Apa Itu TypeSafe AI? Perusahaan di Balik Model Jev dan System One

TypeSafe AI adalah lab AI di San Francisco yang membangun model untuk membuat keputusan di dalam perangkat lunak, bukan untuk mengobrol dengan orang. Model publik pertamanya, Jev, diluncurkan di Vercel AI Gateway pada 16 September 2026, itulah sebabnya namanya mulai muncul di catatan perubahan (changelogs) dan umpan pengembang (developer feeds) minggu ini.

Jika Anda pernah melihat "System One Models" dan bertanya-tanya apakah itu keluarga model baru, bentuk API baru, atau pemasaran, panduan ini akan menjawabnya. Anda akan mempelajari siapa TypeSafe AI, apa yang dilakukan Model Sistem Satu, bagaimana Jev berbeda dari LLM yang sudah Anda gunakan, cara mendapatkan kunci API dan harga, serta cara mengirim permintaan pertama Anda dari Apidog.

Satu klarifikasi di awal: TypeSafe AI tidak memiliki hubungan dengan Typesafe, perusahaan Scala yang kemudian menjadi Lightbend, dan model Jev tidak terkait dengan YouTuber FaZe Jev atau vaksin JEV.

Siapa TypeSafe AI

Perusahaan ini mendeskripsikan dirinya di typesafe.ai sebagai "laboratorium AI yang membangun infrastruktur kecerdasan asli mesin untuk otomatisasi, yang dirancang untuk membuat keputusan dalam perangkat lunak." Slogannya adalah "Machine-Native Intelligence," dan footer-nya bertuliskan "Made in SF."

Manifesto menjelaskan taruhannya. Model saat ini "dilatih untuk menjadi asisten yang membantu, fasih, menyenangkan," yang secara desain melibatkan manusia. TypeSafe menyebut ini sebagai masalah "kereta tanpa kuda": teknologi baru dipaksa masuk ke bentuk lama. Jawabannya adalah "AI yang dapat digabungkan secara asli mesin," sebuah model yang Anda panggil seperti basis data atau fungsi, yang memungkinkan kode "membuat cabang berdasarkan akal sehat, pemahaman, dan niat" seperti halnya kode membuat cabang berdasarkan boolean.

Apa itu “System One Model”

TypeSafe menciptakan kategori ini dalam pos peluncurannya. Model Sistem Satu "dibangun untuk membuat keputusan yang cepat dan terstruktur yang dapat langsung digunakan oleh perangkat lunak." Nama ini diambil dari mode berpikir "Sistem 1" yang cepat dan intuitif: penilaian cepat, bukan penalaran multi-langkah.

Tiga pilihan desain mendefinisikan kategori ini:

• Keputusan bertipe keluar, bukan teks. Model mengembalikan probabilitas, pilihan dengan distribusi, atau skor. Model tidak pernah mengembalikan paragraf.
• Probabilitas terkalibrasi. Model dilatih dengan metode yang disebut TypeSafe Reinforcement Learning for Calibrated Decisions (RLCD), yang mengoptimalkan "probabilitas jujur secara epistemik" daripada preferensi manusia atau imbalan yang dapat diverifikasi.
• Tidak ada pembuatan string. Pos itu blak-blakan: "Jev menyerah pada pembuatan string." Karena Jev tidak pernah menyusun teks bebas, TypeSafe mengklaim Jev "tidak dapat berhalusinasi." Bacalah itu dengan cermat. Jev masih bisa salah, tetapi jawaban yang salah muncul sebagai probabilitas yang salah kalibrasi, bukan sebagai fakta yang dibuat-buat atau URL palsu.

Pos peluncuran menggambarkan Jev sebagai "panggilan fungsi intelijen perbatasan: status tidak terstruktur masuk, keputusan probabilistik bertipe keluar." Itu adalah ringkasan satu baris terbersih dari seluruh kategori.

Baris latensi adalah tolok ukur TypeSafe sendiri, bukan pengukuran independen. Perusahaan ini juga mengklaim Jev "hingga 193.6x lebih cepat dan 444.6x lebih murah daripada LLM" dalam evaluasi alur kerjanya. Rencanakan pengujian kecil Anda sendiri sebelum Anda mengulang angka-angka tersebut.

