# Jev non scrive testi: decide. Il co-autore di ChatGPT scommette che l’AI in azienda non ha bisogno di parlare

- Link: https://www.melamorsicata.it/2026/09/18/modello-jev-typesafe-ai-decisioni/
- Published: 2026-09-18T08:55:00+02:00
- Author: Kiro

Il modello Jev non scrive niente, e non è un modo di dire: non risponde a domande,
non produce testi, non genera codice. Riceve una richiesta scritta in linguaggio
normale e restituisce una decisione — una categoria, un punteggio, o quanto è sicuro
di una risposta — in un tempo dichiarato tra **70 e 500 millisecondi**. A costruirlo
è **TypeSafe AI**, startup uscita dalla modalità silenziosa il **15 settembre 2026**.
Due anni di lavoro lontano dai riflettori e **40 milioni di dollari** raccolti dagli
investitori, con DCVC in testa. Il nome dietro il progetto è quello di **Diogo Almeida**,
ex OpenAI e Google Brain, tra gli autori della ricerca sull’apprendimento con feedback
umano da cui è nata ChatGPT.

La notizia non sta nella velocità. Sta nel problema che il modello Jev di TypeSafe
AI sceglie di affrontare. Non è una questione di conversazione: è una questione 
di _affidabilità dentro il software_. Almeida lo ha detto senza giri di parole: 
il suo modello è «più simile a un database che a un collega di lavoro». Dodici giorni
prima del lancio, sul suo profilo, aveva spiegato il senso dell’operazione con una
frase che vale più di qualunque grafico: _«Addestrando i modelli a servire gli esseri
umani, finiscono per preferire risposte verosimili piuttosto che deluderti»_ (traduzione
redazionale). Ottimizzare per il gradimento umano, sostiene, ha un costo preciso
in affidabilità. Ed è il costo che la sua azienda prova a non pagare.

Indice

 * [Che cosa fa Jev, in concreto](https://www.melamorsicata.it/2026/09/18/modello-jev-typesafe-ai-decisioni/#che-cosa-fa-jev-in-concreto)
 * [I numeri dichiarati, e cosa manca per crederci](https://www.melamorsicata.it/2026/09/18/modello-jev-typesafe-ai-decisioni/#i-numeri-dichiarati-e-cosa-manca-per-crederci)
 * [Il punto vero: non serve un’IA che parli, serve una che decida](https://www.melamorsicata.it/2026/09/18/modello-jev-typesafe-ai-decisioni/#il-punto-vero-non-serve-un-ia-che-parli-serve-una-che-decida)
    - [Chi è Diogo Almeida, in due righe](https://www.melamorsicata.it/2026/09/18/modello-jev-typesafe-ai-decisioni/#chi-è-diogo-almeida-in-due-righe)
 * [Le domande più comuni](https://www.melamorsicata.it/2026/09/18/modello-jev-typesafe-ai-decisioni/#le-domande-più-comuni)
    - [Che cos’è Jev di TypeSafe AI?](https://www.melamorsicata.it/2026/09/18/modello-jev-typesafe-ai-decisioni/#che-cos-è-jev-di-typesafe-ai)
    - [Jev sostituisce ChatGPT?](https://www.melamorsicata.it/2026/09/18/modello-jev-typesafe-ai-decisioni/#jev-sostituisce-chatgpt)
    - [Quanto costa e quanto è veloce?](https://www.melamorsicata.it/2026/09/18/modello-jev-typesafe-ai-decisioni/#quanto-costa-e-quanto-è-veloce)
    - [Si può provare oggi?](https://www.melamorsicata.it/2026/09/18/modello-jev-typesafe-ai-decisioni/#si-può-provare-oggi)

![Il logo di TypeSafe AI, la startup che ha creato il modello Jev](https://www.melamorsicata.
it/wp-content/uploads/2026/09/jev_hero_1600x874-1024x559.jpg "Jev non scrive testi:
decide. Il co-autore di ChatGPT scommette che l'AI in azienda non ha bisogno di 
parlare 1")

Il logo di TypeSafe AI, la startup fondata da Diogo Almeida. Immagine: TypeSafe 
AI.

## Che cosa fa Jev, in concreto

Un modello linguistico normale, messo dentro un’automazione, produce testo e poi
si fa interpretare dal codice. È un passaggio fragile, lento e costoso: si paga 
per token che nessuno leggerà mai. Jev salta il passaggio. Non scrive frasi: sceglie
da una lista di opzioni già stabilite — una categoria, un punteggio, un sì o un 
no. E insieme alla scelta consegna un numero, che dice **quanto è sicuro** di quella
risposta. Il codice può usare quel numero per decidere se fidarsi da solo o passare
la pratica a una persona.

