Deze maand is een nieuw soort AI-model gelanceerd, en het interessante eraan is wat het niet doet: stel er een vraag, en het schrijft geen alinea voor je of probeert met je te converseren. In plaats daarvan geeft het software een gestructureerd antwoord, zoals een keuze, een score of een waarschijnlijkheid, en het is ontworpen om dat heel snel en goedkoop te doen.
Dat is Jev, het eerste model van de San Francisco-startup TypeSafe AI. Het bedrijf kwam op 15 september uit de anonimiteit met een financieringsronde van 40 miljoen dollar geleid door DCVC. De oprichter, Diogo Almeida, werkte eerder bij OpenAI aan onderzoek naar instructievolgingssystemen die bijdroegen aan ChatGPT.
Wat Jev interessant maakt, is niet noodzakelijk dat het ChatGPT, Claude of Gemini zal vervangen. Dat is niet echt wat het probeert te doen. Het grotere idee is dat niet elke beslissing in een stuk software een enorm AI-model nodig heeft dat erover nadenkt. Sommige beslissingen zijn klein, repetitief en gebeuren duizenden keren per dag. TypeSafe bouwt Jev specifiek voor die momenten, en dat zou kunnen veranderen hoe startups denken over het bouwen van AI-aangedreven producten.
Wat als AI gewoon de beslissing neemt?
Als de meeste mensen aan AI denken, denken zij aan een chatbot. Je stelt iets, het model denkt erover na, en het geeft je een antwoord. Maar software heeft veel beslissingen achter de schermen die gebruikers nooit zien.
Een ondersteuningsbericht komt binnen, en het systeem moet bepalen of het urgent is. Een klant meldt zich aan, en het product moet bepalen welk plan of welke workflow zij volgen. Een transactie komt binnen, en het systeem moet bepalen of het verdacht uitziet. Een AI-agent voltooit één taak en moet bepalen wat het vervolgens moet doen.
Geen van die situaties vereist noodzakelijk een lang geschreven antwoord. Ze hebben een beslissing nodig.
Dat is het probleem dat TypeSafe probeert op te lossen met Jev. In plaats van een groot taalmodel te vragen om tekst te genereren en dan je software te laten uitzoeken wat die tekst betekent, is Jev ontworpen om een antwoord terug te geven dat je software rechtstreeks kan gebruiken.
Wat is Jev precies?
De gemakkelijkste manier om Jev te begrijpen is het minder als chatbot en meer als een zeer snelle besluitnemer in je toepassing voor te stellen.
Je geeft het informatie over wat er gebeurt en stelt een specifieke vraag. Een ondersteuningsticket kan bijvoorbeeld binnenkomen, en je software zou kunnen vragen: "Is dit urgent?" of "Welk team zou dit moeten afhandelen?" Jev geeft dan een gestructureerd resultaat terug, zoals een waarschijnlijkheid of een van de keuzes die je hebt gedefinieerd. Die structuur is belangrijk.
Met een traditioneel taalmodel krijg je misschien een zin die zijn antwoord uitlegt, en je software moet dat antwoord dan interpreteren. Met Jev zijn de mogelijke antwoorden van tevoren gedefinieerd, dus de toepassing weet wat voor soort resultaat het zal ontvangen.
TypeSafe beschrijft dit als een "System One"-model, ontworpen voor snelle en intuïtieve beslissingen in plaats van de langzamere, meer doordachte redenering die met grote taalmodellen wordt geassocieerd.
Dit maakt Jev niet slimmer dan een chatbot in alles. Het maakt het nuttig voor een ander soort taak.
Waarom snelheid en kosten belangrijk zijn
Dit is waar het idee bijzonder interessant wordt voor startups.
TypeSafe zegt dat Jev beslissingen kan teruggeven in ongeveer 70 tot 500 milliseconden en ongeveer $0,042 per miljoen invoertokens kost, met uitvoertokens momenteel gratis gemeld. Het bedrijf zegt ook dat het model aanzienlijk sneller en goedkoper kan zijn dan conventionele topmodellen voor het soort gestructureerde beslissingen waarvoor het is ontworpen.
