Jev

Fiche modèle · TypeSafe AI · jev

Jev is TypeSafe AI's first "System One Model": a non-autoregressive frontier model that takes unstructured program state as input and outputs type-safe, calibrated structured decisions (with confidence scores) in a single parallel pass instead of generating text token-by-token. It is trained with a method TypeSafe calls Reinforcement Learning for Calibrated Decisions (RLCD). TypeSafe reports end-to-end response times of 70ms-500ms (vs. 3-329s for frontier LLMs on comparable tasks) and says schema conformance is guaranteed by construction (no type errors). Launch pricing is $0.042 per million input tokens with output tokens unmetered ("free"). Available today in early access via TypeSafe's console/API; no downloadable weights, published parameter count, or independently verified benchmark scores were available at launch.

Identité

OrganisationTypeSafe AI
Pays—
Famille—
Typellm
Date de sortie2026-09-15
Licenceproprietary
Licence commercialenon
Licence open sourcenon
Poids ouvertsnon
Auto-hébergement (DGX Spark)non — poids fermés
Modalités—
Fenêtre de contexte—
KV cache / token (Q8)—
Paramètres totaux—
Paramètres actifs (session)—
Source des paramètres actifs—
Curation des paramètres actifs—
Prix par session—
Tokens / tâche (Data Players)1.2 M
Tokens / tâche (Terminal-Bench)83.3 M (est.)
Ratio Terminal-Bench / Data Players69.4×
Coût / tâche (Terminal-Bench)—
Tokens d'entraînement—
Coupure de connaissance—
Créé le2026-10-29T18:18:26.949569Z
Mis à jour le2026-11-04T06:05:12.943674Z
SourceLLM Stats
URLhttps://llm-stats.com/models/jev

Prix par fournisseur

Toutes sources confondues : catalogue llm-stats, routeurs EUrouter/Cortecs et catalogues directs (OVHcloud, Scaleway, Infomaniak). Les prix sont convertis en USD pour la comparaison ; le prix publié et le taux BCE utilisé sont dans l'infobulle. Les prix inconnus restent indiqués « — ».

Aucune donnée.

Souveraineté qualifiée par offre (modèle × fournisseur) ; survolez le badge pour les critères.

Souveraineté

Scores par catégorie (top_scores)

Aucune donnée.

Scores par benchmark

Aucune donnée.

Classements

Aucune donnée.

Lecture : Note conservatrice = borne basse TrueSkill (niveau estimé − marge d’incertitude) ; Benchmarks évalués = nombre de benchmarks de la catégorie pris en compte. À performances égales, un modèle évalué sur moins de benchmarks obtient une note plus basse : la note ne se déduit pas d’un seul score. Provenance : rankings = top 50 de /rankings ; model_history = historique du modèle (/models/{id}/history), utilisé pour les rangs au-delà du top 50.

Données

Dates de curation (récupération depuis l'API) : models 2026-11-04 · benchmarks 2026-11-04 · scores 2026-11-04 · updates 2026-11-04 · account 2026-11-04 · model_history 2026-11-04 · rankings 2026-11-04