Jev (TypeSafe AI)

Účel

Jev je model, který záměrně neumí mluvit. Místo textu dostane nestrukturovaný stav (text, data) a typovanou otázku a vrátí strukturovanou odpověď s rozdělením pravděpodobností a odhadem vlastní konfidence. Dokumentace nabízí tři primitiva: Choice (vyber jednu z možností, kardinalita až 255), Score (ohodnoť stav podle rubriky) a Noul (je to tvrzení pravdivé? hodnota 0–1). Typická odpověď na otázku „které oddělení má řešit tenhle dotaz" vypadá jako {"billing": 0.08, "technical": 0.85, "sales": 0.07} s konfidencí 0,82 — software se pak rozhodne sám, když je konfidence vysoká, a eskaluje, když není.

TypeSafe pro to razí vlastní kategorii System One models a trénovací metodu RLCD (Reinforcement Learning for Calibrated Decisions). Firma vznikla v roce 2026 v San Francisku, vede ji Diogo Almeida (ex-OpenAI, spoluautor RLHF a ChatGPT), za sebou má 40 M$. Early access se otevřel 15. 9. 2026.

Odlišnost

Proti běžnému LLM se strukturovaným výstupem je rozdíl v tom, co se vrací: ne text, který náhodou splňuje schéma, ale rovnou rozdělení pravděpodobností napočítané paralelně v jednom průchodu. Odtud latence 70–500 ms a cena 0,042 $ za milion vstupních tokenů při nulové ceně výstupu.

Proti klasickému zero-shot klasifikátoru je rozdíl menší, než marketing naznačuje — na HN to inženýři rozebrali během hodin a zakladatel na komentář „tohle je v podstatě zero-shot klasifikátor" odpověděl „exactly right!". Skutečná odlišnost tedy není v třídě modelu, ale v tom, že je to hotová služba s kalibrovanou konfidencí a provozní latencí, kterou nemusíme trénovat ani hostovat.

Proti DSPy, které v katalogu už máme, je vztah spíš doplňkový: DSPy ladí prompty proti metrice nad libovolným modelem, Jev je konkrétní model pro rozhodovací krok. Typované signatury v DSPy řeší stejný problém na jiné vrstvě.

Nasazení

Jen cloudové API. Python SDK (async i sync) a JavaScript SDK, k tomu agent skill pro Claude Code a Codex — zapojení do našeho běžného workflow by bylo otázkou hodin, ne dní. Self-host ani otevřené váhy nejsou a dokumentace o nich nemluví; rate limity a limity velikosti stavu se v dokumentaci dohledat nepodařilo. Multimodalita zatím není. Přístup přes waitlist.

Cenově: 0,042 $ / 1M vstupních tokenů, výstup zdarma. Pro rozhodovací krok, který dnes řešíme voláním velkého modelu, je to řádový rozdíl — ale platí jen tehdy, když ten krok je opravdu jen klasifikace nebo skóre.