Apa yang dilakukan Jev

Jev adalah Model Sistem Satu publik pertama dari TypeSafe. Menurut halaman model, alias jev-latest merujuk ke jev-1.13.0, dan jev-preview saat ini menunjuk ke build yang sama. Alias bergerak pada rilis baru, jadi jika Anda menyetel ambang batas terhadap satu versi, sematkan id versi tersebut.

Setiap permintaan menjawab satu atau lebih pertanyaan tentang state yang dibagikan. Ada tiga jenis pertanyaan, yang disebut TypeSafe sebagai primitif:

Noul adalah keputusan ya/tidak. Anda mendapatkan kembali probabilitas tunggal.

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

Choice memilih satu opsi dari kumpulan nama. Anda memberikan peta criteria dari nama opsi ke deskripsi dan mendapatkan pilihan yang dipilih, probabilitas untuk setiap opsi, dan kepercayaan keseluruhan. Jev mendukung hingga 255 opsi dalam satu pilihan.

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

Score menilai keadaan sepanjang skala berurutan 2 hingga 10 tingkat. Jawabannya adalah skor yang diinterpolasi ditambah legenda dan probabilitas per tingkat.

{
  "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
}

Batasan dari dokumen: hanya teks (tanpa input gambar, audio, atau video), 64 ribu token per permintaan, dan 32 ribu token untuk state ditambah pertanyaan terpanjang. Bidang state mengambil "string biasa untuk teks, atau data terstruktur (objek/array) untuk hal-hal seperti log obrolan, catatan, atau status aplikasi Anda saat ini," sehingga Anda dapat melewati rekaman JSON tanpa melakukan serialisasi terlebih dahulu.

Untuk penelusuran lebih mendalam tentang model itu sendiri, lihat apa itu Jev dan bagaimana cara kerjanya.

Bagaimana Jev berbeda dari vendor LLM

Kesalahan termudah adalah menempatkan TypeSafe di samping OpenAI atau Anthropic. Mereka tidak bersaing pada sumbu yang sama.

Vendor LLM menjual generasi. Bahkan output terstruktur OpenAI berfungsi dengan membatasi string yang dihasilkan ke skema JSON; model masih menulis token, dan skema menjaga bentuk tetap valid. Jev melewati generasi. Jev menilai opsi yang Anda berikan dan mengembalikan distribusinya. Tidak ada aliran token untuk diurai, tidak ada JSON untuk diperbaiki, dan tidak ada teks penolakan "maaf, saya tidak bisa".

Itu membuat Jev menjadi pelengkap LLM Anda, bukan pengganti. Pekerjaan yang cocok:

• Merutekan tiket, pesan, atau payload webhook ke penangan yang tepat
• Mengamankan tindakan agen berikutnya ("Apakah panggilan alat ini aman untuk dijalankan?")
• Memverifikasi jawaban LLM terhadap rubrik sebelum Anda mengembalikannya
• Menilai kualitas, urgensi, atau sentimen untuk dasbor dan peringatan
• Mengklasifikasikan catatan secara massal di mana biaya per panggilan itu penting

Dalam tumpukan API, Jev berada pada lapisan yang sama dengan fungsi validasi atau pemeriksaan tanda fitur: panggilan cepat dan murah yang hasilnya dapat dicabangkan oleh kode Anda.

Cara mendapatkan akses

Ada tiga pintu, dan tidak ada yang memerlukan antarmuka obrolan.

Konsol dan API langsung. Buat kunci di console.typesafe.ai di bawah Pengaturan, lalu panggil titik akhir yang didokumentasikan di referensi 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?" }
    }
  }'

Respons mencerminkan permintaan: objek answers yang diindeks oleh nama pertanyaan Anda, ditambah usage dengan jumlah token input dan output.

SDK. TypeSafe menerbitkan paket Python (typesafe-sdk) dan SDK JavaScript yang membungkus titik akhir yang sama.

Vercel AI Gateway. Per catatan perubahan 16 September, Jev tersedia sebagai typesafe-ai/jev melalui fungsi experimental_evaluate di AI SDK 7.0.105 dan yang lebih baru. Dokumen evaluasi Vercel secara eksplisit menyatakan bahwa modalitas ini hanya untuk AI SDK; ini tidak terekspos melalui titik akhir yang kompatibel dengan OpenAI atau Anthropic. Jika Anda sudah merutekan model melalui Vercel AI SDK, Jev dapat digunakan dengan kunci gateway yang sama, dan Anda dapat mengatur opsi tanpa penyimpanan data dan tanpa pelatihan per permintaan melalui providerOptions.gateway. Penggunaan token dilaporkan per permintaan dan ditagih sesuai tarif model.

