{"id":73249,"date":"2026-10-19T12:01:19","date_gmt":"2026-10-19T10:01:19","guid":{"rendered":"https:\/\/www.hiberus.com\/crecemos-contigo\/?p=73249"},"modified":"2026-10-19T14:04:22","modified_gmt":"2026-10-19T12:04:22","slug":"jev-nuevo-modelo-decision-prueba","status":"publish","type":"post","link":"https:\/\/www.hiberus.com\/crecemos-contigo\/jev-nuevo-modelo-decision-prueba\/","title":{"rendered":"Jev, el nuevo modelo de decisi\u00f3n: lo hemos probado"},"content":{"rendered":"

Qu\u00e9 es, c\u00f3mo funciona y c\u00f3mo rinde frente a GPT-6 y otros 7 modelos clasificando correos<\/h2>\n

En septiembre apareci\u00f3 una nueva familia de modelos de IA que no escribe ni conversa:\u00a0decide<\/strong>. Jev, de TypeSafe AI, abri\u00f3 la categor\u00eda a mediados de mes, y en apenas tres semanas Perplexity, Cloudflare, Inception y la comunidad open source han publicado sus propias versiones. Prometen clasificar, enrutar y puntuar en milisegundos y por c\u00e9ntimos, sin necesidad de entrenar nada.<\/p>\n

La pregunta que nos hicimos en hiberus es la que se har\u00eda cualquier equipo que tenga que llevarlos a producci\u00f3n:\u00a0\u00bffunciona Jev en castellano, con un problema real de muchas categor\u00edas, y mejor que un LLM de los de siempre?<\/strong>\u00a0Montamos una prueba de concepto para comprobarlo. Aqu\u00ed explicamos qu\u00e9 es Jev, c\u00f3mo funciona, en qu\u00e9 destaca, cu\u00e1ndo encaja y qu\u00e9 resultados obtuvimos.<\/p>\n

\u00bfQu\u00e9 es Jev?<\/h2>\n

Jev es un modelo de decisi\u00f3n.<\/strong>\u00a0TypeSafe lo llama modelo \u00abSystem One\u00bb, en referencia al pensamiento r\u00e1pido e intuitivo. Un LLM convencional genera texto palabra a palabra; Jev, en cambio, recibe:<\/p>\n

    \n
  • un\u00a0estado<\/strong>: el texto o el JSON sobre el que hay que decidir, por ejemplo un correo, un ticket o un registro;<\/li>\n
  • una o varias\u00a0preguntas tipadas<\/strong>, de tres tipos:\n
      \n
    • choice<\/em>: elegir una opci\u00f3n de una lista;<\/li>\n
    • noul<\/em>: responder s\u00ed o no;<\/li>\n
    • score<\/em>: puntuar en una escala.<\/li>\n<\/ul>\n<\/li>\n<\/ul>\n

      Y devuelve\u00a0directamente la probabilidad de cada respuesta posible<\/strong>, en una sola pasada, sin generar texto. No sirve para redactar, resumir ni conversar: es una pieza especializada en tomar decisiones sobre opciones que t\u00fa defines.<\/p>\n

      Diferencias entre un modelo de decisi\u00f3n y un LLM<\/h2>\n
      \"LLM

      LLM generativo frente a modelo de decisi\u00f3n<\/p><\/div>\n

       <\/p>\n\n\n\n\n\n\n\n\n\n\n
      <\/td>\nLLM generativo (GPT, Qwen\u2026)<\/strong><\/td>\nModelo de decisi\u00f3n (Jev)<\/strong><\/td>\n<\/tr>\n<\/thead>\n
      Qu\u00e9 devuelve<\/strong><\/td>\nTexto libre<\/td>\nUna opci\u00f3n tipada + la probabilidad de cada opci\u00f3n<\/td>\n<\/tr>\n
      C\u00f3mo lo produce<\/strong><\/td>\nToken a token, en varias pasadas<\/td>\nUna sola pasada en paralelo<\/td>\n<\/tr>\n
      \u00bfPuede inventarse una etiqueta?<\/strong><\/td>\nS\u00ed, hay que validar la respuesta<\/td>\nNo, siempre devuelve una opci\u00f3n definida<\/td>\n<\/tr>\n
      Confianza<\/strong><\/td>\nLa que el modelo \u00abdeclara\u00bb si se le pide<\/td>\nProbabilidades nativas y calibradas<\/td>\n<\/tr>\n
      Coste<\/strong><\/td>\nSe paga la entrada y la salida<\/td>\nJev solo cobra la entrada; la salida es gratis<\/td>\n<\/tr>\n
      Para qu\u00e9 sirve<\/strong><\/td>\nRedactar, resumir, extraer, razonar, conversar<\/td>\nClasificar, enrutar, puntuar, filtrar<\/td>\n<\/tr>\n<\/tbody>\n<\/table>\n

