| Istilah | Arti |
|---|---|
| Jev | Model AI dari Typesafe AI yang dibuat untuk klasifikasi dan keluaran JSON terstruktur, bukan untuk menulis teks atau kode. |
| Typesafe | Perusahaan AI pembuat model Jev, yang menurut video didirikan oleh peneliti bekas OpenAI. |
| classification | Tugas mengelompokkan atau memberi label pada data, misalnya memilah email penting, yang menjadi fokus utama model Jev. |
| JSON | Format teks terstruktur berisi pasangan nama dan nilai, sehingga keluaran model bisa langsung dibaca oleh program. |
| type safe | Kondisi ketika keluaran selalu mengikuti kontrak bentuk data yang sudah ditentukan, sehingga program tidak menerima format yang rusak. |
| BAML | Bahasa khusus untuk mendefinisikan format keluaran model AI dan memperbaiki JSON yang salah format sebelum dipakai program. |
| early access | Tahap uji coba terbatas dengan undangan, yang untuk Jev bisa diakses lewat penyedia seperti OpenRouter. |
| milliseconds | Satuan waktu seperseribu detik, yang dipakai video ini untuk menunjukkan Jev menjawab klasifikasi dalam ratusan milidetik. |
| structured | Data atau keluaran yang punya bentuk tetap dan jelas, misalnya nama dan angka di kolom tertentu, bukan teks bebas. |
| Fable | Model AI besar yang dipakai sebagai pembanding harga dan kemampuan dalam video ini, dengan biaya sekitar 10 dolar per juta token. |
| decision | Pilihan yang diambil model, misalnya kategori atau tindakan, yang pada Jev disertai nilai keyakinan untuk setiap keluarannya. |
| output | Hasil yang dikembalikan model setelah menerima data, yang pada Jev berupa JSON dengan format tetap dan skor keyakinan. |
Video ini dibawakan Theo dari kanal t3.gg dan membahas Jev, model AI baru dari Typesafe AI yang saat ini masih dalam akses awal dengan undangan. Theo menegaskan bahwa Jev bukan model untuk menulis teks atau kode, melainkan untuk klasifikasi, yaitu mengambil data, mengatur, dan memberi label, lalu mengembalikan hasil dalam JSON dengan format yang selalu sesuai. Ia menyebutnya model system one, yaitu keputusan cepat seperti refleks, berbeda dengan model penalaran yang lebih lambat. Menurut Theo, Jev paling tepat dipasang sebagai fungsi atau if statement di dalam kode, bukan dipakai langsung di Claude Code atau Codex. Ia juga mengingatkan agar penonton tidak mengira Jev bisa menggantikan model besar seperti Fable atau Astra untuk tugas yang butuh berpikir.
Dalam demo, Jev menjawab dalam 70 sampai 500 milidetik untuk tugas klasifikasi yang pada model biasa bisa memakan 3 sampai lebih dari 300 detik. Biaya token keluarannya disebut hampir gratis, sekitar 4 sen per juta token masuk dibanding 10 dolar per juta token pada Fable. Dalam perbandingan 27 pertanyaan, Jev menjawab dalam 0,114 detik dengan biaya yang mendekati nol, sedangkan Terra butuh 9 detik dengan biaya 1,3. Theo juga mengklasifikasikan 100 email dengan rata-rata 200 milidetik per email, dan mencoba memetakan 1.118 percakapan kodenya dengan Jev, yang menemukan hampir separuh pekerjaannya adalah perbaikan bug dan review PR. Jev juga memberi nilai keyakinan untuk setiap keluarannya, sehingga hasil bisa dikalibrasi, tetapi Theo menilai model ini tidak cocok menjadi juri untuk LLM, mengompresi konteks, atau menggantikan penalaran.
Kata kunci
- Jev
- classification
- type safe
- BAML
- Memperkenalkan Jev dari Typesafe AI, model yang tidak menulis teks atau kode tetapi dibuat khusus untuk klasifikasi dan pemrosesan data, dengan keluaran JSON yang selalu sesuai format type-safe.
- Menjelaskan bahwa akses awal bersifat undangan dan bisa lewat OpenRouter atau Vercel AI Gateway, sangat cepat (milidetik), dan mengikuti contoh yang diberikan.
- Menyarankan memakainya seperti pernyataan if, bukan untuk menggantikan Fable atau menilai topik rumit; hanya Soul dan Opus 5 yang lebih baik dalam demo klasifikasi mereka.
Tulis catatan pribadimu untuk video ini. Catatan tersimpan di akunmu dan bisa dibuka dari perangkat mana pun.