Jev: la IA que no sabe escribir y esa es precisamente su ventaja

Diogo Almeida no es un emprendedor de inteligencia artificial cualquiera. Trabajó en OpenAI y fue uno de los autores de InstructGPT, el estudio sobre aprendizaje por refuerzo a partir de retroalimentación humana (RLHF) que sentó parte de las bases de ChatGPT. Cuatro años después, ha creado una nueva empresa llamada TypeSafe AI y un nuevo modelo llamado Jev. Lo curioso es que este modelo sacrifica justo aquello que hizo famoso a ChatGPT: no puede generar texto. Y precisamente ahí reside su propuesta: en lugar de escribir respuestas, Jev devuelve decisiones acompañadas de probabilidades, y lo hace hasta 200 veces más rápido y 400 veces más barato que los modelos de lenguaje convencionales.

Qué hace Jev y por qué es diferente

Cuando un LLM como GPT-5.6 recibe una pregunta y construye una respuesta, lo hace generando un token detrás de otro. Jev está diseñado para otra cosa: recibe información no estructurada y devuelve decisiones. Por ejemplo, en una transacción, un programa podría preguntarle a Jev si esa operación puede ser fraudulenta, si requiere una revisión humana y qué prioridad tiene la alerta. Jev no se enrolla: simplemente devuelve las opciones permitidas y cuánto «confía» en cada una.

El nombre es una referencia al economista inglés del siglo XIX William Stanley Jevons, conocido por la paradoja que lleva su nombre: la eficiencia tecnológica en el uso del carbón no redujo su consumo, sino que lo incrementó. La idea se traslada al mundo de la IA: una mayor eficiencia en la generación de tokens no reducirá su consumo, sino que lo aumentará. En la era de los agentes de IA, la afirmación resulta plausible.

Eficiencia extrema para tareas de decisión

Al no tener que escribir una respuesta palabra por palabra, TypeSafe asegura que Jev puede calcular muchísimas decisiones en paralelo. La compañía habla de entre 20 y 200 veces más velocidad y entre 40 y 400 veces menor coste que los modelos habituales para estas tareas. El precio es de 42 dólares por cada 1.000 millones de tokens de entrada (0,042 dólares por millón), pero lo curioso es que los «tokens de salida» son gratuitos porque resultan «demasiado baratos» para medirlos.

En una de las demostraciones publicadas, Jev jugaba a Doom tomando unas diez decisiones por segundo por aproximadamente siete dólares la hora. En otro escenario, intentaba llegar de un artículo de Wikipedia a otro escogiendo repetidamente entre decenas de enlaces. El modelo no necesita hablar, sino decidir y volver a decidir inmediatamente después.

¿Puede alucinar? La promesa del 0% y su letra pequeña

Si un desarrollador define que una respuesta solo puede ser «bajo», «medio» o «alto», la arquitectura del modelo garantiza que Jev no se inventará una cuarta opción ni devolverá un formato incorrecto. Gracias a ello, en TypeSafe afirman que Jev tiene una tasa de alucinaciones del 0%, aunque reconocen que no es una cifra empírica.

Lo que no aseguran es que Jev conteste «alto» cuando la respuesta correcta era «bajo». Su nueva técnica, llamada Reinforcement Learning for Calibrated Decisions (RLCD), está diseñada precisamente para que las probabilidades reflejen de forma correcta esa incertidumbre. Sin embargo, de momento no hay un paper reproducible ni evaluaciones independientes que permitan validar esa afirmación. Además, los mejores resultados de Jev provienen de evaluaciones diseñadas por la propia empresa, algo que ellos mismos reconocen que puede favorecer sus cifras de coste y velocidad. Quienes han podido probarlo parecen estar satisfechos con su capacidad.

Un complemento, no un sustituto de ChatGPT

Cuando se conversa con ChatGPT, es de esperar que el modelo explique con detalle por qué una transacción parece fraudulenta. En realidad, el programa que debería enviarla a revisión solo necesitaría una decisión: «revisar», y una probabilidad, por ejemplo, del 80%. Jev hace innecesario que un humano lea la respuesta. Lo mismo sucede con operaciones que deben escoger continuamente su próxima acción. Aquí es donde entra Jev, que no pretende sustituir a ChatGPT. La apuesta es que parte de la futura IA ni siquiera tenga que parecerse a un chatbot. La idea, como poco, es intrigante.

Preguntas frecuentes sobre Jev y TypeSafe AI

¿Qué es Jev?
Es un modelo de inteligencia artificial creado por TypeSafe AI que no genera texto, sino decisiones acompañadas de probabilidades. Está diseñado para tareas donde se necesita elegir entre un conjunto limitado de opciones.

¿Quién ha creado Jev?
Diogo Almeida, un investigador que trabajó en OpenAI y fue coautor de InstructGPT, el estudio sobre RLHF que contribuyó a sentar las bases de ChatGPT. Ahora lidera TypeSafe AI.

¿Por qué Jev es más barato y rápido que otros modelos?
Porque no tiene que generar texto palabra por palabra. Al calcular decisiones en paralelo, puede ser entre 20 y 200 veces más rápido y entre 40 y 400 veces más económico que los LLM convencionales para tareas de decisión.

¿Jev puede alucinar?
TypeSafe afirma que su tasa de alucinaciones es del 0% porque la arquitectura garantiza que el modelo no se inventa opciones fuera del conjunto definido. Sin embargo, no asegura que acierte siempre en la opción correcta, y no hay evaluaciones independientes que validen esa cifra.

¿Jev sustituye a ChatGPT?
No. Jev está diseñado para complementar a los modelos de lenguaje, no para reemplazarlos. Su función es tomar decisiones rápidas y eficientes en contextos donde no se necesita una respuesta textual.

¿Qué es RLCD?
Son las siglas de Reinforcement Learning for Calibrated Decisions, la técnica desarrollada por TypeSafe para que las probabilidades que devuelve Jev reflejen correctamente la incertidumbre de cada decisión.

¿Dónde se puede usar Jev?
En cualquier tarea que requiera decisiones repetitivas y rápidas: detección de fraude, priorización de alertas, agentes autónomos, videojuegos, navegación entre opciones, etc.

Recuerde que…

Jev representa una idea provocadora: no toda la inteligencia artificial del futuro tiene que parecerse a un chatbot. Hay tareas donde lo que se necesita no es una explicación detallada, sino una decisión rápida y calibrada. Al renunciar a la generación de texto, TypeSafe ha construido un modelo que promete una eficiencia extrema en coste y velocidad, y que podría convertirse en una pieza clave para los agentes autónomos y la automatización de procesos. Eso sí, conviene tomar las cifras con cautela: no hay paper reproducible ni evaluaciones independientes que confirmen las promesas. La idea es sólida y el equipo tiene credenciales indiscutibles, pero el tiempo y la validación externa dirán si Jev se convierte en un estándar o en una curiosidad interesante. En cualquier caso, su existencia demuestra que el ecosistema de la IA es mucho más amplio y diverso que los grandes modelos de lenguaje.

Pueden encontrar más contenido en https://fernandojuca.com, así como videotutoriales y pódcast en https://youtube.com/fernandojucamaldonado.