      No compiten: se complementan. Un patr\u00f3n muy natural es usar un modelo de decisi\u00f3n para el triaje r\u00e1pido de todo el volumen y un LLM solo para lo que necesita lenguaje, como redactar la respuesta o resumir el expediente.<\/p>\n

      \u00bfC\u00f3mo funciona Jev por dentro?<\/h2>\n

      TypeSafe no ha publicado la arquitectura completa de Jev, pero s\u00ed explica tres ideas clave:<\/p>\n

        \n
      • No es autorregresivo.<\/strong>\u00a0Eval\u00faa todas las salidas posibles en una sola pasada en paralelo. Por eso responde muy r\u00e1pido (entre 70 y 500 ms seg\u00fan el fabricante) y nunca devuelve una opci\u00f3n que no exista. Admite hasta 255 opciones por pregunta.<\/li>\n
      • Est\u00e1 entrenado para estar bien calibrado.<\/strong>\u00a0TypeSafe usa una t\u00e9cnica propia,\u00a0Reinforcement Learning for Calibrated Decisions<\/em>\u00a0(RLCD), para que, cuando Jev dice \u00ab80% de probabilidad\u00bb, acierte de verdad en torno al 80% de las veces.<\/li>\n
      • La confianza es una f\u00f3rmula sencilla.<\/strong>\u00a0Para una pregunta con\u00a0n<\/em>\u00a0opciones, mide cu\u00e1nto destaca la opci\u00f3n ganadora frente a un reparto uniforme: (p_max \u2212 1\/n) \/ (1 \u2212 1\/n). Un 0 significa que el modelo no tiene ni idea; un 1, que lo tiene claro.<\/li>\n<\/ul>\n
        \"Anatom\u00eda

        Anatom\u00eda de una llamada a Jev<\/p><\/div>\n

        Para ver el mecanismo en detalle hay que mirar a\u00a0Kev<\/strong>, una alternativa open source que hace lo mismo y publica su c\u00f3digo. Kev parte de un LLM normal (Qwen3.5), lee el estado y las opciones una sola vez, sin generar nada, y una peque\u00f1a capa final punt\u00faa cada opci\u00f3n a partir de la representaci\u00f3n interna del modelo. Es decir: aprovecha lo que el LLM \u00abentiende\u00bb del texto, pero se salta la parte cara y arriesgada de escribir.<\/p>\n

        As\u00ed de simple es una llamada a Jev (en este caso, a trav\u00e9s de OpenRouter):<\/p>\n

