Novo modelo de IA Jev, do cocriador do ChatGPT, abre para todos os usuários

Renê Fraga
11 min de leitura

Principais destaques

  • IA feita para decidir: o Jev retorna probabilidades, escolhas e pontuações estruturadas, em vez de respostas em texto aberto.
  • Acesso liberado: o modelo agora está disponível para todos, com créditos a partir de US$ 5, equivalentes a cerca de 120 milhões de tokens.
  • Primeiros testes impressionam: desenvolvedores relataram ganhos de velocidade de até 18 vezes e custos de 10 a 20 vezes menores em algumas tarefas.

A TypeSafe AI está apostando em uma ideia que parece simples, mas mexe com uma premissa central da inteligência artificial atual: talvez máquinas não precisem conversar como humanos para serem úteis umas às outras.

A startup de São Francisco, liderada pelo ex-pesquisador da OpenAI Diogo Almeida, lançou o Jev em 15 de setembro. Poucos dias depois, ferramentas e plataformas como Vercel, Cloudflare, LangChain e Langfuse já haviam colocado o modelo em suas stacks.

Agora, a empresa deu o próximo passo: acabou a lista de espera.

O Jev não quer escrever uma redação 🤖

O modelo foi projetado para fazer algo diferente dos grandes modelos de linguagem tradicionais.

Em vez de produzir texto token por token, o Jev entrega o que a TypeSafe chama de “decisões calibradas”. Na prática, isso pode significar uma probabilidade de sim ou não, uma escolha entre opções previamente definidas ou uma pontuação numérica.

Cada resultado vem acompanhado de um nível de confiança.

🔎 A diferença está no formato: o usuário determina antecipadamente quais são as respostas possíveis, e o modelo escolhe entre elas.

Isso muda bastante a maneira como a IA pode ser usada em sistemas automáticos. Um chatbot precisa formular uma resposta. Um classificador de segurança, por outro lado, só precisa decidir se determinado comando deve ser aceito ou bloqueado.

Nesse segundo cenário, gerar milhares de tokens para chegar a uma decisão pode ser um pouco como usar um caminhão para entregar uma carta.

💡 A aposta da TypeSafe: para muitas tarefas de software, a inteligência necessária não é conversar. É tomar uma decisão rápida, estruturada e mensurável.

E se a IA simplesmente não pudesse “inventar” a resposta?

Essa é uma das principais promessas do Jev.

Como os resultados possíveis são definidos antes da execução, a TypeSafe afirma que o modelo não pode apresentar alucinações da mesma maneira que um chatbot convencional.

Isso não significa que toda decisão esteja automaticamente correta. Significa que o espaço de respostas é limitado ao que o sistema foi configurado para considerar.

A empresa classifica o Jev como um modelo “Sistema Um”, em referência ao modo de pensamento rápido e intuitivo descrito pelo psicólogo Daniel Kahneman.

A arquitetura também foi pensada para velocidade.

As perguntas de uma solicitação são processadas em paralelo, com respostas entre 70 e 500 milissegundos, segundo a TypeSafe.

E há outro número que chama atenção: o custo informado é de US$ 0,042 por milhão de tokens de entrada, enquanto os tokens de saída são gratuitos.

US$ 5 compram uma quantidade gigantesca de uso 💸

A abertura para o público veio acompanhada de uma porta de entrada relativamente barata.

A TypeSafe informou que qualquer usuário pode acessar o Jev a partir de US$ 5 em créditos, o equivalente a aproximadamente 120 milhões de tokens.

Para desenvolvedores que precisam classificar grandes volumes de dados, esse tipo de diferença pode pesar bastante na escolha de um modelo.

Pense em tarefas como:

• classificar e-mails;

• avaliar comandos de software;

• escolher categorias;

• atribuir pontuações;

• tomar decisões binárias em sistemas automatizados.

Nesses casos, a necessidade de produzir texto explicativo pode simplesmente não existir.

Os primeiros testes já deram o que falar ⚡

A procura foi suficiente para sobrecarregar temporariamente a API da TypeSafe durante a primeira semana.

Um engenheiro da Vercel relatou que substituir um modelo da OpenAI pelo Jev em um classificador de segurança de comandos produziu respostas entre cinco e 18 vezes mais rápidas, além de maior precisão.

Outro desenvolvedor encontrou uma diferença de custo ainda mais expressiva.

Em tarefas de classificação de e-mails, o Jev teria custado 10 a 20 vezes menos do que modelos Gemini do Google. Nesse caso, porém, o Gemini apresentou uma precisão ligeiramente maior.

Essa ressalva é importante.

📊 Mais barato não significa automaticamente melhor: os resultados variam conforme a tarefa, o modelo utilizado como comparação e a métrica escolhida.

Por trás do Jev está um dos criadores do RLHF

Almeida não chega ao mercado de IA como um desconhecido.

O pesquisador foi co-inventor do aprendizado por reforço a partir de feedback humano, conhecido pela sigla RLHF, técnica de pós-treinamento associada à capacidade de modelos como o ChatGPT de seguir instruções humanas.

Ele deixou a OpenAI há quase dois anos e fundou a TypeSafe AI com Erik Gafni e Sasha Sheng.

