Qu'est-ce que TypeSafe AI ? L'entreprise derrière les modèles Jev et System One

TypeSafe AI est un laboratoire d'IA de San Francisco qui conçoit des modèles destinés à prendre des décisions au sein des logiciels, et non à converser avec les gens. Son premier modèle public, Jev, est arrivé sur Vercel AI Gateway le 16 septembre 2026, c'est pourquoi son nom a commencé à apparaître cette semaine dans les journaux de modifications (changelogs) et les flux de développeurs.

Si vous avez vu « System One Models » et vous êtes demandé s'il s'agissait d'une nouvelle famille de modèles, d'une nouvelle forme d'API ou de marketing, ce guide y répond. Vous apprendrez qui est TypeSafe AI, ce que fait un modèle System One, comment Jev diffère des LLM que vous utilisez déjà, comment obtenir une clé API et la tarification, et comment envoyer votre première requête depuis Apidog.

Une clarification d'emblée : TypeSafe AI n'a aucun lien avec Typesafe, la société Scala devenue Lightbend, et le modèle Jev n'est pas lié au YouTuber FaZe Jev ni au vaccin JEV.

Qui est TypeSafe AI

L'entreprise se décrit sur typesafe.ai comme « un laboratoire d'IA construisant une infrastructure d'intelligence native aux machines pour l'automatisation, conçue pour prendre des décisions au sein des logiciels. » Le slogan est « Machine-Native Intelligence », et le pied de page indique « Fabriqué à SF ».

Le manifeste explique la démarche. Les modèles actuels sont « entraînés pour être un assistant utile, éloquent et agréable », ce qui maintient un être humain dans la boucle par conception. TypeSafe appelle cela un problème de « voiture sans chevaux » : une nouvelle technologie forcée dans une ancienne forme. Sa solution est une « IA composable native aux machines », un modèle que vous appelez comme une base de données ou une fonction, qui permet au code de « se ramifier en fonction du bon sens, de la compréhension et de l'intention » de la même manière qu'il se ramifie déjà en fonction des booléens.

Qu'est-ce qu'un « Modèle System One »

TypeSafe a inventé cette catégorie dans son article de lancement. Un Modèle System One est « conçu pour prendre des décisions rapides et structurées que les logiciels peuvent utiliser directement. » Le nom est emprunté au mode de pensée rapide et intuitif « Système 1 » : des jugements rapides, et non un raisonnement en plusieurs étapes.

Trois choix de conception définissent la catégorie :

• Décisions typées en sortie, pas de texte. Le modèle renvoie une probabilité, un choix avec une distribution, ou un score. Il ne renvoie jamais de paragraphe.
• Probabilités calibrées. Les modèles sont entraînés avec une méthode que TypeSafe appelle Apprentissage par Renforcement pour les Décisions Calibrées (RLCD), qui optimise des « probabilités épistémiquement honnêtes » au lieu de la préférence humaine ou d'une récompense vérifiable.
• Pas de génération de chaînes de caractères. L'article est direct : « Jev renonce à la génération de chaînes de caractères. » Comme il ne compose jamais de texte libre, TypeSafe affirme qu'il « ne peut pas halluciner. » Lisez attentivement. Jev peut toujours se tromper, mais une mauvaise réponse se manifeste comme une probabilité mal calibrée, et non comme un fait inventé ou une URL fabriquée.

L'article de lancement présente Jev comme « un appel de fonction d'intelligence de pointe : état non structuré en entrée, décisions probabilistes typées en sortie. » C'est le résumé le plus clair en une ligne de toute la catégorie.

La ligne de latence correspond au propre banc d'essai de TypeSafe, et non à une mesure indépendante. L'entreprise affirme également que Jev était « jusqu'à 193,6 fois plus rapide et 444,6 fois moins cher que les LLM » lors de ses évaluations de flux de travail. Prévoyez un petit test de votre cru avant de répéter ces chiffres.

Ce que fait Jev

Jev est le premier modèle public System One de TypeSafe. Selon la page des modèles, l'alias jev-latest correspond à jev-1.13.0, et jev-preview pointe actuellement vers la même version. Les alias changent lors des nouvelles versions, donc si vous ajustez les seuils par rapport à une version, épinglez l'identifiant versionné.

