Blog Criterio de compra
Un modelo que decide en vez de conversar: qué cambia para tu tienda y qué falta por probar
Jev, de TypeSafe, no escribe: devuelve decisiones con probabilidad. Cuánto cuesta, dónde falla y cómo probarlo con tus propios tickets antes de fiarte de sus cifras.
Jev (TypeSafe AI, 15 de septiembre de 2026) es el primer modelo de lo que su empresa llama «System One»: no escribe, devuelve decisiones con su probabilidad —elegir entre opciones, puntuar en una escala, responder sí o no—. Sirve para lo que una tienda decide mil veces al día: enrutar un ticket, marcar una petición de reembolso, moderar una reseña. Con su tarifa, clasificar 10.000 tickets cuesta entre 0,30 y 0,85 dólares. Lo que no está probado: la cifra de «444 veces más barato» la midió la propia empresa, no hay cifras en español y un texto hostil puede mover su respuesta. Sus datos se alojan en Estados Unidos.
En este blog no cubrimos lanzamientos, y este artículo no es uno. Lo que sí cabe aquí es una pregunta que se repite cada vez que alguien monta IA en su tienda: ¿lo que necesito es que la IA converse, o que decida? La semana pasada salió un modelo que solo hace lo segundo, y sirve de excusa para explicar la diferencia con datos.
Lo que sigue sale de la documentación y el blog oficiales de TypeSafe, de la prensa que lo ha analizado y de pruebas de terceros, todo consultado el 24 de septiembre de 2026. Cuando una cifra la da la empresa, lo decimos. No hemos probado Jev con datos de ninguna tienda.
¿Conversar o decidir?
Casi todo lo que se llama «agente de IA» en una tienda es, mirado de cerca, una decisión pequeña repetida muchas veces: ¿a qué cola va este ticket?, ¿esta reseña es spam?, ¿esto es una petición de reembolso? Para eso no hace falta un modelo que escriba. En nuestro recuento de 365 montajes documentados, solo 67 son de verdad un agente que decide en el momento; el resto son conexiones que se disparan solas o extracciones de datos.
Si lo que necesitas es lo primero —algo que conteste a tu cliente—, eso es otra categoría y está en las fichas de chatbot web.
Jev es el ejemplo más claro de un modelo hecho solo para decidir. Lo interesante no es la marca, sino la categoría: una llamada a un modelo que recibe un caso y devuelve una decisión que tu código puede usar directamente, sin texto que interpretar.
¿Qué hace exactamente, con un ejemplo real?
Le envías el caso y unas preguntas de tres tipos: Choice, elegir una opción de una lista;Score, puntuar en una escala que describes con palabras; y Noul —así se llama, no «booleano»—, una pregunta de sí o no que devuelve la probabilidad del sí. El ejemplo es el de su propia documentación: un mensaje de un cliente que lleva tres días intentando conectar su cuenta de pagos.
| Pregunta | Tipo | Lo que devuelve |
|---|---|---|
| ¿Qué equipo debe atenderlo? | Elegir | Técnico, con probabilidad 0,85 (facturación, 0,15) |
| ¿Cuánta frustración muestra? | Puntuar | Nivel 1: frustrado pero educado |
| ¿Transmite urgencia? | Sí o no | Sí (1,0) |
Lo que devuelve no es una frase: son números que un programa consume sin más. Y las preguntas se evalúan a la vez y por separado, así que añadir más apenas cambia el tiempo de respuesta. La idea que te llevas: el modelo puntúa, y es tu código el que decide. En su ejemplo de reembolso, el modelo responde tres preguntas sencillas (¿lo pide?, ¿indica un cobro duplicado?, ¿la política lo permite?) y una regla tuya combina las tres.
¿Cuánto cuesta y cuánto tarda?
La tarifa oficial es de 0,042 dólares por millón de tokens de entrada, y los de salida son gratis. Para 10.000 tickets de unas 300 palabras con tres preguntas cada uno, y suponiendo unos 550 tokens por ticket en español más unos 350 de las preguntas, salen 9 millones de tokens: unos 0,38 dólares. Con supuestos muy conservadores (2.000 tokens por ticket) sube a 0,84. Son estimaciones nuestras, porque su tokenizador no está publicado. Un desarrollador independiente que clasificó 1.018 artículos habló de unos 0,08 dólares en total.
El límite publicado es de 1.200 peticiones por minuto, así que esos 10.000 tickets entrarían en unos nueve minutos. La propia empresa avisa de que esos límites cambian sin aviso y de que no puede probar que su precio no esté subvencionado.
¿Y eso de «444 veces más barato»?
Es la cifra de la portada, y hay que leerla con cuidado. La midió la propia empresa, en su sitio de evaluaciones, con cuatro flujos que hizo su equipo. Y no compara con la verdad: la respuesta «correcta» es el promedio de dos modelos de lenguaje grandes, así que acertar significa coincidir con ellos. La empresa reconoce que puede haber sesgo y que sus cifras están en la parte alta de lo que se verá en la práctica. No publica contra qué modelo divide cada cifra.
Medición independiente que reproduzca esas cifras, no hemos encontrado ninguna. Los medios que las repiten lo hacen como afirmación de la empresa: uno de ellos lo presenta como cálculo de la propia TypeSafe y añade que solo el uso práctico dirá si se sostiene.
¿Dónde falla, según su propia documentación?
- No hace cuentas ni compara fechas. Su documentación dice que no es una calculadora y que la aritmética debe quedarse en tu código.
