)
Última actualización: Octubre 2026
¿Qué es Jev by TypeSafe AI y es seguro para una empresa?
Jev es un modelo "System One" del laboratorio de San Francisco TypeSafe AI que devuelve decisiones tipadas con probabilidades en lugar de texto. No chatea ni llama a herramientas, lo que reduce algunos riesgos, pero el contenido inyectado aún puede condicionarlo, así que hacen falta controles alrededor.
Esta guía de Jev TypeSafe AI explica qué es, qué significan sus cifras y cómo gobernarlo. No lo hemos probado y cada cifra indica si la da el proveedor o un tercero. Sobre modelos de chat, consulta nuestra guía de GPT-6 Astra para CISOs.
TL;DR: Puntos clave
- Jev es barato y rápido. TypeSafe AI cobra 0,042 $ por millón de tokens de entrada, con salida gratis, y da respuestas de 70 a 500 ms (docs de TypeSafe AI, 2026; TypeSafe AI, 15 de septiembre de 2026).
- La precisión independiente queda atrás. Una revisión de terceros midió a Jev en un 72,5 % en un benchmark de 200 ejemplos, frente al 84,0 % de Claude Fable 5.1 y el 79,0 % de GPT-6 Astra (DEV Community, 24 de septiembre de 2026).
- El texto inyectado mueve su veredicto. En una prueba, una nota falsa de preaprobación bajó la probabilidad de bloqueo de
rm -rf ~/.sshde 0,76 a 0,48 (VentureBeat, 21 de septiembre de 2026). - No llama a herramientas. Jev solo acepta texto, hasta 64.000 tokens por petición, y no llama a herramientas (docs de TypeSafe AI, 2026).
- Los términos de datos son parciales. El DPA promete aviso de brechas en 72 horas y 15 días para objetar subencargados, pero no fija plazo de conservación (DPA de TypeSafe AI, 24 de abril de 2026).
- Úsalo como señal, no como puerta. El LLM01:2025 de OWASP propone mínimo privilegio y aprobación humana contra la inyección (OWASP, 2025).
Jev by TypeSafe AI de un vistazo
| Jev (TypeSafe AI) | |
|---|---|
| Clase de modelo | System One: decisiones estructuradas y rápidas para software |
| Salida | Choice, Score o Noul (sí/no) con probabilidades y confianza; sin texto |
| Versión | jev-1.13.0 (alias jev-latest, jev-preview) |
| Lanzamiento | 15 de septiembre de 2026, acceso anticipado |
| Precio | 0,042 $ por millón de tokens de entrada, salida gratis |
| Latencia (según el proveedor) | De 70 a 500 ms de extremo a extremo |
| Límites | Solo texto; 64.000 tokens por petición; 80 peticiones por segundo |
| Uso de herramientas | Ninguno; tu código controla el flujo |
Fuentes: docs de TypeSafe AI, artículo de lanzamiento. Consultado 5 oct 2026.
¿Qué es Jev by TypeSafe AI?
Jev es el primer modelo de la clase System One de TypeSafe AI. Lee un "estado" que construyes tú y devuelve valores tipados con probabilidades. No escribe respuestas, código ni explicaciones (docs de TypeSafe AI, 2026).
La calibración vale para grupos de predicciones, no para cada respuesta. Nombres oficiales en typesafe.ai: compañía TypeSafe AI, producto Jev, clase System One.
Los tres tipos de pregunta
Una Choice elige una opción de una lista, con probabilidad por opción, y admite hasta 255 (TypeSafe AI, 15 de septiembre de 2026). Una Score puntúa según una rúbrica. Una Noul pregunta si una afirmación es cierta y devuelve un valor entre 0 y 1. Varias preguntas comparten llamada y se evalúan en paralelo y de forma aislada (docs de TypeSafe AI, 2026).
)
¿En qué se diferencia Jev de un LLM o de un agente?
