TypeSafe AI, laboratorium AI asal San Francisco yang didirikan mantan peneliti OpenAI Diogo Almeida, keluar dari mode rahasia (stealth) pada Senin (15/9) dengan pendanaan seed senilai US$40 juta dan peluncuran Jev — model AI pertama yang sama sekali tidak menghasilkan teks. Sebagai gantinya, Jev menerima input berupa status sistem dan pertanyaan terstruktur, lalu mengembalikan keputusan bernomor, skor, atau probabilitas dalam format JSON yang terjamin schema-nya. TypeSafe menyebutnya "System One Model", sebuah kelas baru yang dirancang untuk otomasi perangkat lunak, bukan percakapan manusia.
Model yang Tidak Menghasilkan Teks
Kebanyakan model AI — GPT, Claude, Gemini — menghasilkan teks secara sequential, token demi token, yang kemudian harus diparsing dan divalidasi oleh perangkat lunak pemanggil. Jev menolak pendekatan itu. Setiap query menerima input terstruktur (state program) dan daftar pertanyaan ber-tipe; model menjawab semuanya secara paralel dalam satu query, menghasilkan pilihan, skor, atau probabilitas. Maksimal 255 pilihan per query, langsung dalam format JSON yang terjamin tipe datanya.
Nama "Jev" diambil dari Jevons Paradox — gagasan bahwa efisiensi justru meningkatkan total konsumsi. TypeSafe bertaruh biaya inferensi yang lebih rendah akan memperluas jumlah pemanggilan model, bukan menguranginya. Konsep ini terinspirasi dari kerangka berpikir Daniel Kahneman: System 1 (cepat, intuitif) untuk keputusan terstruktur, berbeda dengan System 2 (lambat, deliberatif) yang menjadi kekuatan LLM konvensional.
RLCD: Metode Pelatihan Baru untuk Keputusan Terkalibrasi
Jev tidak dilatih dengan RLHF atau RLVR — dua metode utama yang digunakan LLM untuk menyelaraskan output dengan preferensi manusia atau hadiah yang bisa diverifikasi. TypeSafe memperkenalkan RLCD (Reinforcement Learning for Calibrated Decisions), sebuah metode baru yang mengoptimalkan keputusan terstruktur dengan probabilitas yang terkalibrasi secara jujur.
Dampak utamanya: Jev menghasilkan skor kepercayaan (confidence score) untuk setiap keputusan. Pengembang bisa memutuskan keputusan mana yang otomatis diterima model, dan mana yang harus dirujuk kembali ke manusia. TypeSafe mengklaim tingkat halusinasi dan kesalahan tipe nol persen — tetapi pengembang memperingatkan bahwa "nol halusinasi" merujuk pada kepatuhan terhadap schema JSON, bukan kebenaran jawaban. Model tetap bisa memilih opsi yang salah.
Kecepatan dan Harga yang Diklaim
TypeSafe mengklaim Jev 20–200 kali lebih cepat dan 40–400 kali lebih murah dibanding LLM frontier dalam tugas terstruktur. Response time terukur: 70 milidetik hingga 500 milidetik. Harga input US$0,042 per juta token; output tidak dikenakan biaya. Sebagai perbandingan, biaya input LLM konvensional berkisar US$0,20–US$10 per juta token, dengan biaya output sekitar lima kali lipatnya.
Evaluasi workflow yang dirilis TypeSafe menunjukkan Jev berada di Pareto frontier — dua orde besar lebih efisien dari rata-rata GPT-6 Astra dan Claude Fable 5.1 pada tugas kode yang sama. Namun, eval itu dibuat oleh tim TypeSafe sendiri. Tidak ada benchmark independen saat peluncuran, dan kasus komersial Jev belum diuji di skala produksi pihak ketiga.
Tim, Pendanaan, dan Akses
Diogo Almeida, CEO sekaligus pendiri, adalah penulis bersama InstructGPT dan penemu bersama RLHF yang menjadi dasar ChatGPT selama di OpenAI. Ia juga pernah bekerja di Google Brain. Dua pendiri lainnya: Sasha Sheng, mantan insinyur riset di Meta/FAIR; dan Erik Gafni, pendiri Ravel yang sebelumnya bekerja di Invitae dan Freenome.
Pendanaan senilai US$40 juta (seed round) dipimpin DCVC. James Hardiman, General Partner di DCVC, menyebut TypeSafe menangani "salah satu tantangan terbesar yang tersisa di AI: mengubah model yang makin capable menjadi teknologi yang bisa diandalkan pengembang untuk dibangun ke produk berskala besar." TypeSafe didirikan pada 2024, berkantor pusat di San Francisco, dan membuka early access berbasis waitlist melalui typesafe.ai.
Batasan yang Perlu Dicatat
Jev tidak bisa menulis teks atau kode — ia hanya memutuskan langkah berikutnya dalam sebuah sistem. Tugas yang membutuhkan generasi terbuka tetap menjadi ranah LLM konvensional. Selain itu, semua angka performa berasal dari pengujian internal TypeSafe. Evaluasi workflow yang dijadikan rujukan dibuat oleh tim yang sama dengan yang meluncurkan model, dengan referensi jawaban yang diambil dari rata-rata output dua LLM lain. Independent verification belum ada saat pengumuman ini.
Dari sisi biaya, tarif US$0,042 per juta token input diklaim transparan tetapi belum terbukti berkelanjutan untuk beban kerja produksi yang berat. TypeSafe juga belum mengungkap sumber data pelatihan RLCD; perusahaan berjanji akan merilis detail teknis lebih lanjut di blog resmi.
Almeida merangkum motivasinya di akun X: setelah menciptakan ChatGPT, ia bertanya-tanya mengapa model chat yang melampaui kemampuan manusia belum mengarah ke AGI. Jawabannya, menurutnya: sebagian besar kecerdasan harus hidup di dalam perangkat lunak itu sendiri, berjalan diam-diam di latar belakang — bukan dalam kolom obrolan. Jev adalah langkah pertama TypeSafe untuk membuktikan tesis itu.
Sumber: TypeSafe AI Blog, Business Wire / FinancialContent, RuntimeWire (15 September 2026)