TypeSafe AI zaprezentował Jev, pierwszy model ze zupełnie innej kategorii niż tradycyjne modele językowe. Zamiast generować tekst na podstawie tekstu wejściowego, Jev przyjmuje dane tekstowe lub semi-strukturalne i zwraca liczby zmiennoprzecinkowe odpowiadające kategoriom, odpowiedziom tak/nie, ocenom oraz wynikom ufności. Można go traktować jak funkcję intelligence call - na wejściu dane niestrukturalne, na wyjściu ustrukturyzowane decyzje probabilistyczne.
Revolucyjna jest także polityka cenowa tego modelu. Podczas gdy zwykłe modele językowe są rozliczane za tokeny wejścia i wyjścia (przy czym wyjście kosztuje znacznie więcej), Jev pobiera opłatę wyłącznie za tokeny wejściowe na poziomie 0,042 USD za milion tokenów. To jest nawet tańsze niż GPT-4 Nano OpenAI, który kosztuje 0,05 USD za milion. Wyjście jest w pełni darmowe. TypeSafe zwraca uwagę, że model jest także nieporównanie szybszy od konkurencji.
Jev pozwala formułować trzy rodzaje pytań: Noul (tak/nie, pochodzące od rozkładu Bernoulliego), pytania kategoryczne z wyborem z listy oraz pytania ratingowe z oceną skali. Dane wejściowe mogą być tekstem, tablicą tekstów lub zbiorem par nazwa-wartość, co czyni model użytecznym do analizy artykułów, danych o klientach czy innym typem rekordów. Ta nowa kategoria Decision Models może zmienić podejście do zadań wymagających strukturalnych decyzji opartych na danych tekstowych.