Jev: AI yang Gak Ngomong, Cuma Kasih Angka Probabilitas
Mantan peneliti OpenAI RLHF bikin Jev, model AI yang gak hasilin teks tapi probabilitas — 5-18x lebih cepat dan puluhan kali lebih murah dari LLM biasa.
Diogo Almeida ikut bikin ChatGPT dan nemuin RLHF, teknik training yang jadi fondasi hampir semua model AI generatif sekarang. Tapi dua tahun lalu dia keluar dari OpenAI karena ngerasa teknologinya sendiri kurang berguna buat automation — dan produk barunya sengaja dibikin biar gak bisa ngomong sama sekali.
Apa yang baru
- Bukan model bahasa: Jev, model dari startup TypeSafe AI besutan Almeida, gak menghasilkan teks — outputnya probabilitas atau "keputusan terkalibrasi" yang batasnya udah ditentuin developer dari awal, jadi secara desain gak bisa hallucinate.
- Token output gratis: karena gak generate teks panjang, output token Jev gratis, dan input token dihitung per miliar, bukan per juta kayak LLM kebanyakan.
- 5-18x lebih cepat di Vercel: tim Vercel ganti classifier keamanan mereka dari ChatGPT Luna 5.6 ke Jev dan dapet hasil 5 sampai 18 kali lebih cepat, dengan akurasi lebih tinggi.
- 10-20x lebih murah dari Gemini: CTO Bryo AI nguji Jev buat klasifikasi email bisnis — akurasinya sedikit di bawah Gemini, tapi biayanya 10 sampai 20 kali lebih murah.
- Demand meledak: minat developer tinggi sampai TypeSafe sempat gak sanggup ngelayanin trafik API-nya sendiri.
Cara kerjanya
Jev itu kayak timbangan badan, bukan personal trainer. Timbangan cuma ngasih satu angka — berat badan kalian — tanpa penjelasan panjang lebar soal diet atau olahraga. Jev juga gitu: dia cuma ngasih angka probabilitas ("95% transaksi ini mencurigakan"), bukan paragraf analisis kayak ChatGPT.
Almeida bilang Jev dilatih 100% pakai data sintetis, lewat teknik yang dia sebut "reinforcement learning from calibrated decisions." Dia masih tutup mulut soal arsitektur persisnya, meski pengamat luar nebak modelnya dibangun di atas LLM open-weight yang udah ada. Perusahaan nyebut Jev sebagai model "System One" — fokus ke intuisi cepat buat satu tugas spesifik, bukan penalaran panjang kayak model reasoning.
Bacaan berguna, sekali seminggu.
Kabar AI penting, konteksnya, dan satu hal yang bisa langsung kalian praktikkan.
Kenapa ini penting
Buat tim kecil atau startup di Indonesia yang mau nambahin intelligence ke produk — klasifikasi tiket support, deteksi fraud, routing chat ke tim yang tepat — biaya biasanya jadi penghalang utama kalau tiap keputusan kecil harus mukul LLM mahal. Model kayak Jev nawarin jalan pintas: kalau tugasnya cuma butuh jawaban ya/tidak atau skor confidence, kalian gak perlu bayar harga model generatif penuh.
Ada satu manfaat tambahan: Jev juga cocok dipasang sebagai pengawas buat agent AI yang udah kalian jalanin — mengecek jejak keputusan agent dan mencegah jailbreak sebelum kebablasan. Ini relevan banget kalau inget kasus agent OpenAI yang nyasar ke Wiki Jerman sebulan tanpa ketahuan — jenis kegagalan diam-diam yang bisa kecium lebih cepat kalau ada lapisan monitoring murah yang jalan terus-menerus, bukan cuma dicek manual sesekali.
Catatan jujurnya: ketersediaan API Jev dari Indonesia belum disebut eksplisit di pengumuman ini, jadi cek dulu aksesnya sebelum nge-plan migrasi workflow production ke sana.
Buat kalian
- Yang harus peduli: kalian yang bikin fitur klasifikasi, validasi, atau monitoring di aplikasi dan udah keberatan sama biaya LLM buat tugas yang sebenernya cuma butuh jawaban ya/tidak — Jev pantas dicoba dulu di skala kecil.
- Yang boleh santai: kalau kerjaan kalian emang butuh generate teks panjang atau percakapan, Jev bukan penggantinya — dia dirancang khusus buat keputusan terukur, bukan nulis.
- Langkah kecil pertama: ambil satu tugas klasifikasi yang sekarang masih kalian tembak pakai LLM mahal — misalnya sortir email masuk atau deteksi spam — dan bandingin akurasi plus biayanya kalau dipindah ke model probabilistik kayak Jev.
Yang bikin cerita Jev penting bukan cuma soal satu model baru, tapi soal paradoks Jevons yang jadi nama modelnya: begitu ongkos kecerdasan turun drastis, orang gak berhenti pakai AI — malah makin banyak nyelipin AI ke tempat-tempat kecil yang dulu gak worth it. Ngerti kapan pakai model mahal dan kapan cukup model murah itu skill yang gw latih bareng murid-murid di kelas gw.
Sumber primer: laporan TechCrunch berdasarkan wawancara dengan Diogo Almeida, pendiri TypeSafe AI (techcrunch.com, 18 September 2026).
Lanjut membaca
Belajar build sistem AI yang bekerja buat kalian
Lihat akademi