TypeSafe AI lanceert Jev: een AI-model dat geen tekst genereert

TL;DR

• Wat: TypeSafe AI lanceert Jev, een AI-model dat geen lopende tekst genereert maar gestructureerde antwoorden geeft in milliseconden.
• Waarom relevant: voor ondernemers die AI in hun bedrijfsprocessen willen inbouwen, kan dit de kosten en wachttijd drastisch verlagen.
• Wat je ermee kunt: bekijk of jouw bedrijf taken heeft die draaien om gestructureerde beoordelingen (kwaliteitscontrole, classificatie, filtering) — daar zit de winst.

Ik stuitte op een aankondiging van TypeSafe AI, een bedrijf opgericht door Diogo Almeida, voormalig onderzoeker bij OpenAI. Ze lanceerden op 15 september 2026 hun eerste model: Jev. Wat mij nieuwsgierig maakte: dit model werkt fundamenteel anders dan de AI-tools die je kent.

Wat is Jev en wat zijn 'System One'-modellen?

De naam 'System One' verwijst naar het idee van psycholoog Daniel Kahneman: mensen hebben een snel, intuïtief denksysteem (System 1) en een langzaam, analytisch denksysteem (System 2). De meeste AI-modellen die je kent — ChatGPT, Claude, Gemini — lijken op System 2: ze genereren woord voor woord een doordacht antwoord. Dat kost tijd en geld.

Jev is gebouwd als een System 1-model. Het genereert geen lopende tekst. In plaats daarvan geeft het gestructureerde waarden terug: een score, een classificatie, een ja-of-nee met een betrouwbaarheidsgetal erbij. Vergelijk het met het verschil tussen een medewerker die een heel rapport schrijft over een factuur, en een medewerker die alleen een stempel zet: goedgekeurd of afgekeurd.

Volgens TypeSafe AI is Jev getraind met een methode die ze 'Reinforcement Learning for Calibrated Decisions' noemen. Wat dat in de praktijk betekent: het model leert om bij elk antwoord aan te geven hoe zeker het is. Als het 85% zeker is dat een tekst aan bepaalde criteria voldoet, zegt het dat — in plaats van een verhaal te bedenken dat je zelf moet interpreteren.

De cijfers: snelheid en kosten

Hier wordt het voor ondernemers interessant. TypeSafe claimt dat Jev antwoorden geeft in 70 tot 500 milliseconden. Ter vergelijking: bij gangbare grote taalmodellen praat je over 3 tot 329 seconden voor vergelijkbare taken. Dat is volgens hun eigen metingen 40 tot 200 keer sneller.

De kosten vallen ook op. Jev kost $0,042 per miljoen invoertokens, en voor de uitvoer rekent TypeSafe niets. Ze noemen het "too cheap to meter" — te goedkoop om af te rekenen. In een onafhankelijke test die ik tegenkwam op Every.to, verwerkte iemand 1.709 beoordelingen voor minder dan een cent. Dezelfde test met een ander model kostte volgens die reviewer zo'n 580 keer meer.

Ik vind die cijfers opvallend laag. Natuurlijk is het belangrijk om te beseffen dat je hier appels met peren vergelijkt: Jev doet bewust minder dan een volledig taalmodel. Het schrijft geen e-mails, geen rapporten, geen blogposts. Het beoordeelt, classificeert en filtert. Als je dat verschil begrijpt, worden de kostenverschillen logischer.

Wat kan het wel — en wat niet?

Jev is niet bedoeld als vervanging voor ChatGPT of vergelijkbare tools. Het richt zich op taken die je normaal in de achtergrond van je software zou willen draaien:

• Kwaliteitscontrole op schaal. Stel dat je als ondernemer honderden productbeschrijvingen hebt en wilt weten welke niet aan je huisstijl voldoen. Jev kan die in fracties van een seconde beoordelen.
• Filtering en classificatie. Denk aan binnenkomende klantvragen sorteren, of content modereren.
• Verificatie van AI-output. Ironisch genoeg kun je Jev gebruiken om de output van andere AI-modellen te controleren — als een soort kwaliteitspoort.

Wat het niet kan: vrije tekst genereren. Het geeft per ontwerp geen zinnen, alinea's of creatieve output. TypeSafe noemt dat zelf een bewuste keuze: door tekstgeneratie los te laten, kunnen ze snelheid en betrouwbaarheid garanderen.

Over hallucinaties

TypeSafe claimt dat Jev "niet kan hallucineren" doordat het model alleen vooraf gedefinieerde gestructureerde waarden kan teruggeven. Dat is een sterke claim. Wat ik denk dat ze bedoelen: het model kan geen verzonnen feiten in een lopende tekst stoppen, simpelweg omdat het geen lopende tekst produceert. Het kan wél een verkeerde classificatie geven — maar dat noemen we dan een fout, geen hallucinatie. Het verschil is subtiel maar relevant.

In de test die ik las op Every.to, pakte Jev zes van de zeven bewust ingebouwde fouten in een tekst. Niet perfect dus. De reviewer concludeerde dat je de nauwkeurigheid altijd moet vergelijken met bestaande alternatieven voordat je Jev in productie neemt. Dat lijkt me verstandig advies.

Wat betekent dit voor ondernemers?

Kun je je voorstellen wat het betekent als je duizenden beoordelingen kunt laten doen voor minder dan een cent, in minder dan een seconde? Voor bedrijven die werken met grote hoeveelheden data — denk aan e-commerce, administratie, content — opent dit een deur.

Maar ik wil ook eerlijk zijn: Jev is op dit moment in early access. Het is nieuw, en de onafhankelijke reviews zijn nog schaars. De test op Every.to is nuttig maar beperkt. Voor je dit inbouwt in bedrijfskritische processen, wil je meer bewijs.

Wat mij opvalt is dat TypeSafe een probleem aanpakt dat veel ondernemers herkennen zonder het zo te noemen: de meeste AI-modellen zijn overkill voor eenvoudige ja/nee-beslissingen. Je betaalt voor een heel taalmodel terwijl je eigenlijk alleen een slim stempel nodig hebt. Als die benadering standhoudt in de praktijk, zou het de drempel voor AI-gebruik in bedrijfsprocessen flink kunnen verlagen.

Een nieuwe categorie of een niche?

Wat ik interessant vind aan deze lancering is niet zozeer het model zelf, maar de vraag die het oproept: hebben we naast grote taalmodellen ook behoefte aan kleine, snelle beoordelingsmodellen? TypeSafe zegt ja, en ze zijn niet de enigen die in die richting denken.

Tegelijk is het nog vroeg. Jev moet bewijzen dat het in de praktijk betrouwbaar genoeg is voor serieuze bedrijfstoepassingen. De eerste signalen zijn positief, maar beperkt.

Voor mij is dit vooral een signaal dat de AI-markt zich begint te vertakken. Niet elk probleem heeft een groot taalmodel nodig. Soms is een snel, goedkoop en gestructureerd antwoord precies genoeg.

Bronnen: TypeSafe AI blogpost, Every.to review