Chaque requête répond à une ou plusieurs questions concernant un state partagé. Il existe trois types de questions, que TypeSafe appelle des primitives :

Noul est une décision oui/non. Vous obtenez une seule probabilité en retour.

{ "type": "noul", "noul": 0.92 }

Choix sélectionne une option parmi un ensemble nommé. Vous fournissez une carte `criteria` des noms d'options aux descriptions et obtenez le choix sélectionné, une probabilité pour chaque option, et une confiance globale. Jev prend en charge jusqu'à 255 options dans un seul choix.

{
  "type": "choice",
  "choice": "technical",
  "probabilities": { "billing": 0.08, "technical": 0.85, "sales": 0.07 },
  "confidence": 0.82
}

Score évalue l'état sur une échelle ordonnée de 2 à 10 niveaux. La réponse est un score interpolé plus une légende et une probabilité par échelon.

{
  "type": "score",
  "score": 1.6,
  "legend": { "0": "Calm", "1": "Frustrated", "2": "Very angry" },
  "probabilities": { "0": 0.05, "1": 0.3, "2": 0.65 },
  "confidence": 0.78
}

Limites de la documentation : texte seulement (pas d'entrée d'image, d'audio ou de vidéo), 64k jetons par requête, et 32k jetons pour le state plus la question la plus longue. Le champ state accepte « une chaîne de caractères simple pour le texte, ou des données structurées (objet/tableau) pour des éléments tels que les journaux de discussion, les enregistrements ou l'état actuel de votre application », vous pouvez donc passer un enregistrement JSON sans le sérialiser au préalable.

Pour une exploration plus approfondie du modèle lui-même, consultez ce qu'est Jev et comment il fonctionne.

En quoi Jev diffère d'un fournisseur de LLM

L'erreur la plus facile est de classer TypeSafe aux côtés d'OpenAI ou d'Anthropic. Il ne rivalise pas sur le même axe.

Un fournisseur de LLM vend de la génération. Même les sorties structurées d'OpenAI fonctionnent en contraignant une chaîne générée à un schéma JSON ; le modèle écrit toujours des jetons, et le schéma maintient la forme valide. Jev ignore la génération. Il note les options que vous lui avez données et renvoie la distribution. Il n'y a pas de flux de jetons à analyser, pas de JSON à réparer, et pas de texte de refus « désolé, je ne peux pas ».

Cela fait de Jev un complément à votre LLM, pas un remplacement. Les tâches auxquelles il convient :

• Acheminer un ticket, un message ou une charge utile de webhook vers le bon gestionnaire
• Filtrer la prochaine action d'un agent (« Cet appel d'outil est-il sûr à exécuter ? »)
• Vérifier la réponse d'un LLM par rapport à une grille avant de la retourner
• Évaluer la qualité, l'urgence ou le sentiment pour les tableaux de bord et les alertes
• Classifier des enregistrements en vrac lorsque le coût par appel est important

Dans une pile API, Jev se situe à la même couche qu'une fonction de validation ou un contrôle de bascule fonctionnelle : un appel rapide et bon marché dont le résultat détermine la branche de votre code.

Comment obtenir l'accès

Il y a trois voies, et aucune ne nécessite une interface de chat.

Console et API directe. Créez une clé sur console.typesafe.ai sous Paramètres, puis appelez le point de terminaison documenté dans la référence API :

curl -X POST https://api.typesafe.ai/v1/systemone \
  -H "Authorization: Bearer $TYPESAFE_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "jev-latest",
    "state": "Help! My payouts have been failing for 3 days.",
    "questions": {
      "is_urgent": { "type": "noul", "instructions": "Does this convey urgency?" }
    }
  }'

La réponse reflète la requête : un objet `answers` indexé par les noms de vos questions, plus le `usage` avec les décomptes de jetons d'entrée et de sortie.

SDKs. TypeSafe publie un package Python (typesafe-sdk) et un SDK JavaScript qui encapsulent le même point de terminaison.

Vercel AI Gateway. Depuis le journal de modifications du 16 septembre, Jev est disponible sous le nom typesafe-ai/jev via la fonction experimental_evaluate dans l'AI SDK 7.0.105 et versions ultérieures. La documentation d'évaluation de Vercel précise que cette modalité est réservée à l'AI SDK ; elle n'est pas exposée via les points de terminaison compatibles OpenAI ou Anthropic. Si vous acheminez déjà des modèles via le Vercel AI SDK, Jev s'intègre avec la même clé de passerelle, et vous pouvez définir des options de rétention de données nulle et de non-entraînement par requête via providerOptions.gateway. L'utilisation des jetons est signalée par requête et facturée aux tarifs du modèle.