Tradotto in casi reali, significa piazzare dei **giudizi istantanei** dentro i flussi
di lavoro:

 * smistare una richiesta di assistenza tra pagamenti, spedizioni e resi prima che
   un operatore la apra;
 * decidere se una conversazione commerciale è pronta per un preventivo o va tenuta
   in attesa;
 * classificare record, ticket e segnalazioni in grandi volumi senza passare da 
   un modello completo;
 * controllare il testo prodotto da un’altra IA prima che diventi un’azione, per
   esempio verificando che non prometta qualcosa che non esiste a listino;
 * segnalare quando serve un essere umano, invece di decidere da solo.

> «I grandi modelli linguistici sono progettati per produrre testo destinato alla
> lettura umana. Quando un modello deve esprimere un giudizio che userà il tuo codice,
> si crea un disallineamento» (traduzione redazionale), si legge nella documentazione
> di TypeSafe AI.

In parole povere: i modelli normali sono addestrati a parlare con le persone, non
a dare risposte che un programma possa usare così come sono.

Il tema degli agenti che lavorano dentro il software non è nuovo. [OpenAI Codex, l’agente AI per sviluppatori](https://www.melamorsicata.it/2026/02/03/openai-codex-mac-vibecoding-sfida-xcode/),
lo ha portato sui Mac all’inizio dell’anno, ma lì il modello scriveva ancora codice,
cioè testo da interpretare. Qui il principio è lo stesso che i modelli generalisti
usano quando restituiscono risposte già formattate per il codice, portato alle estreme
conseguenze. Non è una tecnologia nuova di zecca: è una **specializzazione spinta**.
La scommessa di TypeSafe è che specializzarsi convenga, invece di usare un modello
enorme per una scelta tra cinque opzioni. Il mercato dovrà dire se ha ragione.

![Grafico ufficiale accuracy vs cost: Jev di TypeSafe AI contro i modelli di OpenAI,
Anthropic e Fireworks](https://www.melamorsicata.it/wp-content/uploads/2026/09/jev_ctx1_1600x874-
1024x559.jpg "Jev non scrive testi: decide. Il co-autore di ChatGPT scommette che
l'AI in azienda non ha bisogno di parlare 2")

Il grafico pubblicato al lancio: accuratezza contro costo su quattro flussi di lavoro.
Immagine: TypeSafe AI.

## I numeri dichiarati, e cosa manca per crederci

I numeri del lancio sono aggressivi. Vanno letti per quello che sono: **dichiarazioni
dell’azienda**, non misure indipendenti.

 * **0,042 dollari** per milione di token in ingresso — un token è all’incirca una
   parola — con l’uscita non fatturata, perché l’uscita non è testo;
 * **20-200 volte più veloce** e **40-400 volte più economico**: due intervalli 
   che l’azienda calcola sui propri confronti interni, non sul listino dei singoli
   modelli;
 * tempi di risposta da **70 a 500 millisecondi**, contro i 3-329 secondi dei modelli
   di frontiera;
 * un metodo di addestramento proprietario, che l’azienda chiama **RLCD**: il modello
   viene corretto tante volte da far coincidere la sua sicurezza con quanto ci azzecca
   davvero.

Il confronto, però, ha due buchi. Il primo: nella tabella non c’è GPT-6 Astra, il
modello più recente di OpenAI — e senza quello il paragone resta incompleto. Il 
secondo buco, quello dell’accesso, è caduto il 20 settembre: TypeSafe ha aperto 
la console a tutti, senza lista d’attesa. Sul prezzo c’è un’ammissione che vale 
più di un grafico: l’azienda non esclude che quei 0,042 dollari siano, per ora, 
in parte pagati da lei. È più onesto di chi giura che i conti tornino. Anche i guadagni
raccontati da chi l’ha provato in anteprima sono veri, ma più piccoli del previsto:
decine di volte più veloce su casi precisi, non centinaia di volte su tutto. La 
sintesi più utile l’ha scritta [The Decoder](https://the-decoder.com/former-openai-researcher-builds-an-ai-model-that-judges-options-instead-of-writing-text/):
rispondere in modo ordinato non basta a distinguersi. Per vincere, Jev dovrà essere
non solo più rapido ed economico, ma **abbastanza accurato**.

## Il punto vero: non serve un’IA che parli, serve una che decida

Il limite dell’automazione nelle aziende non è mai stato la capacità di scrivere
una frase convincente. È la capacità di **decidere in modo ripetibile**, a costi
trascurabili, migliaia di volte al giorno. Quando quel costo crolla, il punto critico
non è più quanto è potente il modello, ma **quanto è affidabile la sua decisione**.

