TypeSafe AI, una start-up hasta ahora poco conocida, ha pasado de estar valorada en unos 200 millones de dólares a atraer el interés de inversores dispuestos a situar su valoración en 10.000 millones o más. El detonante es Jev, un modelo de inteligencia artificial presentado la semana pasada que, según la compañía, puede ser hasta cien veces más barato y rápido que modelos como ChatGPT y Claude en determinadas tareas.
La posible revalorización refleja una de las principales tensiones del actual mercado de la IA: el coste de ejecutar modelos cada vez más grandes. Si las afirmaciones de TypeSafe se confirman, Jev podría ofrecer una alternativa para procesos empresariales en los que no es necesario generar textos complejos ni mantener conversaciones largas.
Un modelo diseñado para decidir, no para conversar
Jev no compite directamente con los grandes modelos de lenguaje en sus funciones más visibles. No está concebido para redactar documentos, crear imágenes o sostener intercambios extensos con un usuario. Su objetivo es resolver decisiones acotadas dentro de aplicaciones y programas.
Entre los usos citados por la empresa figuran clasificar solicitudes como aprobadas, bloqueadas o pendientes de revisión, derivar consultas de atención al cliente y estimar riesgos en ámbitos como el crédito o los seguros. En estos casos, la respuesta final puede reducirse a unas pocas opciones, como “sí”, “no” o “revisar”.
Diogo Almeida, fundador de TypeSafe AI y uno de los coinventores de ChatGPT, sostiene que para ese tipo de tareas no hace falta recurrir a un modelo de propósito general con una capacidad de razonamiento mucho mayor. La propuesta de Jev consiste precisamente en limitar el problema y responder con rapidez entre un conjunto reducido de alternativas.
El atractivo está en el coste de computación
Según TypeSafe, Jev cuesta aproximadamente 4,2 centavos por millón de tokens. La empresa compara esa cifra con los varios dólares que pueden cobrar algunos modelos de lenguaje de gran tamaño. También asegura que el servicio ya resulta rentable gracias a sus reducidos costes de computación.
La compañía atribuye su rendimiento a una arquitectura y un proceso de entrenamiento distintos. Almeida ha explicado que pasó los dos últimos años trabajando en secreto en un nuevo método de entrenamiento, denominado RLCD, y en esta clase de modelos de IA. TypeSafe afirma que Jev es entre 20 y 200 veces más rápido y entre 40 y 400 veces más barato en ciertos escenarios, mientras que la presentación del producto resume la ventaja como una reducción de costes de hasta cien veces frente a modelos tradicionales.
La respuesta inicial de los desarrolladores también ha despertado atención. Vercel, la plataforma de alojamiento, señaló que Jev recibió durante sus primeras 24 horas más del doble de interés por parte de desarrolladores de pago que cualquier otro lanzamiento de un modelo en su plataforma.
Una hipótesis que todavía debe superar varias pruebas
El éxito de Jev plantea una posible amenaza para el modelo de negocio de los grandes laboratorios de IA, entre ellos OpenAI y Anthropic. Estas compañías destinan miles de millones de dólares a aumentar la capacidad de sus sistemas, pero una parte de las aplicaciones empresariales podría priorizar la velocidad, la fiabilidad y el precio antes que una inteligencia más amplia.
Si las empresas trasladaran tareas sencillas a modelos especializados, la presión podría extenderse a los precios y los márgenes de los grandes proveedores. También reforzaría una visión menos centrada en un único modelo capaz de hacerlo todo y más orientada a utilizar sistemas diferentes según cada función.
Aun así, la tecnología está lejos de haber demostrado su alcance. TypeSafe no ha detallado cómo se ha entrenado Jev y algunos críticos recuerdan que los modelos de clasificación para tareas específicas ya existen en compañías y plataformas como Meta, Google y Hugging Face. La cuestión pendiente es si Jev supone un avance tecnológico sustancial o si ha empaquetado de forma especialmente eficiente técnicas conocidas. Por ahora, su recepción en el mercado sí ha puesto el foco en una variable que puede ser tan decisiva como la inteligencia del modelo: cuánto cuesta utilizarlo.
