Jev: el modelo Sistema 1 que multiplica por 10 tu Claude Code

En la demo en directo de Jay E en RoboNuggets, Jev responde en menos de un segundo. La tesis inicial es clara: creado por un equipo que incluye al co-creador de ChatGPT Diogo Almeida, este nuevo modelo corre en un carril totalmente distinto a los modelos de chat clásicos. El post de anuncio alcanzó 38 millones de vistas y el mensaje es una línea: tomar decisiones en forma estructurada, sin generar texto libre.

Precio y velocidad: ¿por qué tan barato y rápido?

Las cifras son agresivas. La tarifa de TypeSafe muestra a Jev unas 24 veces más barato que Haiku y 230 veces más barato que Fable 5.1. La entrada cuesta 0,04 dólares por millón de tokens, la salida es gratis. Los titulares hablan de 20 a 200 veces más rápido y 40 a 400 veces más barato; en las mediciones controladas del blog el techo se da en 193,6 veces más rápido y 444,6 veces más barato. No es el promedio diario, sino un techo de laboratorio en flujos específicos.

El secreto es la restricción. Jev responde solo en tres formas: binario verdadero/falso, elección en una lista y escala de 0 a 10. Parece una limitación fuerte, pero el punto de Jay E es que la salida estrecha evita que el modelo fabrique texto; devuelve una decisión bien calibrada con probabilidades. Al eliminar toda la varianza generativa, latencia y coste colapsan.

TypeSafe encuadra la distinción con el libro de Daniel Kahneman Pensar rápido, pensar despacio. Jev es el primer modelo Sistema 1; los grandes modelos de lenguaje como Fable y Astra son Sistema 2. El Sistema 2 gana flexibilidad emitiendo token a token pero se ralentiza. El Sistema 1 es rápido, intuitivo, garantizado por esquema y no alucina. La mejor arquitectura los empareja: Jev para clasificación rápida, Claude para generación matizada.

El acceso ya está abierto. Había lista de espera durante la grabación, pero TypeSafe abrió el acceso anticipado a todos al publicarse el vídeo. Puedes conseguir una clave directo en TypeSafe o conectarte con un solo comando vía OpenRouter. Jay E usó OpenRouter y mostró en pantalla una instrucción de un comando; un PDF gratuito con todos los comandos está en la descripción.

Nivel 1: acelerar el SO de agentes

El nivel uno es hacer tu configuración de agentes más rápida y barata. Primer truco, el enrutamiento de modelos. Usar el modelo más caro para todo no tiene sentido; Opus y Fable son caros mientras Haiku y Sonnet bastan para muchas tareas. El problema era que elegir el modelo recaía en ti. Jev lo automatiza. En la comparativa de 12 prompts de Jay E, el enrutamiento guiado por Jev ahorró el 70% porque 9 tareas no necesitaban el modelo más potente.

En la práctica sugiere un comando de habilidad para alternarlo: escribe /Jev on y cada tarea de la sesión es dirigida por Jev al modelo más adecuado. En el ejemplo, hallar la ruta del archivo del prompt de Jev fue dirigido a Haiku; sin Jev el defecto de la sesión habría sido Opus 5. La economía de tokens queda protegida por un enrutador de una línea.

Segundo truco, el descubrimiento de habilidades. El espacio de trabajo de Jay E contiene 145 habilidades. En 14 pruebas, Jev encontró la habilidad correcta en unos 5 segundos, frente a 30 segundos del enfoque por defecto con Opus 5. La lógica es simple: la entrada es tu tarea, las opciones son tu lista de habilidades, Jev extrae al instante la correcta para que Claude la cargue. Una instrucción de un comando se puede copiar para probarlo.

Niveles 2 y 3: de la automatización empresarial a las nuevas apps

El nivel dos es automatización empresarial. La demo clasifica 800 correos con una sola pregunta de negocio: ¿cuáles son prospectos reales a contactar? Jev, Haiku y Fable corren en paralelo; al pulsar reproducir, Jev etiqueta toda la lista como interesado / no prospecto / no interesado en menos de un segundo. Los otros son visiblemente más lentos y caros. El patrón es claro: datos de alto volumen más una sola pregunta de negocio es el ajuste perfecto para Jev.

Jay E generaliza el patrón. La detección de fraude en facturas es una industria enorme; filtros de spam, gestión comunitaria, solicitudes de reembolso de alto volumen y predicción de fuga para negocios de suscripción encajan en la misma plantilla. La pregunta en tu empresa es: ¿qué recibes en masa que necesita clasificarse? Pon a Jev ahí y la automatización cae a unos pocos comandos de texto.

El nivel tres son apps ahora posibles porque cayó la barrera de coste. En el sistema Rubrik de Jay E, con cientos de imágenes y vídeos, la búsqueda por nombre de archivo solo halla ficheros con esa palabra mientras la búsqueda semántica impulsada por Jev devuelve por significado y escribir Claude hace emerger visuales genuinamente con temática Claude. Con la misma lógica, la extensión de Chrome Unclutter de Kitsi clasifica cada elemento de la página en segundo plano con Jev y limpia anuncios y banners de cookies con un clic.