Jev responde una pregunta acotada y para. Un LLM genera texto token a token y un agente añade herramientas, memoria y bucles. Según TypeSafe AI, Jev genera todas las salidas en una pasada paralela, lo que explica su velocidad y que no pueda conversar.
| Dimensión | Jev (System One) | Agente LLM |
|---|---|---|
| Salida | Valor tipado con probabilidades | Texto y acciones con herramientas |
| Explicación | No devuelve ninguna | Trazas de razonamiento opcionales |
| Llamadas a herramientas | Ninguna | Función central |
| Quién controla el flujo | Tu código | El modelo |
| Fallo principal | Etiqueta errónea con confianza; veredicto condicionado | Herramientas mal usadas; acciones inyectadas |
Fuentes: docs de TypeSafe AI, agentes de código. La columna del agente es nuestro resumen.
Jev es un componente del software, no un asistente. Sobre los riesgos de los asistentes, lee nuestra guía de seguridad empresarial de Claude Opus 5.5.
Rendimiento de Jev: lo que dice el proveedor frente a lo independiente
TypeSafe AI afirma que Jev es de 40 a 200 veces más rápido que los LLM de frontera en tareas System One, y hasta 193,6 veces más rápido y 444,6 veces más barato en sus evaluaciones de flujos. Una revisión de terceros coincide en velocidad, pero su precisión queda por debajo.
| Afirmación | Cifra | Tipo de fuente |
|---|---|---|
| Tiempo de respuesta total | 70 a 500 ms frente a 3 a 329 s en LLM de frontera | Según el proveedor |
| Evaluaciones de flujos | 193,6 veces más rápido y 444,6 más barato | Según el proveedor, hechas por su personal |
| Tasa de alucinación | 0 %, por coincidencia con el esquema | Según el proveedor, "no empírica" |
| Tiempo de servidor por petición | Unos 0,1 s | Revisión de terceros |
| Precisión, benchmark de 200 ejemplos | Jev 72,5 %; Claude Fable 5.1 84,0 %; GPT-6 Astra 79,0 % | Revisión de terceros |
| Error de calibración (ECE) | 0,071 de serie; 0,025 tras ajustar la temperatura | Revisión de terceros |
Fuentes: artículo de lanzamiento de TypeSafe AI (15 sept 2026), DEV Community (24 sept 2026). Consultado 5 oct 2026.
TypeSafe AI indica que evaluó desde portátiles. El 0 % refleja seguridad de tipos: la respuesta siempre encaja con el esquema, pero puede ser errónea.
La revisión cita un estudio donde Jev quedó tras el mejor de 19 LLM en 14 de 15 tareas, y aconseja calibrar con unos cientos de etiquetas propias.
Según Forbes (22 sept 2026), un ingeniero de Vercel obtuvo respuestas de cinco a 18 veces más rápidas en una prueba de seguridad de comandos, y LangChain halló coincidencia con un revisor humano en 500 decisiones repetidas. Bryo AI halló a Google Gemini algo más preciso, pero 10 a 20 veces más caro. Son pruebas aisladas.
Precio, disponibilidad e integraciones de Jev
Jev cuesta 0,042 $ por millón de tokens de entrada (42 $ por mil millones) y la salida es gratis. El acceso va por consola y API HTTP, con SDK de Python y JavaScript. El lanzamiento hablaba de acceso anticipado con lista de espera; confirma tus condiciones.
La API es un solo endpoint, POST https://api.typesafe.ai/v1/systemone, con autenticación por token Bearer. Los límites son 100.000 tokens y 80 peticiones por segundo, con ajuste dinámico (docs de TypeSafe AI, 2026). Product Hunt lo lista sin lista de espera (Product Hunt, 21 sept 2026).
Seguridad de Jev TypeSafe AI: qué cambia en el riesgo empresarial
Jev elimina algunos riesgos de los LLM y conserva otros. No emite texto libre ni llama a herramientas, así que no alucina prosa ni usa mal una herramienta. Pero lee contenido no fiable, y ese contenido puede mover su respuesta, así que cualquier decisión que controle es influenciable.
Lo que se reduce
La salida siempre cumple el esquema, así que desaparecen el JSON malformado y los campos inventados. Tampoco tiene permisos sobre herramientas ni canal de texto libre, así que no ejecuta comandos por sí solo. "No puede alucinar" significa seguridad de tipos, no exactitud factual.