Deze getallen zijn door het bedrijf gerapporteerd, dus ze moeten worden behandeld als vroege claims in plaats van gevestigde industrie-benchmarks. Jev is pas in september 2026 gelanceerd, wat betekent dat er nog geen onafhankelijke productietests zijn geweest, maar het basiseconomische idee is makkelijk te begrijpen.
Als je toepassing eenmaal per dag een kleine AI-beslissing moet nemen, zijn kosten en snelheid waarschijnlijk niet erg belangrijk, maar als je die beslissing honderdduizenden of miljoenen keren moet nemen, worden ze ineens erg belangrijk.
Een minuscule besparing op één verzoek kan een aanzienlijke kostenreductie worden wanneer je product miljoen verzoeken per maand doet.
Wat kan Jev eigenlijk doen?
Stel je een onlinewinkel voor die maandelijks 100.000 klantberichten ontvangt. Je hoeft niet noodzakelijk je duurste AI-model in te zetten om elk bericht te lezen en een gedetailleerd antwoord te schrijven, alleen om te bepalen of het bericht bij facturering, technische ondersteuning of verkoop hoort. Je zou een snelle beslissingsmodellen kunnen gebruiken om die eerste stap af te handelen.
Dezelfde aanpak zou kunnen werken voor het opsporen van potentieel frauduleuze transacties, het bepalen welk AI-model een bepaald verzoek moet afhandelen, het rangschikken van binnenkomende informatie, of het bepalen of een AI-agent automatisch moet doorgaan of een mens om hulp moet vragen.
Dit zijn het soort gerichte beslissingen waarvoor TypeSafe zegt dat Jev is ontworpen. Het belangrijkste woord hier is gericht.
Jev is niet bedoeld om je blogpost te schrijven, een ingewikkeld onderwerp uit te leggen of een lang gesprek met je klant te voeren. Het is bedoeld om een veel kleinere vraag te beantwoorden die je software helpt bepalen wat er vervolgens gebeurt.
Jev vervangt je bestaande AI niet
Dit is waarschijnlijk het belangrijkste dat oprichters moeten begrijpen.
Jev is niet noodzakelijk een alternatief voor het AI-model dat je al gebruikt. Het kan er naast functioneren.
Denk aan een AI-klantenondersteuningsmystem. Een groot taalmodel kan verantwoordelijk zijn voor het begrijpen van een ingewikkeld klantprobleem en het schrijven van het daadwerkelijke antwoord. Maar voordat dat gebeurt, kan een veel kleinere beslissing nodig zijn: Is dit bericht urgent? Welke afdeling zou het zien? Heeft dit menselijke beoordeling nodig?
Er is geen reden om het duurste model voor elk van die beslissingen in te zetten.
Je zou een snel, gestructureerd model voor het eenvoudige deel kunnen gebruiken en het capabelere model voor het werk dat werkelijk dieper redeneren of taalgeneratie vereist.
Dat is de architectuur die TypeSafe ontwikkelaars aanmoedigt om over na te denken: verschillende modellen die verschillende taken uitvoeren in plaats van één model alles te laten doen.
Het interessante onderdeel is niet het model; het is de architectuur.
Dit is waar Jev relevanter wordt voor oprichters en technische leiders.
De interessante vraag is niet simpelweg: "Moeten we Jev gebruiken?" Het is: "Welke onderdelen van ons product hebben echt een krachtig taalmodel nodig, en welke onderdelen hebben gewoon een snelle beslissing nodig?" Dat is een vraag die goed technisch oordeel vereist.
Als je een groot model voor elke piepkleine beslissing inzet, geef je mogelijk meer geld uit en wacht je langer dan nodig. Maar als je een sterk gestructureerd model voor iets gebruikt dat echt redenering of creativiteit vereist, kan je een ingewikkeld probleem dwingen in een systeem dat niet daarvoor is ontworpen.
