Jev : le modèle Système 1 qui décuple Claude Code

Dans la démo en direct de Jay E sur RoboNuggets, Jev répond en moins d'une seconde. L'affirmation de départ est claire : construit par une équipe incluant le co-créateur de ChatGPT Diogo Almeida, ce nouveau modèle évolue sur une tout autre piste que les modèles de chat classiques. Le post d'annonce a atteint 38 millions de vues et le message tient en une ligne : prendre des décisions sous forme structurée, sans générer de texte libre.

Prix et vitesse : pourquoi si bon marché et rapide ?

Les chiffres sont agressifs. La grille TypeSafe affiche Jev environ 24 fois moins cher que Haiku et 230 fois moins cher que Fable 5.1. L'entrée coûte 0,04 dollar par million de jetons, la sortie est gratuite. Les annonces parlent de 20 à 200 fois plus rapide et 40 à 400 fois moins cher ; dans les mesures contrôlées du blog, le plafond est donné à 193,6 fois plus rapide et 444,6 fois moins cher. Ce n'est donc pas la moyenne quotidienne, mais un plafond de laboratoire sur des flux spécifiques.

Le secret est la contrainte. Jev ne répond que sous trois formes : binaire vrai/faux, choix dans une liste et échelle de 0 à 10. Cela ressemble à une lourde limitation, mais le point de Jay E est que cette sortie resserrée empêche le modèle de fabriquer du texte ; il rend une décision bien calibrée avec probabilités. Toute la variance générative disparaissant, latence et coût s'effondrent.

TypeSafe cadre la distinction avec le livre de Daniel Kahneman, Penser vite et lentement. Jev est le premier modèle Système 1 ; les grands modèles de langage comme Fable et Astra sont Système 2. Le Système 2 gagne en flexibilité en émettant jeton par jeton mais ralentit. Le Système 1 est rapide, intuitif, garanti par schéma et n'hallucine pas. La meilleure architecture les marie : Jev pour la classification rapide, Claude pour la génération nuancée.

L'accès est désormais ouvert. Il y avait une liste d'attente au moment de l'enregistrement, mais TypeSafe a ouvert l'accès anticipé à tous lors de la mise en ligne. Vous pouvez obtenir une clé directement chez TypeSafe ou vous connecter en une commande via OpenRouter. Jay E a utilisé OpenRouter et a montré à l'écran une instruction en une commande ; un PDF gratuit avec toutes les commandes figure en description.

Niveau 1 : accélérer l'OS agentique

Le niveau un consiste à rendre votre configuration d'agents plus rapide et moins chère. Première astuce, le routage de modèles. Utiliser le modèle le plus cher pour tout n'a pas de sens ; Opus et Fable coûtent cher alors que Haiku et Sonnet suffisent pour beaucoup de tâches. Le problème était que le choix reposait sur vous. Jev l'automatise. Dans la comparaison de 12 invites de Jay E, le routage guidé par Jev a économisé 70% car 9 tâches n'avaient pas besoin du modèle le plus puissant.

En pratique, il suggère une commande de compétence pour l'activer : tapez /Jev on et chaque tâche de la session est orientée par Jev vers le modèle le plus adapté. Dans l'exemple, la recherche du chemin du fichier d'invite Jev a été orientée vers Haiku ; sans Jev le défaut de session aurait été Opus 5. L'économie de jetons est protégée par un routeur d'une ligne.

Deuxième astuce, la découverte de compétences. L'espace de travail de Jay E contient 145 compétences. Sur 14 tests, Jev a trouvé la bonne compétence en environ 5 secondes, contre 30 secondes pour l'approche par défaut Opus 5. La logique est simple : l'entrée est votre tâche, les options sont votre liste de compétences, Jev extrait instantanément la bonne pour que Claude la charge. Une instruction en une commande est copiable pour essayer.

Niveaux 2 et 3 : de l'automatisation métier aux nouvelles apps

Le niveau deux est l'automatisation métier. La démo classe 800 e-mails avec une seule question métier : lesquels sont de vrais prospects à contacter ? Jev, Haiku et Fable tournent côte à côte ; au lancement, Jev étiquette toute la liste en intéressé / non prospect / pas intéressé en moins d'une seconde. Les autres sont visiblement plus lents et plus chers. Le schéma est clair : données à haut volume plus une question métier, c'est le terrain idéal pour Jev.

Jay E généralise le schéma. La détection de fraude à la facturation est une industrie énorme ; filtres anti-spam, modération communautaire, demandes de remboursement à haut volume et prédiction de désabonnement pour les abonnements s'y retrouvent. La question à poser dans votre entreprise : que recevez-vous en masse qui doit être classé ? Placez Jev là et l'automatisation tombe à quelques commandes texte.

Le niveau trois, ce sont les apps désormais possibles car la barrière de coût est tombée. Dans le système Rubrik de Jay E, qui contient des centaines d'images et vidéos, la recherche par nom de fichier ne trouve que les fichiers contenant ce mot tandis que la recherche sémantique propulsée par Jev renvoie par signification et taper Claude fait remonter de vrais visuels sur le thème Claude. Dans la même logique, l'extension Chrome Unclutter de Kitsi classifie chaque élément de page en arrière-plan avec Jev et nettoie pubs et bannières de cookies en un clic.