe AI, een startup opgericht door Diogo Almeida — een van de mensen achter het InstructGPT-paper dat de basis legde voor ChatGPT. Na zo'n twee jaar in stilte gewerkt te hebben, kwam TypeSafe in september 2026 naar buiten.

Het idee achter Jev is verrassend eenvoudig. Waar ChatGPT, Claude of Gemini woord voor woord een antwoord opbouwen, geeft Jev alleen een gestructureerde beslissing terug. Denk aan:

• Keuze: "Categorie A, B of C" (bijvoorbeeld: welk type klantvraag is dit?)
• Score: een getal op een schaal (bijvoorbeeld: hoe urgent is dit ticket?)
• Ja/nee-kans: een waarschijnlijkheid (bijvoorbeeld: is deze e-mail spam?)

Geen essays. Geen uitleg. Geen "chain of thought"-redenering. Gewoon een antwoord in het formaat dat je van tevoren definieert.

TypeSafe noemt dit een "System One"-model — een verwijzing naar het boek Thinking, Fast and Slow van Daniel Kahneman. System 1 is je snelle, intuïtieve denken. System 2 is je langzame, beredeneerde denken. Jev is ontworpen als System 1: snel, reflexmatig, en zonder twijfel.

Waarom zou je een model willen dat niet praat?

Ik vind dit eerlijk gezegd een vraag die het waard is om even bij stil te staan. Want als ondernemer denk je bij AI waarschijnlijk meteen aan chatbots, aan teksten schrijven, aan klantenservice-gesprekken. Maar hoeveel van je dagelijkse bedrijfsprocessen draaien eigenlijk om het genereren van tekst?

Stel dat je een webshop runt. Elke dag komen er honderden klantvragen binnen. Je wilt ze automatisch routeren: klacht, retour, productvraag, compliment. Daar heb je geen essay voor nodig. Je hebt een keuze nodig. Of stel dat je advertenties modereert en wilt checken of een afbeelding of tekst aan je richtlijnen voldoet. Weer: ja of nee.

Voor dat soort taken gebruiken bedrijven nu gangbare taalmodellen. Die werken, maar het is een beetje alsof je een vrachtwagen huurt om boodschappen te doen. Je betaalt voor veel meer capaciteit dan je nodig hebt.

De cijfers: snel en goedkoop, maar met kanttekeningen

De prestaties die TypeSafe claimt zijn opvallend. Volgens TechCrunch rapporteerde Vercel 5 tot 18 keer snellere resultaten dan vergelijkbare modellen, en Bryo AI vond Jev 10 tot 20 keer goedkoper dan Gemini voor e-mailclassificatie. De prijsstelling is opmerkelijk: $0,042 per miljoen invoertokens, en uitvoertokens zijn gratis. Dat is ruwweg een vijftigste van wat je bij gangbare modellen betaalt.

Qua latentie — de tijd die het duurt om een antwoord te krijgen — zit Jev tussen de 70 en 500 milliseconden. Vergelijk dat met 3 tot 329 seconden voor grote taalmodellen. Dat verschil is enorm als je tienduizenden beslissingen per dag moet nemen.

Maar — en dit vind ik belangrijk om te benoemen — er zitten serieuze kanttekeningen bij. DataCamp merkt op dat de benchmarks door TypeSafe's eigen team zijn ontworpen, en dat er nog geen onafhankelijke reproductie is geweest. De nauwkeurigheid (67,8%) is vergelijkbaar met die van GPT-5.6 Terra, maar blijft achter bij modellen als Claude Opus 5 (73,1%). Bovendien geeft TypeSafe zelf toe dat ze niet kunnen bewijzen dat de prijsstelling niet gesubsidieerd is. Wat mij betreft is dat eerlijk, maar het betekent wel dat je er rekening mee moet houden dat prijzen later kunnen stijgen.

Geen hallucinaties — wat betekent dat?

TypeSafe claimt dat Jev "wiskundig niet kan hallucineren". Dat klinkt sterk, maar de verklaring is logisch: als een model alleen kan kiezen uit opties die jij van tevoren definieert, kan het per definitie geen onzin verzinnen. Het kan een verkeerde keuze maken, maar het kan niet ineens een niet-bestaand antwoord fabriceren. Vergelijk het met een multiple-choice-toets: je kunt het foute vakje aankruisen, maar je kunt geen eigen vakje bijmaken.

Dat is een echt voordeel voor geautomatiseerde processen. Maar het betekent niet dat Jev altijd gelijk heeft — alleen dat het antwoord altijd in het verwachte formaat zit.

Wat kan het niet?

Dit is misschien wel het belangrijkste om te begrijpen. Jev is, in de woorden van de analyses die ik las, "nutteloos voor open-ended generatie". Het schrijft geen e-mails, geen rapporten, geen code, geen creatieve teksten. Het legt ook niet uit waarom het een bepaalde keuze maakt.

Dat laatste is een serieuze beperking. Als je in een gereguleerde sector werkt — denk aan financiële dienstverlening of zorg — dan wil je vaak kunnen uitleggen waarom een beslissing is genomen. Jev geeft je die uitleg niet. Je krijgt een kans of een categorie, maar geen onderbouwing.

Kun je je voorstellen wat dat betekent als je verantwoording moet afleggen aan een toezichthouder? Dan heb je óf een aanvullend systeem nodig dat de redenering levert, óf je accepteert dat Jev alleen geschikt is voor taken waar die uitlegbaarheid niet vereist is.

Wat betekent dit voor jou als ondernemer?

Ik denk dat Jev vooral interessant is als je processen hebt met veel herhaalbare, gestructureerde beslissingen. Denk aan:

• Binnenkomende berichten automatisch categoriseren
• Leads scoren op basis van beschikbare gegevens
• Content filteren of modereren
• Routeringsbeslissingen in software of logistiek

Als je nu een groot taalmodel gebruikt voor dit soort taken, zou het de moeite waard kunnen zijn om te kijken of een model als Jev hetzelfde doet voor een fractie van de kosten. Maar — en ik wil dit echt onderstrepen — het is nog vroeg. De benchmarks zijn niet onafhankelijk geverifieerd, de prijzen staan mogelijk niet vast, en het ecosysteem is nog jong.

Wat mij hier het meest opvalt, is niet zozeer Jev zelf, maar het idee erachter: dat niet elke AI-toepassing een taalmodel nodig heeft. Dat sommige problemen beter opgelost worden door een model dat helemaal niet probeert te praten. Ik vermoed dat we hier het begin zien van een bredere trend, waarbij AI-modellen steeds specifieker worden ingezet — niet als alleskunner, maar als gereedschap voor één ding.

Voor mij is dit vooral een signaal dat de AI-markt volwassener wordt. Niet alles hoeft een chatbot te zijn.