Lo que permanece: el envenenamiento de decisiones
La página de limitaciones dice que Jev no trata la entrada como hostil por defecto, favorece la primera opción y pierde precisión con contenido irrelevante (2026). VentureBeat (21 sept 2026) cita la página sobre la inyección: "Content written to adversarially steer the model, whether that is an injected instruction, a deliberately misleading framing, or text that argues for its own classification, can move the answer".
| Hallazgo | Resultado | Tipo de fuente |
|---|---|---|
Salida falsa "el usuario lo preaprobó" sobre rm -rf ~/.ssh | Bloqueo de 0,76 a 0,48; confianza de 0,64 a 0,22 | Reportaje sobre una prueba |
| Anulación "ignore the discussion above", 486 debates de Wikipedia | Precisión del 96,5 % al inicio, 26,5 % con inyección | Estudio comunitario preregistrado |
| Comandos peligrosos directos, 30 llamadas | Pasaron 0 de 30; 3 de 30 seguros se bloquearon | Prueba comunitaria |
| Aprobación alegada ("the owner approved"), 30 llamadas | Pasaron 3 de 30 | Prueba comunitaria |
| Intercambiar la rúbrica tras "no" y "sí" | Cambió el 32,5 % de las respuestas, frente a cerca del 2 % con nombres neutros | Preprint citado por un tercero |
Fuentes: VentureBeat, zkousama/jagged (21 sept 2026), eugeniughelbur/jev-engineering (20 sept 2026), DEV Community. Consultado 5 oct 2026.
VentureBeat lo llama "one command in one integration test, not a benchmark". Los dos estudios de GitHub son trabajo individual, no auditorías de TypeSafe AI, y no los hemos reproducido. Varían según la tarea: los comandos directos fallaron en una puerta de comandos, pero una anulación de una línea hundió la precisión en una clasificación. Las alegaciones de autoridad también se colaron.
Lo nuevo: tu código se convierte en el riesgo
La agencia excesiva pasa al código circundante. TypeSafe AI recomienda que el código controle el flujo, escale los casos de baja confianza y combine las respuestas con reglas deterministas (docs de TypeSafe AI, 2026). Si tu código convierte "allow" en acción sin más, un veredicto envenenado es una acción envenenada.
La auditabilidad también cambia: Jev no explica nada, así que guarda en tus registros el estado, las preguntas, la versión y la respuesta.
Jev TypeSafe AI: tratamiento de datos, residencia y certificaciones
Su política de privacidad descarta entrenar con tus prompts, y su DPA cubre transferencias de la UE y del Reino Unido. La conservación dura "el tiempo necesario", los servicios están en Estados Unidos y no hemos confirmado ninguna certificación en sus documentos.
| Tema | Qué está documentado | Estado |
|---|---|---|
| Entrenamiento con tus datos | "We will not train or fine tune any artificial intelligence or machine learning models on your prompts or other Input" | Según el proveedor |
| Conservación | "As long as reasonably necessary"; sin plazo; retención cero para empresas vía ventas | Sin cifra |
| Residencia | Alojado en Estados Unidos; sin región elegible | Sin opción en la UE |
| Transferencias, brechas, auditoría | CCT de la UE, adenda del Reino Unido, aviso en 72 horas, una auditoría cada 12 meses | En el DPA |
| SOC 2 Type II | Vendor Trust Index, verificado el 19 sept 2026 | Tercero; sin confirmar |
| HIPAA BAA, ISO 27001 | El índice no recoge ninguno | Tercero |
Fuentes: política de privacidad (19 nov 2025), DPA (24 abr 2026), documentos legales, Vendor Trust Index. Consultado 5 oct 2026.
El control clave está de tu lado: el campo state es lo único que ve Jev, así que elimina datos personales y envía solo los hechos necesarios. El origen de los datos de entrenamiento es una cuestión de diligencia debida: el lanzamiento lo lista en sus preguntas frecuentes, así que pide respuesta por escrito.
