Hva er Jev? TypeSafes System One-modell i produksjon

Hva er Jev? Det er TypeSafes første «System One»-modell, og den skriver ikke tekst. Du gir den en tilstand og et typet spørsmål, og den svarer med et valg, sannsynligheter og en confidence-score. Vi satte den i produksjon foran AI-søket på vår egen nettside i september 2026, og denne artikkelen er tallene vi målte — ikke en oversettelse av lanseringsbloggen.

Hva er Jev, kort fortalt

Hva er Jev i én setning: en beslutningsmodell som tar imot ustrukturert tilstand og returnerer en typet, sannsynlighetsvektet avgjørelse.

Vanlige språkmodeller er bygget for å produsere tekst et menneske skal lese. Når du trenger en vurdering som koden din skal bruke, oppstår et misforhold: du presser et tekstgenererende system til å skrive ut noe strukturert, og parser deg tilbake til en verdi du kan stole på. Jev hopper over det mellomleddet. Den gir opp tekstgenerering, og til gjengjeld kan den ikke hallusinere et svar utenfor alternativene du har definert.

TypeSafe oppgir at modellen er opptil to størrelsesordener raskere og billigere enn konvensjonelle språkmodeller på denne typen oppgaver (TypeSafe AI). Den er tilgjengelig via blant annet Vercel AI Gateway og Cloudflare.

System One-modell versus språkmodell

Navnet spiller på Kahnemans skille mellom rask, intuitiv tenkning og langsom, resonnerende tenkning. En System One-modell gjør det første: den tar den raske avgjørelsen, og overlater resonneringen og formuleringen til noe annet.

	System One-modell (Jev)	Språkmodell (LLM)
Output	Valg + sannsynligheter + confidence	Tekst
Hallusinasjon	Umulig utenfor definerte alternativer	Mulig
Typisk latens	Titalls til hundretalls millisekunder	Sekunder
Kostnad	~$0,04 per 1M input-tokens	Ofte 10–100× høyere
Egnet til	Ruting, triage, klassifisering, gating	Svar, sammendrag, samtale

Det er ikke enten–eller. Hos oss sitter Jev foran språkmodellen og bestemmer hvilken vei spørsmålet skal gå. Modellen som svarer kunden er fortsatt en vanlig språkmodell — se hva Claude AI er for den andre halvdelen av stacken.

Slik bruker vi Jev i produksjon på nettsmed.no

«Spør KI» på nettsmed.no kjørte semantisk søk mot hele nettstedet på hver eneste tur — også når spørsmålet var så enkelt at systemprompten allerede holdt svaret. Det kostet latens og tokens uten å gjøre svaret bedre.

Nå gjør Jev ett evaluate-kall per brukertur, før retrieval og før språkmodellen, og velger mellom tre ruter:

• prompt_only — svar direkte, hopp over søk i nettstedet
• semantic_search — hent kontekst fra nettstedet først
• ask_clarify — still ett oppklarende spørsmål

En probe mot produksjon 20. september 2026 ga dette:

HTTP/2 200
x-jev-route: prompt_only
x-jev-gated: 0
x-jev-latency-ms: 478Code language: HTTP (http)

478 millisekunder for avgjørelsen, og turen slapp et semantisk søk den ikke trengte.

To detaljer som kostet oss tid, og som du sparer ved å lese dem her. For det første: kallet går som rå POST /v1/evaluate mot Vercel AI Gateway, ikke via experimental_evaluate i AI SDK. Den funksjonen krever AI SDK 7, og appen vår står på ai@6. For det andre: hele ruteren ligger bak et feature-flagg, og enhver feil — manglende nøkkel, 429, timeout eller ugyldig payload — faller stille tilbake til den gamle pipelinen. En ruter som tar ned chatten når leverandøren har et dårlig minutt, er verre enn ingen ruter.

Confidence-gaten vi måtte legge inn

Åtte av åtte ekte spørsmål rutet riktig i smoke-testen. Det niende var det interessante.