Harga dan batas laju

Harga adalah satu angka. Token input berharga $0.042 per juta (TypeSafe juga menuliskannya sebagai $42 per miliar). Token output gratis, yang digambarkan dalam pos peluncuran sebagai "terlalu murah untuk diukur."

Batas laju pada halaman model adalah 250.000 token per detik dan 1.200 permintaan per menit, dengan catatan bahwa batas tersebut disesuaikan secara dinamis. Empat kode kesalahan penting:

Uji permintaan Jev pertama Anda di Apidog

Sebelum Anda menghubungkan Jev ke router atau loop agen, jalankan sebagai permintaan HTTP biasa dan verifikasi hasilnya. Ini membutuhkan waktu sekitar dua menit di Apidog.

1. Buat proyek dan buka panel lingkungan. Tambahkan variabel bernama TYPESAFE_API_KEY, tandai sebagai variabel rahasia agar nilainya disembunyikan di UI dan tidak pernah berakhir dalam koleksi yang diekspor, lalu tempelkan kunci Anda dari konsol.
2. Buat permintaan POST ke https://api.typesafe.ai/v1/systemone. Tambahkan header Authorization: Bearer {{TYPESAFE_API_KEY}}. Apidog mengisi variabel saat dikirim.
3. Tempelkan body JSON dari contoh curl di atas dan kirim. Anda akan melihat answers.is_urgent.noul mendekati 0.9.
4. Buka tab post-processor dan tambahkan asersi: JSONPath $.answers.is_urgent.noul, kondisi lebih besar dari 0.8. Sekarang permintaan akan gagal secara eksplisit jika kepercayaan model bergeser.
5. Duplikat permintaan, tukar "model": "jev-latest" dengan "jev-1.13.0", dan simpan keduanya dalam skenario pengujian. Jalankan sesuai jadwal atau di CI. Ketika alias bergerak ke rilis baru, permintaan yang di-pin dan permintaan alias akan menyimpang, dan asersi Anda akan mendeteksinya sebelum produksi.

Skenario yang sama berfungsi ganda sebagai pemeriksaan kalibrasi. Berikan sepuluh status yang telah Anda beri label secara manual, verifikasi setiap probabilitas, dan Anda memiliki rangkaian regresi untuk model keputusan, yang dibangun tanpa menulis test harness. Unduh Apidog untuk mengikuti; paket gratis mencakup alur kerja ini untuk tim hingga empat orang.

FAQ

Apakah TypeSafe AI sama dengan Typesafe, perusahaan Scala? Tidak. Typesafe Inc. adalah perusahaan Akka dan Play Framework, yang diganti namanya menjadi Lightbend pada tahun 2016. TypeSafe AI adalah lab San Francisco terpisah yang didirikan berdasarkan ide System One Models, tanpa produk atau orang yang terdaftar di kedua belah pihak.

Apakah Jev menggantikan LLM saya? Tidak. Jev tidak menghasilkan teks, kode, atau ringkasan. Pertahankan LLM Anda untuk pekerjaan-pekerjaan tersebut dan letakkan Jev di depan atau di belakangnya sebagai perute, gerbang, atau pemverifikasi. Penjelasan mendalam tentang Jev membahas pola-pola konkret untuk memasangkan keduanya.

Apakah saya memerlukan Vercel untuk menggunakan Jev? Tidak. API langsung berfungsi dengan kunci dari konsol TypeSafe. Vercel AI Gateway adalah kemudahan jika Anda sudah menggunakan AI SDK dan menginginkan satu kunci dan satu tagihan di semua penyedia.

Bisakah Jev berhalusinasi? Itu klaim TypeSafe, dan itu benar dalam arti sempit bahwa Jev tidak dapat menciptakan teks karena tidak pernah mengeluarkannya. Jev masih bisa terlalu percaya diri pada input di luar distribusi pelatihannya. Tentukan ambang batas pada confidence dan uji pada data berlabel Anda sendiri sebelum Anda mempercayai skor dalam produksi.

Siapa yang mendanai TypeSafe AI? Halaman tim mengatakan "investor top-tier" dan tidak lebih. Tidak ada halaman resmi yang menyebutkan nama atau jumlahnya, jadi angka apa pun yang Anda baca di tempat lain tidak terverifikasi.