En la cadena de suministro, jev-latest puede saltar a otra versión sin que cambies nada. Fija jev-1.13.0, repite tus evaluaciones antes de actualizar y pide la lista de subencargados al firmar.
Cómo proteger Jev: pon un AI Gateway delante
El veredicto de Jev depende de entradas no fiables y del código que actúa sobre él. Jev solo devuelve una respuesta tipada, así que los controles que importan viven en tu propio stack. El sitio natural es un LLM o AI Gateway entre tu software y la API.
Antes de la llamada. El gateway guarda la clave de API en lugar de cada servicio, aplica políticas y límites de tasa y oculta los datos personales del state antes de que salgan de tu red. Una comprobación del contenido que construye ese estado puede detectar instrucciones inyectadas y falsas aprobaciones, el ataque de las pruebas citadas.
Después de la llamada. Registra el estado enviado, las preguntas, la versión del modelo y la respuesta, porque Jev no devuelve explicación. En tu código, envía los veredictos de baja confianza o de alto impacto a reglas deterministas y aprobación humana, para que un "allow" envenenado nunca se convierta en acción por sí solo.
Antes de salir a producción. Prueba inyección, alegaciones de autoridad y orden de opciones en tus propios flujos y fija umbrales con tus resultados, no con cifras del proveedor. Repite las pruebas cada vez que dejes la versión fijada jev-1.13.0.
Un AI Gateway como el Agent Gateway (TrustGate) de NeuralTrust es el tipo de capa de control que necesita este patrón. Como la API de System One es muy reciente, confirma que tu gateway la soporta antes de desplegar. Más sobre la AI Gateway y nuestra guía de seguridad de agentes de IA. Siguiendo a OWASP (OWASP, 2025), deja que Jev ordene, enrute y marque, y que las reglas deterministas y las personas aprueben todo lo irreversible.
¿Qué elegir: Jev o un agente LLM?
Elige Jev para decisiones acotadas y masivas donde mandan la velocidad y el coste y un error es recuperable. Elige un agente LLM si hay razonamiento, herramientas o explicaciones. Para acciones irreversibles, ninguno basta: añade política determinista y aprobación humana.
| Si tu carga de trabajo es... | Elige | Por qué |
|---|---|---|
| Enrutar tickets, alertas o correos a colas fijas | Jev | Los casos de baja confianza van a una persona |
| Puntuar contenido con una rúbrica, como moderación | Jev, con tu conjunto de calibración | Rápido y barato; calibra con tus etiquetas |
| Un bucle en tiempo real, en menos de un segundo | Jev | 70 a 500 ms según el proveedor; verifícalo |
| Controlar un comando destructivo o un pago | Ninguno en solitario | Una inyección publicada redujo una probabilidad de bloqueo |
| Trabajo multipaso que lee la web, escribe código o usa herramientas | Agente LLM tras un gateway | Jev ni usa herramientas ni produce texto |
| Una decisión que necesita una justificación escrita | Agente LLM o una persona | Jev no devuelve explicación |
| Imágenes, audio o datos de salud regulados | LLM, o ninguno hasta verificarlo | Jev solo admite texto; un índice no recoge ningún BAA |
Los veredictos son nuestra lectura de las fuentes.
Un patrón habitual los combina: Jev enruta y un modelo de razonamiento o una persona gestiona lo incierto. Para comparar asistentes, consulta Claude vs ChatGPT (2026): Benchmarks, Pricing & Verdict.
Conclusión
El modelo Jev TypeSafe AI es una herramienta creíble para decisiones estructuradas, rápidas y baratas, y un mal encaje para lo que exige razonamiento, herramientas o explicaciones. Su velocidad es la que comunica el proveedor, su precisión queda por detrás de los modelos de frontera en pruebas de terceros y el contenido inyectado mueve sus veredictos. Adóptalo como señal dentro de software determinista, fija la versión y pruébalo tú.
Protege agentes LLM y flujos multimodelo en producción con NeuralTrust
Aplica una capa de políticas, registro y pruebas a los modelos y agentes que llame tu software.
