Tecnologia · Inteligência artificial
Há quase quatro anos a indústria de inteligência artificial vende a mesma promessa: modelos cada vez mais capazes de conversar, escrever e raciocinar. A TypeSafe AI, startup de São Francisco fundada pelo pesquisador brasileiro Diogo Almeida, resolveu apostar na direção oposta. Seu primeiro produto, o Jev, não escreve uma frase sequer. Recebe dados, devolve uma escolha, uma nota ou uma probabilidade e entrega o controle de volta ao software. Lançado em 15 de setembro, o modelo virou assunto obrigatório entre desenvolvedores e, segundo reportagem do Financial Times, a empresa já recebe propostas de investimento que a avaliariam em US$ 10 bilhões ou mais.1
O interesse não se explica apenas pelo currículo do fundador. O Jev toca num ponto sensível para qualquer empresa que já colocou IA em produção: o custo. Boa parte das tarefas hoje entregues a modelos generalistas caros, como classificar um chamado, pontuar um cadastro ou decidir se uma resposta de chatbot é segura, não exige texto algum. Exige uma decisão. É essa fatia do trabalho que a TypeSafe quer capturar.
Quem é Diogo Almeida
Almeida passou pelo Google Brain e pela OpenAI, onde integrou a equipe de pós-treinamento e aparece entre os autores do InstructGPT, o trabalho de 2022 que combinou demonstrações humanas, rankings de preferência e aprendizado por reforço para ensinar modelos a seguir instruções, conforme o perfil publicado pela conferência AI Engineer.2 Essa linha de pesquisa está na base do ChatGPT. O portal Notícia Tech identifica o pesquisador como brasileiro,3 e a Exame lembra que ele entrou na OpenAI quando o laboratório ainda era praticamente desconhecido fora do meio acadêmico.4
A pergunta que move a TypeSafe aparece no texto de lançamento assinado por Almeida: se os modelos são sobre-humanos em conversa há anos, por que a automação real de processos avançou tão pouco?5 Ao FT, o fundador resumiu o paradoxo ao dizer que o ChatGPT é muito mais inteligente do que ele, mas que áreas com enorme incentivo financeiro para automatizar continuam intocadas porque a IA atual simplesmente vai mal nelas.1
Como o Jev funciona
A TypeSafe chama sua família de modelos de System One Models, referência à distinção de Daniel Kahneman entre o pensamento rápido e intuitivo (Sistema 1) e o deliberado (Sistema 2). O desenvolvedor envia um "estado", que pode ser um texto, um registro ou uma estrutura de dados, junto com perguntas cujo formato de resposta é definido de antemão. O modelo devolve valores estruturados acompanhados de probabilidades, e não uma sequência de palavras.5
São três tipos de pergunta: Choice, para escolher entre opções; Score, para avaliar algo segundo uma rubrica; e Noul, que estima a probabilidade de uma afirmação ser verdadeira. As duas primeiras também informam o grau de confiança, o que permite ao código decidir quando agir sozinho e quando encaminhar o caso a uma pessoa.2 Segundo a empresa, o Jev aceita até 255 opções numa mesma escolha.5
A diferença técnica central está na forma de gerar a resposta. Um modelo de linguagem tradicional produz um token de cada vez, cada um condicionado ao anterior. O Jev calcula todas as probabilidades de uma vez, com um amostrador paralelo e um método de treinamento próprio, batizado de Reinforcement Learning for Calibrated Decisions (RLCD). Enquanto o RLHF, técnica que Almeida ajudou a desenvolver, otimiza respostas que avaliadores humanos preferem, o RLCD busca probabilidades calibradas: quando o modelo diz ter 90% de confiança, deveria acertar cerca de nove em cada dez vezes.5
"Pense no Jev como uma chamada de função com inteligência de fronteira: estado não estruturado entra, decisões probabilísticas tipadas saem."
Diogo Almeida, no texto de lançamento da TypeSafe AI (tradução livre)Os números da TypeSafe e o que eles medem
A tabela de preços divulgada pela empresa é o que mais chama atenção. O Jev cobra US$ 0,042 por milhão de tokens de entrada, e a saída não é cobrada. Na comparação feita pela própria TypeSafe, modelos de linguagem cobram entre US$ 0,20 e US$ 10 por milhão de tokens de entrada, com tokens de saída cerca de cinco vezes mais caros. O tempo de resposta declarado fica entre 70 e 500 milissegundos.5
| Critério | LLMs convencionais | Jev (TypeSafe) |
|---|---|---|
| Saída | Texto livre, que precisa ser interpretado e validado | Valores estruturados definidos antes da chamada, com probabilidades |
| Geração | Sequencial, token a token | Paralela, numa única consulta |
| Treinamento | RLHF e recompensas verificáveis | RLCD (decisões calibradas) |
| Preço de entrada* | US$ 0,20 a US$ 10 por milhão de tokens | US$ 0,042 por milhão de tokens; saída gratuita |
| Uso típico | Chat, redação, código, agentes | Classificar, rotear, pontuar, extrair, verificar |
*Faixas informadas pela TypeSafe AI no anúncio de lançamento, sujeitas a alteração.
