Durante os últimos anos, quase todo avanço importante em inteligência artificial passou pela mesma interface: você envia texto, o modelo pensa gerando tokens e devolve mais texto.
Isso funcionou muito bem para chatbots, copilotos e agentes de código. Claude Code e Codex provaram que uma LLM consegue entender contexto, planejar mudanças e executar tarefas complexas. Só que essa arquitetura tem um custo. Mesmo quando a tarefa é apenas classificar, validar ou escolher entre alternativas, o modelo continua escrevendo sua decisão token por token.
A TypeSafe AI está propondo outro caminho com o Jev.
Diogo Almeida, fundador da empresa, ajudou a desenvolver na OpenAI métodos usados na pesquisa por trás do ChatGPT. Agora ele apresenta o que chama de “System One Model”: um modelo criado para receber contexto não estruturado e devolver decisões tipadas, probabilidades e níveis de confiança que o software pode consumir diretamente.
O Jev não foi feito para conversar. Ele não escreve uma justificativa longa nem produz uma cadeia de raciocínio em texto. Sua função é olhar o estado de um sistema e decidir.
Um modelo que decide
Uma LLM tradicional recebe uma sequência de tokens e produz outra sequência. Isso dá flexibilidade para escrever, programar, resumir e raciocinar, mas obriga o software a interpretar e validar a resposta depois.
O Jev trabalha com um conjunto de saídas definido previamente. Em vez de responder livremente, ele gera valores estruturados e probabilidades em paralelo. A TypeSafe afirma que o modelo não produz erros de tipo porque qualquer resposta possível já obedece ao esquema definido pela aplicação.
Na prática, ele se aproxima de um if inteligente. O código continua controlando o fluxo, enquanto o modelo resolve decisões que seriam difíceis de descrever com regras rígidas:
- este lead deve ir para vendas, nutrição ou descarte?
- este cadastro está completo e coerente?
- esta mensagem indica urgência, insatisfação ou intenção de compra?
- esta ação do agente parece segura?
- entre centenas de caminhos, qual deve ser seguido agora?
A diferença aparece na velocidade. Segundo os números publicados pela TypeSafe, as respostas levam entre 70 e 500 milissegundos. A empresa também informa um preço de US$ 0,042 por milhão de tokens de entrada e diz que a saída é barata demais para ser tarifada separadamente.
A analogia com o Sistema 1
O nome vem da distinção popularizada por Daniel Kahneman em Rápido e devagar. O Sistema 1 representa o pensamento rápido e intuitivo. O Sistema 2 é lento, deliberado e lógico.
As LLMs com raciocínio funcionam mais perto do Sistema 2. Elas analisam uma situação passo a passo, produzem tokens intermediários e chegam a uma resposta. Isso ajuda em problemas complexos, mas adiciona latência e custo até nas decisões simples.
O Jev ocupa o outro lado. Ele foi treinado para tomar decisões rápidas a partir do estado apresentado, sem transformar cada escolha em uma redação. A empresa também afirma que toda saída vem acompanhada de confiança calibrada, permitindo que o sistema encaminhe casos incertos para uma LLM ou para uma pessoa.
Essa combinação me parece mais importante do que a tentativa de substituir uma arquitetura pela outra.
Onde isso muda software
Hoje, muitas automações usam uma LLM grande para qualquer decisão que envolva linguagem. É como convocar uma reunião de diretoria para decidir em qual fila colocar um chamado.
Um modelo rápido e barato pode assumir o volume operacional: classificar leads, validar formulários, rotear solicitações, detectar desvios e escolher a próxima etapa de um fluxo. A LLM deliberativa entra quando a situação exige interpretação mais profunda, criação ou planejamento.
Em um CRM, por exemplo, o Jev poderia ler o histórico e retornar propensão de compra, risco de abandono e rota recomendada. No atendimento, poderia validar cada resposta antes do envio sem criar uma pausa perceptível na conversa. Em agentes, poderia funcionar como uma camada de supervisão, avaliando intenção, risco e confiança antes de liberar uma ferramenta.
Isso também muda a economia das automações. Uma decisão que custa pouco e acontece em menos de meio segundo pode ser chamada várias vezes dentro do mesmo fluxo. Em vez de uma única consulta grande à IA, o software passa a ter pequenas decisões inteligentes espalhadas por toda a execução.
Minha opinião: a arquitetura híbrida é a novidade
Acho cedo para chamar o Jev de revolução comprovada. O produto está em acesso antecipado, e os resultados publicados vêm da própria TypeSafe. A empresa reconhece que seus ganhos de 193,6 vezes em velocidade e 444,6 vezes em custo estão na faixa mais alta dos casos reais. Também informa que os workflows de avaliação foram criados por integrantes da própria equipe, o que pode introduzir viés.
A direção faz sentido. O mercado tentou colocar LLMs em todos os pontos do software porque elas eram a única forma prática de transformar linguagem em decisão. O resultado foi uma geração de produtos inteligentes, porém lentos, caros e difíceis de controlar. O Jev sugere uma camada intermediária entre código determinístico e modelos generativos.
Minha aposta é que agentes maduros terão pelo menos três níveis:
- código tradicional para regras exatas e garantias;
- modelos rápidos para classificação, roteamento e avaliação probabilística;
- LLMs deliberativas para planejamento, criação e exceções complexas.
A confiança informada pelo modelo pode decidir quando subir de nível. Uma classificação com alta confiança segue automaticamente. Um caso ambíguo chama uma LLM. Uma decisão sensível pede aprovação humana. Esse desenho reduz custo sem fingir que toda decisão merece autonomia total.
Para quem constrói software B2B, a oportunidade aparece no redesenho de workflows que hoje precisam escolher entre regras frágeis e uma LLM pesada. O Jev pode ocupar esse espaço sem substituir os modelos atuais.
Se os resultados da TypeSafe se sustentarem em produção e em avaliações independentes, os System One Models podem se tornar uma nova peça básica da infraestrutura de IA. Agentes de código mostraram que modelos conseguem executar trabalho dentro do software. O Jev aponta para outra etapa: inteligência distribuída por milhares de pequenas decisões que precisam acontecer rápido, com custo baixo e dentro de limites definidos.
