TypeSafe AI affirme être 193 fois plus rapide que les LLM. Sa propre preuve en montre 75 fois.

TypeSafe AI affirme avoir passé deux ans en stealth, et veut être lu comme un rejet de l'ère du chatbot. Sa page de lancement s'ouvre sur une phrase et un fragment de deux mots : "We took the opposite research direction", suivi de "not chat".

L'entreprise, dont le pied de page indique "Made in SF", a livré Jev, qu'elle présente comme son premier System One Model public. Un System One Model, selon la page, est conçu pour répondre à des questions structurées au sein d'un logiciel plutôt que pour tenir une conversation. Trois affirmations entourent le produit : des sorties typées, une estimation de confiance pour chaque décision et "zero hallucinations". En dessous, un benchmark de 193,6 fois plus rapide et 444,6 fois moins cher que les LLM.

Ce que TypeSafe AI a réellement lancé

La page présente les System One Models comme "a new class of AI model built for decisions inside software", face aux LLM dont elle dit qu'ils "produce words for people". Jev renvoie des décisions typées assorties de probabilités, que le code d'un programme peut utiliser pour bifurquer. TypeSafe affirme que le système repose sur trois ruptures avec la pratique actuelle : une nouvelle architecture, un nouvel échantillonneur et un nouvel algorithme d'entraînement appelé Reinforcement Learning for Calibrated Decisions, ou RLCD. La sortie structurée est aujourd'hui un objectif largement balisé, et les gains en la matière se mesurent généralement en points, non en ordres de grandeur, comme le montrent les résultats de schéma de LFM2.5-350M.

La page porte la mention version 0.01 et copyright 2026. À côté de l'annonce, elle ne liste ni article accompagnant, ni publication de code, ni fiche de modèle. Cet écart entre un lancement assuré et une trace de preuves vide est familier : la bêta de l'assistant santé de Samsung a été lancée avec de grandes promesses et peu de détails.

Le benchmark : 193,6 fois plus rapide, 444,6 fois moins cher

Ces multiplicateurs affichés surplombent un unique exemple détaillé que la page étiquette "(proof)". Dans celui-ci, le système de TypeSafe termine une tâche en 0,114 seconde pour un coût de 0,000081 $. La colonne intitulée "LLMs" termine la même tâche en 8,566 secondes pour 0,013880 $.

Divisez l'un par l'autre et les chiffres ne reproduisent pas le titre. L'exemple implique environ 75 fois plus rapide et environ 171 fois moins cher. La page n'explique pas d'où viennent 193,6 et 444,6, et elle ne définit pas les "workflows for System One tasks" vers lesquels pointe son astérisque. Les chiffres plus élevés agrègent peut-être un ensemble de tâches plus large que celui montré. La page ne le dit pas non plus. Un gain de vitesse qui se réduit une fois qu'on lit les résultats joints est un schéma familier, et l'affirmation de Hugging Face d'un gain WebGPU de 2,57 fois s'accompagnait de 176 pertes.

Zéro hallucination et l'affirmation de confiance

"Zero Hallucinations" figure en titre. La ligne qui suit est plus étroite que le mot ne le suggère : chaque décision de Jev porte une estimation de confiance, de sorte qu'un logiciel peut agir lorsque la confiance est élevée et escalader pour revue lorsqu'elle ne l'est pas. La page invite les développeurs à "set the thresholds for when it acts autonomously and when it asks for review".

Cela aiguille l'incertitude. Cela ne garantit pas que le modèle a raison, et une réponse fausse donnée avec assurance reste fausse. L'accord ne résout pas le problème non plus : un panel d'agents IA peut être d'accord et avoir quand même tort lorsque leurs erreurs sont corrélées. La FAQ de la page pose notamment les questions "Can Jev still get things wrong?" et "Is Jev deterministic?", et le jugement sur l'endroit où tracer la ligne revient à celui qui fixe le seuil.

RLCD contre RLHF

L'affirmation méthodologique est une bifurcation dans l'entraînement. TypeSafe décrit le Reinforcement Learning from Human Feedback comme un processus qui optimise les modèles pour les préférences humaines et a produit des systèmes "superhuman at instruction following", ce qu'elle appelle le chat. Elle énumère les coûts : la perte de modes, l'excès de confiance et le manque de fiabilité, qui, selon elle, laissent les LLM dépendants d'un humain dans la boucle.

Son remplaçant, RLCD, n'est défini que comme "reinforcement learning for calibrated decisions". Le nom pointe directement vers la défaillance que la page identifie dans le RLHF, l'excès de confiance. Que RLCD soit une méthode véritablement nouvelle n'est pas démontré par la page. Il n'y a ni protocole, ni référence de base, ni comparaison. La FAQ de la page pose elle-même les questions "Is Jev just a smaller LLM?" et "How is this different from JSON mode or structured outputs?" Ce sont les deux questions qui permettraient de distinguer un nouvel algorithme d'un classifieur bien calibré. Les articles qui proposent une méthode d'entraînement publient généralement les réserves qui l'accompagnent, comme un résultat de distillation de 33 sur 36 a été publié avec l'astérisque de ses propres auteurs.

Qui se cache derrière TypeSafe AI

Le site renvoie à un manifeste, une page équipe, ainsi qu'à des sections entreprise et documentation, et il invite à s'inscrire sur une liste d'attente et à candidater à des postes ouverts. La page de lancement ne nomme ni fondateurs, ni investisseurs, ni recherches publiées antérieurement. Le contact passe par une seule adresse, hello@typesafe.ai, plus des comptes LinkedIn et X.

Trois billets de blog sont listés : "Introducing System One Models & Jev", "The Bitterest Lesson" et "AI: too good to be true, too bad to be useful". Le deuxième porte une ligne de résumé sur le calcul qui fait progresser les choses "but what good is progress if you are not doing the right task". Le troisième demande ce qui vient ensuite après les modèles entraînés par RLHF qui "please humans" plutôt que "make reliable autonomous decisions". Le cadrage est un programme de recherche. La page ne montre pas la recherche.

Le problème de la référence de comparaison

Le prix de Jev est indiqué à 42 $ par milliard de tokens d'entrée, décrit comme "238x lower input price than Claude Fable 5.1". Une référence, une métrique, une direction : les tokens d'entrée. Tout multiplicateur affiché en titre pose la question de ce à quoi il a été mesuré, et cela vaut que le rival soit nommé ou non, comme le montre l'affirmation d'Alibaba Cloud d'un gain mémoire de 9,27 fois face à un rival non nommé.

Deux lacunes en découlent. Un prix par token pour des décisions typées et un prix par token pour du texte ne mesurent peut-être pas la même unité de travail, de sorte que le chiffre de 238 fois repose sur deux sorties différentes. Et le prix d'entrée laisse de côté le coût de sortie, les nouvelles tentatives et la revue humaine que le mécanisme de confiance est conçu pour déclencher. Sur cette page, 42 $ est un prix par token d'entrée, et la page s'arrête là.

Rien de tout cela ne rend les System One Models faux. Une page de lancement n'est pas un article scientifique, et TypeSafe est suffisamment jeune pour être jugée sur ce qu'elle livrera ensuite. Mais ce qu'elle a publié de plus retentissant est un ensemble de multiplicateurs, et le seul bloc qu'elle appelle "proof" en renvoie de plus petits. Tant que la méthode derrière RLCD n'est pas montrée, les affirmations devancent les preuves.