As manchetes sobre um modelo "193,6 vezes mais rápido e 444,6 vezes mais barato" vêm de quatro fluxos de trabalho de teste construídos pela equipe da TypeSafe. A referência para medir acerto foi a média das respostas do GPT-6 Astra, da OpenAI, e do Claude Fable 5.1, da Anthropic, e a própria empresa reconhece que esses ganhos devem estar no topo do que se verá no mundo real.5 O anúncio também admite que não há como provar, por enquanto, que o preço não é subsidiado, e que os testes de velocidade foram rodados a partir da Costa Oeste dos Estados Unidos, onde o serviço está hospedado.5
Testes externos apontam ganhos reais, mas menores. Uma equipe que publicou sua avaliação na DEV Community encontrou o Jev de 4 a 7 vezes mais rápido e de 31 a 65 vezes mais barato em sua própria carga de trabalho.6 A KDnuggets observa que o índice de cerca de 68% reportado pela TypeSafe em sua avaliação não equivale a acertar 68% das decisões reais, já que as respostas de referência saem de outros modelos e não de uma verdade verificada.7
A aposta de Jevons
O nome do modelo homenageia William Stanley Jevons, economista britânico do século 19 que observou como motores a vapor mais eficientes aumentaram, em vez de reduzir, o consumo total de carvão. A TypeSafe espera o mesmo efeito com a inteligência de máquina: cada queda de uma ordem de grandeza no custo abriria muitas ordens de grandeza a mais de aplicações.5 Uma das demonstrações da empresa ilustra o argumento: um agente jogando Doom com dez decisões por segundo custa cerca de US$ 7 por hora.5
O FT enquadra o entusiasmo dos investidores justamente como reflexo da preocupação crescente das empresas com o custo de colocar IA para funcionar. Se a tese pegar, observa o jornal, tarefas rotineiras hoje entregues a modelos generalistas poderiam migrar para sistemas especializados e mais baratos, pressionando o modelo de negócios de laboratórios como OpenAI e Anthropic.1
Vale notar o movimento de fundo. Por anos, a indústria tratou "inteligência artificial" e "modelo que gera texto" como sinônimos. O Jev separa as duas coisas e sugere que a camada de decisão, repetitiva e de alto volume, pode se tornar um mercado próprio, com lógica de preço parecida com a de infraestrutura de nuvem.
Por que o mercado reagiu tão rápido
Antes do lançamento, a TypeSafe era avaliada em US$ 200 milhões. Pessoas a par das conversas disseram ao FT que as novas propostas colocariam a empresa na casa dos US$ 10 bilhões ou acima. O vídeo de apresentação no X passou de 40 milhões de visualizações em menos de uma semana, e o público-alvo é quase exclusivamente de desenvolvedores de software.1 A empresa saiu do modo furtivo anunciando uma rodada de US$ 40 milhões, segundo a Exame;4 o site Antihype aponta que o registro da Dealroom mostra US$ 25,9 milhões na rodada inicial e que a DCVC liderou o aporte.8
A velocidade de adoção também chamou atenção. Três dias após o lançamento, o Jev já estava disponível no OpenRouter, agregador de modelos usado por desenvolvedores.6 Na segunda semana, segundo levantamento da Requesty, surgiram três imitações de código aberto com o mesmo formato de requisição, uma delas com 421 milhões de parâmetros, treinada numa única placa de vídeo. Nenhuma passou por avaliação independente, mas a conclusão da análise é direta: seja qual for a vantagem competitiva da TypeSafe, ela não está no formato da API.9
Contraponto
O que o Jev ainda não provou
A primeira objeção é conceitual. Classificação, pontuação, roteamento e detecção de intenção são problemas antigos de aprendizado de máquina, lembra a KDnuggets, e melhorar uma classe existente de sistemas não é o mesmo que inventar um novo tipo de IA.7 A ideia de respostas estruturadas também não é inédita: a OpenAI lançou saídas estruturadas em agosto de 2024, obrigando o modelo a seguir esquemas predefinidos, como registrou a Forbes.10
A segunda diz respeito à promessa de "zero alucinação". Uma análise da Kingy AI ressalta que isso significa apenas que o modelo nunca devolve algo fora do formato declarado. Não significa ausência de decisões erradas, falsos positivos ou falsos negativos, e faltam curvas de calibração publicadas.11 A TypeSafe tampouco divulgou artigo técnico sobre a arquitetura ou pesos abertos, lacuna que analistas consideram a principal.12
Há ainda a questão da segurança. A empresa defende que filtros e recusas não devem ficar na camada da API e que cabe ao desenvolvedor tratar a segurança na aplicação, posição expressa por Almeida no podcast Latent Space.13 Para quem integra IA em sistemas críticos, isso transfere responsabilidade. Em defesa da TypeSafe, o anúncio de lançamento detalha com rara transparência as limitações de seus próprios testes, algo pouco comum em lançamentos do setor.