Het kunst is het verschil kennen, en naarmate AI een groter onderdeel van software wordt, is dat onderscheid waarschijnlijk van meer belang.
Wat dit voor startups zou kunnen betekenen
Je hoeft je hele AI-stack niet onmiddellijk te veranderen omdat een nieuw model is gelanceerd.
Jev is nog erg nieuw, en vroege toegang betekent dat startups het voorzichtig moeten testen voordat zij belangrijke productie-beslissingen volledig in handen geven. Een snel antwoord is alleen nuttig als het antwoord betrouwbaar genoeg is voor de taak, maar het idee erachter verdient aandacht.
Jaren lang ging het AI-gesprek vooral over het maken van modellen groter, slimmer en beter in het spreken met mensen.
Jev vertegenwoordigt een andere richting: AI die niet met je hoeft te praten. Het kan gewoon een kleine beslissing nemen en de rest van je software laten doorgaan.
Dat klinkt misschien minder indrukwekkend dan een chatbot die een hele toepassing voor je schrijft, maar het zou veel belangrijker kunnen zijn voor het dagelijkse software dat mensen werkelijk gebruiken.
Het komt allemaal neer op oordeel
Of Jev zelf een standaarddeel van de AI-stack wordt, is nog steeds een open vraag. Het is veel te vroeg om dat te weten, maar het probleem dat TypeSafe probeert op te lossen is echt.
AI-aangedreven producten zullen miljoenen kleine beslissingen achter de schermen nemen. Naarmate die producten groeien, zullen bedrijven meer om geven hoe snel die beslissingen gebeuren, hoeveel ze kosten, hoe voorspelbaar de resultaten zijn, en wanneer het systeem een mens zou moeten betrekken.
Dit betekent dat AI-architectuur minder gaat over het vinden van één model dat alles doet en meer over het bepalen van welk model welke taak zou moeten uitvoeren.
Voor startups is dat een belangrijk verschuiving.
Omdat het bouwen van een AI-product niet langer alleen gaat over toegang hebben tot het nieuwste model. Het gaat over het hebben van engineers die naar het hele systeem kunnen kijken, begrijpen waar AI werkelijk waarde toevoegt, en slimme beslissingen nemen over waar het in te zetten.
Dat is het soort technisch oordeel waarmee MyNextDeveloper startups helpt, door hen in contact te brengen met gecontroleerde engineers en AI-talenten die met nieuwe AI-infrastructuur kunnen werken en bepalen waar het werkelijk in het product past.
TLDR
Een nieuw AI-model genaamd Jev is zojuist gelanceerd, en het is gebouwd om iets volledig anders te doen dan ChatGPT of Claude: in plaats van je een antwoord te schrijven, maakt het gewoon snel een beslissing en geeft een betrouwbaarheidsscore terug, in slechts 70 milliseconden, voor een fractie van de kosten. Het is niet bedoeld om de AI te vervangen waarmee je al chat; het is bedoeld om de constante kleine beslissingen stil achter de schermen af te handelen, zoals het sorteren van een ondersteuningsticket of het markeren van een riskante transactie, zodat je niet volledige chatbot-prijzen betaalt voor eenvoudige ja-of-nee-oproepen. Vroege ontwikkelaars koppelen het al aan hun bestaande AI: het slimme model voor echt denken, Jev voor snelle reflexen. Het is gloednieuw, dus behandel het als veelbelovend in plaats van bewezen, maar het is een echt signaal dat AI-producten meer dan één soort model nodig hebben die samenwerken.
Wil je een krachtig remote tech-team opbouwen?
Bekijk MyNextDeveloper, een platform waar je de top 3% van softwareengineers kunt vinden die diep gepassioneerd zijn over innovatie. Onze on-demand, dedicated en grondige softwaretalent-oplossingen bieden een uitgebreide oplossing voor al je softwarevereisten.
Bezoek onze website om te zien hoe wij je kunnen helpen je perfecte team samen te stellen.