- Lee al pie de la letra. Contesta a la pregunta que escribiste, no a la que querías hacer, y las dobles negaciones le hacen perder precisión.
- Sus respuestas no son coherentes entre sí. En su ejemplo, la misma pregunta planteada de dos maneras da 0,22 y 0,99. No conviene exigir identidades entre respuestas.
- Solo entiende texto. Sin imágenes, audio ni vídeo, y con un contexto de 32.000 tokens para el caso y la pregunta más larga.
- El texto hostil puede mover su respuesta. Su documentación lo dice: el caso que le envías es un dato y no se trata como hostil por defecto. Un ingeniero mostró que añadir un campo falso que decía que el usuario ya lo había aprobado bajó la probabilidad de bloqueo de 0,76 a 0,48; es un solo caso, no un estudio, pero en una tienda las reseñas y los tickets son justo texto que escribe cualquiera.
Su propia recomendación es útil para cualquier modelo de decisión: la respuesta te dice qué, y la confianza te dice si actuar. Con umbral de confianza alto para lo que no se puede deshacer y bajo para lo reversible, y una persona revisando lo dudoso.
¿Qué significa para una tienda europea?
Que hay que preguntar antes de mandarle tickets. Su política de privacidad dice que el servicio está alojado en Estados Unidos y no documenta una región europea. Afirman que no entrenan ni ajustan modelos con lo que envías; su contrato marco matiza que no lo harán sin tu consentimiento previo, y les reserva una licencia para telemetría y detección de abusos. El contrato de encargado del tratamiento incluye cláusulas tipo de la UE, pero la lista de subencargados no se pudo consultar, y la retención cero es solo para clientes de empresa. Si accedes por Vercel o por Cloudflare, dónde se procesan los datos no está verificado.
¿Es una categoría nueva o un clasificador con mejor marketing?
No hay consenso. Varios comentaristas técnicos lo describen como un clasificador del tipo de los que existen desde hace años, entrenado con más datos; otros responden que la novedad es que generaliza sin afinar un modelo para cada tarea. Un desarrollador que lo probó lo resumió como «una sentencia if inteligente»: un componente pequeño dentro de una aplicación normal. Lo defendible es que es la primera oferta comercial que junta salida tipada, probabilidades por opción, precio por token muy bajo y respuesta en fracciones de segundo, sin entrenar nada tuyo.
Las alternativas para «decisiones baratas y rápidas» existen y conviene tenerlas presentes: clasificadores pequeños que se afinan con tus datos, comparación de textos por similitud, modelos de lenguaje pequeños con salida estructurada, y los grandes cuando la decisión exige varios pasos o explicar algo.
Cómo probarlo sin apostar la tienda
- Coge 200 tickets reales tuyos, en español, y clasifícalos a mano primero. Ese es tu marcador.
- Compara y mira la confianza, no solo el acierto: cuántos casos dudosos se separan bien.
- Fija la versión del modelo. El alias «latest» cambia el comportamiento sin que toques nada.
- Que decida tu código y no el modelo, con una persona para lo que quede por debajo del umbral.
- Ponlo detrás de una capa tuya, para poder cambiar de proveedor y tener una regla de respaldo si falla o te limita.
- No le mandes texto de clientes sin filtrar hasta haber probado qué pasa con un mensaje que intente engañarlo.
Es una empresa con una semana de vida pública, un modelo en la versión 1.13 y unas cifras que solo ella ha medido. Eso no es un motivo para descartarla, pero sí para tratarla como una prueba y no como una decisión de compra. Cuando haya medición independiente y datos en español, este artículo se revisa.
Preguntas frecuentes
¿Jev sustituye a ChatGPT o a Claude?
No, y la propia empresa lo dice: no escribe respuestas, ni código, ni explicaciones. Devuelve una elección, una puntuación o un sí/no con su probabilidad. Sirve para decidir a qué cola va un ticket, no para contestárselo al cliente. Para redactar sigues necesitando un modelo de lenguaje.
¿Funciona bien en español?
No lo sabemos, y ellos tampoco lo publican con cifras. Su documentación dice que el inglés es donde mejor rinde, que otros idiomas se manejan, pero no igual de bien, y que hay que probar con tu propio contenido antes de depender de él. Con tickets en español, la prueba con tus casos reales no es opcional.
¿Cuánto cuesta?
Con su tarifa oficial, 0,042 $ por millón de tokens de entrada y los de salida gratis. Clasificar 10.000 tickets de unas 300 palabras sale, según los supuestos, entre unos 0,30 y 0,85 dólares en total. A través de Vercel es gratis solo hasta el 25 de septiembre de 2026, y el precio en Cloudflare no aparece en su página.
¿Puedo usarlo sin programar?
Se usa con una petición HTTP con clave de acceso, o con sus SDK de Python y JavaScript. En principio, cualquier herramienta de flujos que sepa hacer una petición HTTP puede llamarlo; no hemos comprobado si hay conectores nativos en n8n o Make.
¿Dónde se guardan los datos de mis clientes?
Su política de privacidad dice que el servicio está alojado en Estados Unidos y no documenta una región europea. Afirman que no entrenan con lo que envías. Existe un contrato de encargado del tratamiento con cláusulas tipo de la UE, pero la lista de subencargados no se pudo consultar. Si mandas tickets con nombres o direcciones, pídelo antes de empezar.
Los jueves, en tu correo
Una herramienta nueva por semana, con lo que cumple y lo que no.