O que isso significa para o Brasil
A adoção de IA pela indústria brasileira acelerou. Segundo a PINTEC Semestral do IBGE, feita em parceria com a ABDI e a UFRJ, a parcela de indústrias com 100 ou mais empregados que usam inteligência artificial passou de 16,9% em 2022 para 41,9% em 2024, ou 4.261 de 10.167 empresas. Entre as que têm mais de 500 funcionários, o índice chega a 57,5%.14
O detalhe mais relevante para a discussão sobre o Jev está em onde essa IA é usada. A tecnologia se concentra em áreas administrativas (87,9%) e de comercialização (75,2%), enquanto o uso na produção caiu de 56,4% para 52%. Custos elevados, falta de profissionais qualificados e dificuldade de integração entre áreas aparecem como obstáculos, segundo reportagem da Convergência Digital sobre a pesquisa.15
É exatamente nesse espaço que modelos de decisão prometem diferença: triagem de atendimento, classificação de documentos, roteamento de solicitações, checagem de cadastros. São tarefas de alto volume, em que o custo por chamada pesa mais do que a sofisticação da resposta. Para empresas brasileiras, há três ressalvas práticas. O preço é cotado em dólar, o que expõe o custo ao câmbio. A latência anunciada foi medida a partir dos Estados Unidos e tende a ser maior para chamadas saídas do Brasil. E o envio de dados pessoais, como o conteúdo de um chamado de cliente, para um serviço hospedado no exterior configura transferência internacional de dados, sujeita às regras da Lei Geral de Proteção de Dados (LGPD) e da Autoridade Nacional de Proteção de Dados (ANPD).
O surgimento rápido de alternativas abertas com o mesmo formato de requisição sugere um caminho para quem quer manter os dados em casa: codificar contra o padrão de "estado entra, decisão sai" e escolher depois qual modelo roda por trás. Em qualquer cenário, a recomendação dos analistas converge: medir a acurácia nos próprios dados antes de automatizar, definir limites conservadores de confiança e preservar a revisão humana para os casos duvidosos.11
O que observar nos próximos meses
A trajetória do Jev deve ser julgada por quatro sinais: a publicação de detalhes técnicos da arquitetura ou de pesos abertos; avaliações com dados verificados por humanos e curvas de calibração; a sustentabilidade do preço quando a demanda crescer; e a reação de OpenAI e Anthropic, que podem oferecer modos de decisão mais baratos dentro de seus próprios modelos. Se a tese de Almeida estiver certa, a próxima disputa da IA não será sobre quem escreve melhor, e sim sobre quem decide mais barato, mais rápido e com confiança mensurável.
Perguntas frequentes
O que é o Jev, da TypeSafe AI?
É um modelo de inteligência artificial lançado em 15 de setembro de 2026 que não gera texto. Ele recebe dados e devolve decisões estruturadas (escolhas, notas ou probabilidades) com grau de confiança, para uso direto dentro de softwares.
Quem é Diogo Almeida?
Pesquisador brasileiro, ex-Google Brain e ex-OpenAI, coautor do InstructGPT, pesquisa que está na base do ChatGPT. É cofundador e presidente-executivo da TypeSafe AI.
O Jev substitui o ChatGPT ou o Claude?
Não. Ele não conversa, não escreve e não gera código. A proposta é assumir decisões rotineiras e de alto volume, como classificar, rotear e pontuar, que hoje são feitas por modelos de linguagem mais caros.
Quanto custa usar o Jev?
Segundo a TypeSafe, US$ 0,042 por milhão de tokens de entrada, sem cobrança pela saída. A empresa afirma que não consegue provar ainda que o preço não é subsidiado.
É verdade que o Jev não alucina?
O modelo nunca devolve respostas fora do formato definido, o que elimina erros de tipo. Isso não significa que todas as decisões estejam corretas; analistas recomendam medir a acurácia nos dados de cada aplicação.
Empresas brasileiras podem usar o Jev?
O acesso está em fase inicial e o serviço é hospedado nos Estados Unidos. Empresas brasileiras devem considerar custo em dólar, latência e as regras da LGPD para transferência internacional de dados pessoais.
Ewerton Lopes — Curador Editorial