Tarification et limites de débit

La tarification est un chiffre unique. Les jetons d'entrée coûtent 0,042 $ par million (TypeSafe l'écrit aussi 42 $ par milliard). Les jetons de sortie sont gratuits, ce que l'article de lancement décrit comme « trop bon marché pour être mesuré ».

Les limites de débit sur la page des modèles sont de 250 000 jetons par seconde et 1 200 requêtes par minute, avec une note précisant qu'elles s'ajustent dynamiquement. Quatre codes d'erreur sont importants :

Testez votre première requête Jev dans Apidog

Avant d'intégrer Jev dans un routeur ou une boucle d'agent, exécutez-le comme une simple requête HTTP et vérifiez le résultat. Cela prend environ deux minutes dans Apidog.

1. Créez un projet et ouvrez le panneau d'environnement. Ajoutez une variable nommée TYPESAFE_API_KEY, marquez-la comme variable secrète afin que la valeur soit masquée dans l'interface utilisateur et ne se retrouve jamais dans les collections exportées, puis collez votre clé depuis la console.
2. Créez une requête POST vers https://api.typesafe.ai/v1/systemone. Ajoutez un en-tête Authorization: Bearer {{TYPESAFE_API_KEY}}. Apidog remplit la variable au moment de l'envoi.
3. Collez le corps JSON de l'exemple curl ci-dessus et envoyez. Vous devriez voir answers.is_urgent.noul proche de 0,9.
4. Ouvrez l'onglet post-processeur et ajoutez une assertion : JSONPath $.answers.is_urgent.noul, condition supérieure à 0.8. Désormais, la requête échoue bruyamment si la confiance du modèle dérive.
5. Dupliquez la requête, remplacez "model": "jev-latest" par "jev-1.13.0", et sauvegardez les deux dans un scénario de test. Exécutez-le selon un calendrier ou en CI. Lorsque l'alias passe à une nouvelle version, la requête épinglée et la requête d'alias divergent, et votre assertion le détecte avant que la production ne le fasse.

Le même scénario sert également de vérification de calibration. Alimentez-le avec dix états que vous avez étiquetés manuellement, affirmez chaque probabilité, et vous disposez d'une suite de régression pour un modèle de décision, construite sans écrire de harnais de test. Téléchargez Apidog pour suivre ; le plan gratuit couvre ce flux de travail pour les équipes de quatre personnes maximum.

FAQ

TypeSafe AI est-elle la même entité que Typesafe, la société Scala ? Non. Typesafe Inc. était la société Akka et Play Framework, renommée Lightbend en 2016. TypeSafe AI est un laboratoire distinct de San Francisco fondé autour de l'idée des Modèles System One, sans produits ou personnes partagés répertoriés de part et d'autre.

Jev remplace-t-il mon LLM ? Non. Jev ne génère pas de texte, de code ou de résumés. Gardez votre LLM pour ces tâches et placez Jev devant ou derrière lui comme routeur, filtre ou vérificateur. L'exploration approfondie de Jev couvre des schémas concrets pour associer les deux.

Ai-je besoin de Vercel pour utiliser Jev ? Non. L'API directe fonctionne avec une clé de la console TypeSafe. Vercel AI Gateway est une commodité si vous utilisez déjà le SDK AI et souhaitez une seule clé et une seule facture pour tous les fournisseurs.

Jev peut-il halluciner ? C'est ce qu'affirme TypeSafe, et c'est vrai dans le sens étroit où Jev ne peut pas inventer de texte car il n'en émet jamais. Il peut néanmoins être trop confiant sur une entrée en dehors de sa distribution d'entraînement. Appliquez un seuil sur la confidence et testez sur vos propres données étiquetées avant de faire confiance à un score en production.

Qui finance TypeSafe AI ? La page de l'équipe mentionne « des investisseurs de premier plan » et rien de plus. Aucune page officielle ne les nomme ni n'indique de montant, donc tout chiffre que vous lisez ailleurs n'est pas vérifié.