Tu veux les meilleurs outils IA avant les autres ?
On teste et on décrypte les nouveaux outils IA chaque soir, en 5 min. Gratuit.
Inclus dès l'inscription : notre sélection des meilleurs guides & comparatifs IA.
Choisis ton rythme
Gratuit · Pas de spam · Désabonnement en 1 clic
TypeSafe sort de l’ombre avec Jev, un modèle de « Système Un » qui ne génère pas de texte mais des décisions typées en une requête parallèle. L’entreprise revendique des latences en millisecondes, des coûts d’entrée à 0,042 $ par million de tokens et des démos en production. La formation RLCD vise des probabilités calibrées, et l’accès anticipé s’ouvre aux développeurs.
Latence en millisecondes et coûts d’entrée à 0,042 $ par million de tokens
TypeSafe rapporte des latences de bout en bout comprises entre 70 et 500 millisecondes depuis ses serveurs de la côte ouest, là où des déploiements conversationnels de frontière oscillent entre 3 et 329 secondes. Sur des graphes de calcul fixes, des évaluations publiées annoncent des exécutions jusqu’à 193,6 fois plus rapides que des références de consensus comme GPT-6 Astra et Fable 5.1. Le traitement des entrées est tarifé 0,042 $ par million de tokens, quand des usages conversationnels standards varient de 0,20 $ à 10 $. TypeSafe indique en outre ne pas facturer les tokens de sortie, le sampling parallèle n’effectuant pas de passes autoregressives. Dans un test de charge sur Doom, un bot réactif à 10 requêtes par seconde a fonctionné pour environ 7 $ de l’heure.
Démos en production et applications visées
Des démonstrations montrent Jev résolvant des règles de branchement sur des états de jeu à haute vitesse et au sein d’arbres de navigation web. Lors d’un test de Wikiracing, le parcours a été achevé en un nombre d’étapes inférieur à celui des modèles externes dépourvus de raisonnement, grâce à une évaluation des options qui évite la génération de fins mortes hallucinées. D’après les expérimentations menées sur le terrain, les cas d’utilisation visés couvrent l’extraction de fonctionnalités en temps réel, la gestion de flux de données de taille pétaoctet, la mise en place de couches de vérification de sortie ainsi que l’automatisation de logiques de branchement lorsque les règles écrites manuellement montrent leurs limites.
Sorties typées et sampling parallèle au cœur de l’architecture
Jev renonce à la génération de texte et de chaînes pour traiter un état non structuré et produire, en une requête parallèle, des valeurs structurées sécurisées par type. L’architecture vise une intégration de code déterministe et prévient par conception les erreurs de type syntaxique ainsi que les hallucinations de sortie. Un échantillonneur parallèle conscient du matériel évalue et livre simultanément l’ensemble des valeurs structurées, sous des schémas de sortie prédéfinis qui évitent parsing et garde‑fous souvent nécessaires avec des LLMs. L’échantillonneur gère jusqu’à 255 options discrètes via un processus en deux étapes, avec évaluation indépendante des options avant sélection. Le modèle s’adresse aux systèmes requérant une logique déterministe automatisée et se présente comme un modèle de Système Un pour des décisions probabilistes structurées directement dans les bases de code de production.
Entraînement RLCD et calibrage des probabilités
La plateforme s’appuie sur une méthode d’entraînement baptisée RLCD, à rebours des approches RLHF ou RLVR courantes dans les modèles conversationnels ou les vérifications programmatiques isolées. TypeSafe indique entraîner Jev à produire des probabilités calibrées sur la logique d’exécution, de sorte que les scores de confiance renvoyés soient corrélés à l’exactitude des sorties. Diogo Almeida résume l’interface du modèle comme un appel de fonction de frontière : un état non structuré en entrée, des décisions probabilistes typées en sortie.
Une sortie de furtivité après deux ans et un accès anticipé ouvert
Après deux années de développement en mode furtif menées par Diogo Almeida, vétéran d’OpenAI et co‑inventeur de ChatGPT, TypeSafe officialise Jev et sa mécanique de sampling parallèle pour l’automatisation décisionnelle. L’entreprise annonce l’ouverture de l’accès anticipé aux développeurs et le démarrage de l’intégration d’équipes d’ingénierie figurant sur sa liste d’attente de déploiement.