Ed è qui che il claim più fragile merita una precisazione. «Non allucina mai» — 
ripetuto da [Hardware Upgrade](https://www.hwupgrade.it/news/web/il-co-inventore-di-chatgpt-lancia-un-modello-che-non-scrive-jev-risponde-in-70-ms-e-non-allucina-mai_159289.html)
e da altre testate — significa una cosa sola: Jev non può inventare una risposta
fuori dalle opzioni che gli sono state date, perché si muove dentro una lista chiusa.**
Non significa che non possa sbagliare scelta.** In un’automazione, l’errore non 
si presenta come una frase assurda. Si presenta come una pratica instradata al reparto
sbagliato, una priorità mal assegnata, un blocco applicato alla persona sbagliata.
È un errore _silenzioso_, molto più difficile da notare di un testo sbagliato.

C’è poi la conseguenza economica di un prezzo quasi nullo. Se un giudizio costa 
una frazione di centesimo, la tentazione è metterlo ovunque. Più automazione significa
più valore prodotto, ma anche più superficie su cui un modello che sbaglia troppo
spesso può fare danni. Il confronto con [il lancio delle app per ChatGPT](https://www.melamorsicata.it/2025/10/07/openai-chatgpt-apps-sdk-sviluppatori/)
aiuta a misurare la distanza: quelle erano interfacce pensate per conversare con
una persona, questo è un mattone per chi costruisce automazioni. La domanda che 
le aziende si troveranno davanti non sarà «funziona?», ma **«quanto sbaglia, e come
me ne accorgo?»**.

### Chi è Diogo Almeida, in due righe

Ex OpenAI e Google Brain, co-fondatore e amministratore delegato di TypeSafe AI.
Il suo nome compare tra gli autori di **InstructGPT** (2022), il paper che ha descritto
l’addestramento con feedback umano alla base di ChatGPT, e tra i firmatari del rapporto
tecnico di GPT-4. La formula «co-inventore di ChatGPT», usata in molta stampa, è
una semplificazione: sul sito della sua azienda la versione corretta è _«co-invented
RLHF and InstructGPT»_. Con lui, nella startup, ci sono Erik Gafni e Sasha Sheng.

![Diogo Almeida, fondatore e amministratore delegato di TypeSafe AI](https://www.
melamorsicata.it/wp-content/uploads/2026/09/jev_ctx2_1600x874-1024x559.jpg "Jev 
non scrive testi: decide. Il co-autore di ChatGPT scommette che l'AI in azienda 
non ha bisogno di parlare 3")

Diogo Almeida, fondatore e amministratore delegato di TypeSafe AI. Foto: TypeSafe
AI.

## Le domande più comuni

### Che cos’è Jev di TypeSafe AI?

È il primo modello, secondo l’azienda, di una famiglia che TypeSafe chiama **System
One Models**. Riceve testo scritto da una persona e restituisce una scelta già pronta
per il codice — una categoria, un punteggio, un sì o un no — con accanto quanto 
è sicuro di averci azzeccato.

### Jev sostituisce ChatGPT?

No, e lo dice l’azienda stessa. Jev non scrive, non conversa, non produce codice.
Non è un assistente: è un **componente** da incastrare dentro un software. La concorrenza
è con le chiamate ai modelli generalisti usate per compiti di classificazione, non
con un chatbot.

### Quanto costa e quanto è veloce?

Secondo TypeSafe, 0,042 dollari per milione di token in ingresso, uscita non fatturata,
e risposte tra 70 e 500 millisecondi. Sono dati dichiarati, non verificati in modo
indipendente: l’azienda non ha fornito il modo di replicare i propri test.

### Si può provare oggi?

Sì. Dal **20 settembre 2026** Jev è aperto a tutti, senza lista d’attesa, dalla 
[console di TypeSafe AI](https://console.typesafe.ai/login). Ogni account parte 
con **5 dollari di credito**, circa 120 milioni di token. Resta da vedere, sul campo,
quante volte sbaglia decisione.

La prova vera non è un grafico sul sito dell’azienda. È mettere Jev dentro un flusso
di lavoro reale, con le sue eccezioni, e contare quante volte sbaglia decisione.
E quante volte nessuno se ne accorge.

**Update — 21 settembre 2026:** TypeSafe ha aperto Jev a tutti. Niente lista d’attesa:
si entra da [console.typesafe.ai](https://console.typesafe.ai/login).

**Credito di partenza:** ogni account riceve 5 dollari, circa 120 milioni di token.
Al prezzo dichiarato di 0,042 dollari per milione, è un margine enorme per i test.

**Cosa resta da misurare:** la velocità e il prezzo si possono verificare da soli.
L’accuratezza, no: va contata su un flusso di lavoro vero.

### _Correlati_