        import os, requests\r\n\r\nresp = requests.post(\r\n\r\n\u00a0\u00a0\u00a0 \"https:\/\/openrouter.ai\/api\/alpha\/decisions\",\r\n\r\n\u00a0\u00a0\u00a0 headers={\"Authorization\": f\"Bearer {os.environ['OPENROUTER_API_KEY']}\"},\r\n\r\n\u00a0\u00a0\u00a0 json={\r\n\r\n\u00a0\u00a0\u00a0\u00a0\u00a0\u00a0\u00a0 \"model\": \"typesafe\/jev-1.13\",\r\n\r\n\u00a0\u00a0\u00a0\u00a0\u00a0\u00a0\u00a0 \"state\": {\"correo\": \"Se ha roto una tuber\u00eda y el agua ha empapado el suelo del pasillo.\"},\r\n\r\n\u00a0\u00a0\u00a0\u00a0\u00a0\u00a0\u00a0 \"questions\": {\r\n\r\n\u00a0\u00a0\u00a0\u00a0\u00a0\u00a0\u00a0\u00a0\u00a0\u00a0\u00a0 \"categoria\": {\r\n\r\n\u00a0\u00a0\u00a0\u00a0\u00a0\u00a0\u00a0\u00a0\u00a0\u00a0\u00a0\u00a0\u00a0\u00a0\u00a0 \"type\": \"choice\",\r\n\r\n\u00a0\u00a0\u00a0\u00a0\u00a0\u00a0\u00a0\u00a0\u00a0\u00a0\u00a0\u00a0\u00a0\u00a0\u00a0 \"instructions\": \"\u00bfCu\u00e1l es la petici\u00f3n principal del correo?\",\r\n\r\n\u00a0\u00a0\u00a0\u00a0\u00a0\u00a0\u00a0\u00a0\u00a0\u00a0\u00a0\u00a0\u00a0\u00a0\u00a0 \"criteria\": {\r\n\r\n\u00a0\u00a0\u00a0\u00a0\u00a0\u00a0\u00a0\u00a0\u00a0\u00a0\u00a0\u00a0\u00a0\u00a0\u00a0\u00a0\u00a0\u00a0\u00a0 \"danos_agua\": \"Fuga o rotura de tuber\u00eda en la vivienda\",\r\n\r\n\u00a0\u00a0\u00a0\u00a0\u00a0\u00a0\u00a0\u00a0\u00a0\u00a0\u00a0\u00a0\u00a0\u00a0\u00a0\u00a0\u00a0\u00a0\u00a0 \"fenomenos_atmosfericos\": \"Da\u00f1os por lluvia, viento o granizo\",\r\n\r\n\u00a0\u00a0\u00a0\u00a0\u00a0\u00a0\u00a0\u00a0\u00a0\u00a0\u00a0\u00a0\u00a0\u00a0\u00a0\u00a0\u00a0\u00a0\u00a0 \"robo\": \"Robo o intento de robo\",\r\n\r\n\u00a0\u00a0\u00a0\u00a0\u00a0\u00a0\u00a0\u00a0\u00a0\u00a0\u00a0\u00a0\u00a0\u00a0\u00a0 },\r\n\r\n\u00a0\u00a0\u00a0\u00a0\u00a0\u00a0\u00a0\u00a0\u00a0\u00a0\u00a0 },\r\n\r\n\u00a0\u00a0\u00a0\u00a0\u00a0\u00a0\u00a0\u00a0\u00a0\u00a0\u00a0 \"urgente\": {\"type\": \"noul\", \"instructions\": \"\u00bfRequiere atenci\u00f3n el mismo d\u00eda?\"},\r\n\r\n\u00a0\u00a0\u00a0\u00a0\u00a0\u00a0\u00a0 },\r\n\r\n\u00a0\u00a0\u00a0 },\r\n\r\n)\r\n\r\nprint(resp.json()[\"answers\"])\u00a0\u00a0 # opci\u00f3n elegida, probabilidad de cada opci\u00f3n y P(s\u00ed) de la urgencia<\/pre>\n
        F\u00edjate en que la misma llamada responde\u00a0dos preguntas a la vez<\/strong>\u00a0(categor\u00eda y urgencia) sobre el mismo correo.<\/p>\n
        \u00bfCu\u00e1les son las ventajas de Jev?<\/h2>\n
          \n
        • Clasifica sin entrenamiento.<\/strong>\u00a0No hace falta etiquetar miles de ejemplos ni entrenar un modelo: basta con escribir las categor\u00edas y una breve descripci\u00f3n de cada una. En nuestra prueba, con 82 categor\u00edas en castellano y sin ning\u00fan ajuste, alcanz\u00f3 un 0,90 de macro-F1. Cambiar la taxonom\u00eda es editar un texto, no reentrenar.<\/li>\n
        • Es muy econ\u00f3mico.<\/strong>\u00a0Cuesta 0,042\u00a0\u00a0por cada 100.000 correos**.<\/li>\n
        • Es r\u00e1pido.<\/strong>\u00a0Fue el m\u00e1s r\u00e1pido de los modelos que pudimos medir en igualdad de condiciones: unos 1,5 segundos por correo desde un port\u00e1til, con la red y el intermediario incluidos. El fabricante habla de 70 a 500 ms en su propia infraestructura.<\/li>\n
        • Siempre devuelve algo v\u00e1lido.<\/strong>\u00a0La respuesta es siempre una de las opciones definidas, en el formato esperado. Se acab\u00f3 parsear texto o reintentar respuestas mal formadas.<\/li>\n
        • Sus probabilidades son fiables.<\/strong>\u00a0Es su gran baza para producci\u00f3n. Con la confianza que devuelve, en nuestra prueba se podr\u00eda automatizar el\u00a090% de los correos manteniendo un 95% de precisi\u00f3n<\/strong>\u00a0y mandar el resto a revisi\u00f3n humana. Su error de calibraci\u00f3n fue muy bajo (ECE 0,03).<\/li>\n
        • Responde varias preguntas a la vez.<\/strong>\u00a0Categor\u00eda, urgencia, \u00ab\u00bfrequiere respuesta?\u00bb o una puntuaci\u00f3n de prioridad, todo en una sola llamada y en paralelo sobre el mismo texto.<\/li>\n
        • Es f\u00e1cil de integrar y de sustituir.<\/strong>\u00a0Es una API sencilla, con SDKs y acceso tambi\u00e9n a trav\u00e9s de OpenRouter, Vercel o Cloudflare. Adem\u00e1s, varias alternativas usan la misma interfaz, as\u00ed que cambiar de modelo es cambiar una URL.<\/li>\n<\/ul>\n
          \u00bfCu\u00e1ndo utilizar Jev y cu\u00e1ndo no?<\/h2>\n
          Encaja muy bien para:<\/strong><\/p>\n