A tese dos fundadores é que os modelos atuais foram fortemente otimizados para lidar com linguagem humana, mas nem sempre são a ferramenta mais adequada para automação entre máquinas.

É uma distinção importante.

Um sistema que precisa conversar com uma pessoa tem necessidades diferentes de outro que precisa processar milhões de eventos e tomar uma decisão em frações de segundo.

O treinamento também foge do padrão

O Jev foi treinado exclusivamente com dados sintéticos, segundo a TypeSafe.

A empresa desenvolveu para isso um método chamado Aprendizado por Reforço para Decisões Calibradas.

A ideia combina com a proposta do modelo: em vez de concentrar o treinamento na geração de linguagem, o objetivo é produzir decisões estruturadas acompanhadas de confiança calibrada.

O nome Jev também não foi escolhido por acaso.

Por que “Jev”? A resposta está na economia 📈

O modelo recebeu o nome do economista William Stanley Jevons, associado ao chamado paradoxo de Jevons.

A ideia, em termos simplificados, é que tornar um recurso mais eficiente ou barato pode aumentar seu consumo total, em vez de simplesmente reduzi-lo.

O conceito já foi usado por líderes de tecnologia, incluindo o CEO da Microsoft, Satya Nadella, para discutir a expansão do uso de IA.

E a conexão com o produto é direta.

Se decisões de IA ficarem muito mais rápidas e baratas, a aposta da TypeSafe é que elas não serão usadas apenas em alguns grandes sistemas. Elas poderão aparecer em uma quantidade muito maior de pequenos softwares e serviços.

A visão é uma internet cheia de decisões inteligentes 🌐

Almeida descreveu ao TechCrunch uma visão de software bastante distribuída.

Segundo ele, a empresa acredita que haverá “software inteligente em todos os lugares”, de maneira mais parecida com a internet em seus primeiros anos do que com os grandes aplicativos centralizados que muitas empresas tentam construir atualmente.

Essa visão ajuda a explicar por que um modelo pequeno e especializado pode ser interessante mesmo em um mercado dominado por sistemas muito maiores.

Em vez de colocar um modelo gigantesco dentro de cada aplicação, desenvolvedores poderiam usar modelos especializados para decisões específicas.

Um para segurança.

Outro para classificação.

Outro para priorização.

Outro para pontuação.

E assim por diante.

🚦 A mudança de escala pode estar justamente aí: não colocar uma IA gigantesca em cada software, mas colocar pequenas decisões inteligentes em praticamente todos eles.

Então o Jev vai substituir os grandes modelos?

Não necessariamente.

Os próprios resultados iniciais apontam para uma relação mais complementar do que uma substituição direta.

Um modelo de linguagem continua sendo necessário quando a tarefa exige escrever, resumir, conversar, interpretar instruções abertas ou produzir conteúdo.

Já o Jev foi concebido para situações em que a resposta precisa ser estruturada.

Tipo de tarefaAbordagem mais natural
Conversar com o usuárioModelo de linguagem
Gerar textoModelo de linguagem
Classificar uma entradaJev
Escolher entre opções predefinidasJev
Atribuir uma pontuaçãoJev
Tomar decisões estruturadas em escalaJev

A fronteira, claro, não é tão rígida. Modelos de linguagem também podem realizar classificação e tomada de decisão. A diferença está na especialização, no custo e na forma como cada sistema foi projetado para entregar o resultado.

E a TypeSafe já está pensando no próximo Jev 🔮

A abertura para todos os usuários é apenas uma etapa.

A TypeSafe afirmou que pretende desenvolver versões adicionais do Jev para novas modalidades.

Se a proposta funcionar em escala, o movimento pode ajudar a ampliar uma tendência importante na indústria: em vez de tratar IA como sinônimo de chatbot, separar diferentes tipos de inteligência artificial de acordo com o trabalho que precisam executar.

No fim, a imagem inicial volta a fazer sentido.

Durante anos, colocar IA em um produto significava imaginar uma caixa de texto onde alguém fazia uma pergunta e recebia uma resposta. O Jev parte de outra direção: talvez, em boa parte do software, ninguém precise ver a resposta.

A máquina só precisa decidir.

E, se essas decisões realmente puderem ficar baratas o bastante, rápidas o bastante e confiáveis o bastante, a próxima geração de software pode ter muito mais IA escondida nos bastidores do que nas telas.

A questão agora é descobrir até onde essa ideia consegue chegar.

Apoie o Eurisko
Este conteúdo é independente, sem anúncios e feito por pessoas.
A inteligência artificial e as mudanças recentes do Google reduziram significativamente o alcance dos sites independentes. Se este conteúdo foi útil para você, considere apoiar o Eurisko e todo o ecossistema de projetos com qualquer valor.
Quero apoiar
Seguir:
Renê Fraga é fundador e editor-chefe do Eurisko, ecossistema editorial independente dedicado à inteligência artificial, código aberto, tecnologia e cultura digital. Atuando com projetos online desde 1996, escreve há mais de 20 anos sobre tecnologia e inovação, acompanhando a evolução da internet e o impacto das novas tecnologias na forma como vivemos, trabalhamos e pensamos.
Nenhum comentário