)
Comparativas relacionadas
- GPT-6 Astra: Security Implications for CISOs
- Claude Opus 5.5 Enterprise Security: Safeguards & Gaps
- Claude vs ChatGPT (2026): Benchmarks, Pricing & Verdict
Preguntas frecuentes sobre Jev TypeSafe AI
1. ¿Qué es Jev by TypeSafe AI?
Jev es un modelo System One de TypeSafe AI, lanzado el 15 de septiembre de 2026. Evalúa un estado en texto o JSON y devuelve respuestas tipadas (Choice, Score o Noul) con probabilidades y confianza, sin texto, código ni explicaciones (docs de TypeSafe AI, 2026).
2. ¿Cuánto cuesta Jev?
TypeSafe AI fija 0,042 $ por millón de tokens de entrada, o 42 $ por mil millones, con tokens de salida gratuitos. No hemos hallado tarifa para empresas ni SLA publicados (docs de TypeSafe AI, 2026).
3. ¿Es Jev inmune a la inyección de prompts?
No. La página de limitaciones de TypeSafe AI admite que el contenido adversarial puede mover la respuesta, y VentureBeat recogió una nota falsa que bajó una probabilidad de bloqueo de 0,76 a 0,48 en un comando destructivo. Mantén comprobaciones deterministas y aprobación humana en acciones de riesgo (VentureBeat, 2026).
4. ¿TypeSafe AI entrena con mis datos?
Su política de privacidad dice que no entrenará ni ajustará modelos con tus prompts. La conservación dura "el tiempo razonablemente necesario", con retención cero para empresas vía ventas (política de privacidad de TypeSafe AI, 19 de noviembre de 2025).
5. ¿Tiene Jev SOC 2 y dónde procesa los datos?
No hemos confirmado ninguna certificación en los documentos de TypeSafe AI. Vendor Trust Index recoge un SOC 2 Type II a 19 de septiembre de 2026, así que pide el informe. Los servicios están en Estados Unidos, sin región elegible (Vendor Trust Index, 2026).
6. ¿Cuándo usar Jev en lugar de un agente LLM?
Usa Jev para decisiones acotadas y masivas, como enrutar, puntuar o filtrar, donde un error es recuperable y la baja confianza pasa a una persona. Usa un agente LLM para razonamiento multipaso, herramientas y explicaciones, con controles deterministas alrededor de ambos (docs de TypeSafe AI, 2026).
Sobre el autor
Roger Howroyd es Head of Global SEO and AI en NeuralTrust, donde lidera la estrategia de búsqueda de la compañía en SEO, AEO, GEO y optimización para LLM. Está especializado en búsqueda con IA, estrategia de contenidos y SEM. Conecta en LinkedIn.
NeuralTrust es la plataforma líder para proteger y escalar agentes de IA. Reconocida como Pioneer en el Gartner Emerging Market Quadrant for AI Application Security 2026, con presencia en cuatro informes Gartner Hype Cycle en 2026, y destacada en la Gartner Market Guide for Guardian Agents 2026, la Gartner Market Guide for AI Gateways 2025 y el KuppingerCole Leadership Compass for Generative AI Defense 2025. Con sede en Barcelona y oficinas en Londres y Nueva York. Certificada ISO 27001.
Fuentes
- TypeSafe AI docs, Models, pricing and limits, consultado 5 oct 2026.
- TypeSafe AI, Introducing System One models and Jev, 15 sept 2026.
- DEV Community, Jev after eight days of independent tests, 24 sept 2026.
- VentureBeat, Companies are putting Jev in charge of AI agent decisions, 21 sept 2026.
- TypeSafe AI docs, Jev with coding agents, consultado 5 oct 2026.
- TypeSafe AI, Data Processing Addendum, actualizado el 24 abr 2026.
- OWASP, LLM01:2025 Prompt Injection, 2025.
- Vendor Trust Index, Jev security and compliance profile, fecha de la puntuación: 30 sept 2026.
- TypeSafe AI docs, System One models, consultado 5 oct 2026.
- TypeSafe AI docs, How to build with System One, consultado 5 oct 2026.