Spørsmålet handlet om GDPR. Jev ga prompt_only 0,55, semantic_search 0,44 — og confidence 0,32. Modellen var i praksis i tvil, men råvalget pekte på «svar direkte». Hadde vi stolt på det, ville chatten svart om personvern uten å slå opp i noe.

Regelen vi la inn: er confidence under 0,5, ikke stol på prompt_only. Er sannsynligheten for semantic_search da minst 0,3, søk. Ellers still et oppklarende spørsmål. Det er ikke en regel vi fant i dokumentasjonen — den kom fra det ene spørsmålet modellen var usikker på.

Dette er samme grep som da vi gjorde et medlemsregister tilgjengelig for AI: gjør oppslaget billig og strukturert i stedet for å la språkmodellen gjette seg frem. Der gikk vi fra fem verktøykall til ett etter at svaret ble slanket fra 290 kB til 11 kB.

Hva Jev ikke kan

Anti-hype først, slik vi også gjør i artikkelen om begrensningene ved AI-agenter:

• Den skriver ikke tekst. Trenger du et svar til et menneske, trenger du fortsatt en språkmodell i tillegg.
• Den er bare så god som alternativene du definerer. Feil valgsett gir feil beslutning, raskt og selvsikkert.
• Confidence er ikke sannhet. Den er et signal du må bygge en regel rundt, slik vi måtte.
• Den fjerner ikke behovet for fallback. Nettverk, kvoter og timeouts finnes fortsatt.
• Den er fersk. Modellen ble lansert i september 2026. Ikke sett den i en kritisk sti uten et flagg du kan slå av.

Fire bruksområder der en System One-modell er riktig verktøy

1. Retrieval-gating. Skal spørsmålet utløse et søk i kunnskapsbasen, eller holder konteksten du allerede har? Det er vårt eget bruksområde, og det som ga tydeligst effekt.
2. Modellruting. Send enkle forespørsler til en billig modell og kompliserte til en dyr. Beslutningen koster brøkdelen av forskjellen mellom modellene.
3. Henvendelses- og support-triage. Skal denne e-posten besvares automatisk, eskaleres til et menneske, eller vente? Dette er nabolaget til AI-chatbot på nettsiden, men på innkommende henvendelser i stedet for samtale.
4. Klassifisering i CRM og saksflyt. Hvilken kategori, hvilken eier, hvilken prioritet. Typede valg med sannsynligheter er lettere å revidere i ettertid enn fritekst en språkmodell skrev.

Fellesnevneren: en avgjørelse koden din skal handle på, med et endelig sett alternativer. Er det en tekst et menneske skal lese, er det feil verktøy.

GDPR og databehandling

For norske virksomheter er dette ofte det avgjørende spørsmålet, ikke latensen.

Vårt oppsett kaller Gateway med only: [«typesafe-ai»] og zero data retention, slik at forespørselen ikke rutes til andre leverandører og ikke lagres. Det som sendes er det ekstraherte spørsmålet — ikke hele samtalen, ikke sidekonteksten, og ingen nøkler. Selve spørsmålet, side-URL-en og API-nøkkelen logges ikke.

Det gjør ikke vurderingen for deg. Du trenger fortsatt et rettslig grunnlag, en oversikt over hvor dataene går, og en databehandleravtale som faktisk dekker leddet. Vi har skrevet om dette i GDPR for AI-agenter, og prinsippene gjelder uendret for en beslutningsmodell.

Er Jev verdt å teste for din bedrift?

Kort svar: hvis du allerede har en AI-funksjon i drift og kjenner igjen «vi kjører dyre operasjoner på spørsmål som ikke trenger dem», ja. Hvis du ikke har noe i produksjon ennå, er dette ikke stedet å begynne — begynn med selve funksjonen, og optimaliser når du har trafikk å måle på.

Vi bygde vår egen ruter på under en dag fordi vi allerede hadde chatten, loggingen og et feature-flagg på plass. Det er den rekkefølgen som gjør det billig.

Skal du vurdere det samme for din virksomhet, tar vi gjerne praten — se AI-konsulent eller ta kontakt.

Ofte stilte spørsmål