TypeSafe Jev vs GPT-6 Astra: Model Keputusan atau Agen Frontier?

TypeSafe keluar dari mode stealth pada 15 September 2026 dengan Jev, model yang mereka sebut sebagai model System One: Anda mengirimkan state program dan pertanyaan bertipe, lalu ia mengembalikan keputusan dengan probabilitas terkalibrasi alih-alih teks. Dua belas hari sebelumnya, OpenAI merilis GPT-6 Astra, yang digambarkan sebagai modelnya yang paling cerdas dan paling selaras, dibangun untuk penggunaan komputer, coding, dan pekerjaan profesional ujung-ke-ujung.

Dalam artikel ini, saya akan membandingkan Jev dan GPT-6 Astra pada reliabilitas output, akurasi keputusan, kecepatan, cakupan agensi, dan harga, lalu menyarankan panggilan mana dalam pipeline perangkat lunak yang sebaiknya menggunakan masing-masing model.

Ringkasnya

• Jev dan Astra tidak bersaing untuk panggilan yang sama: Jev adalah fungsi keputusan, Astra adalah agen generalis.
• Jev mengembalikan jawaban yang dijamin oleh skema dengan skor kepercayaan, sehingga output-nya tidak perlu diurai atau divalidasi.
• Astra unggul di sebagian besar tolok ukur penalaran, coding, dan penggunaan komputer yang dipublikasikan, dan ia adalah setengah dari jawaban referensi yang menjadi acuan penilaian Jev.
• Jev dua tingkat ordo lebih murah dan lebih cepat, dengan trade-off beberapa poin akurasi terhadap LLM frontier.
• Pilih Jev untuk klasifikasi volume tinggi, perutean, penskoran, dan langkah guardrail.
• Pilih Astra untuk tugas multi-langkah yang berakhir dengan teks, kode, atau dokumen jadi.
• Jev masih daftar tunggu di sumbernya, dengan batas laju yang menurut TypeSafe bisa berubah tanpa pemberitahuan.

Apa Itu Jev?

Jev adalah model keputusan hosted yang dirilis TypeSafe AI dalam akses awal pada September 2026, yang pertama dari apa yang mereka sebut model System One.

Nilai jualnya adalah ia melepas generasi teks: Anda mendefinisikan ruang jawaban di muka sebagai pertanyaan Choice, Score, atau Noul (ya/tidak), dan ia mengembalikan nilai bertipe dengan probabilitas terkalibrasi yang bisa langsung dijadikan cabang oleh perangkat lunak. Panduan Jev kami membahas peluncuran dan klaim evaluasi TypeSafe.

Apa Itu GPT-6 Astra?

GPT-6 Astra adalah andalan frontier OpenAI, dirilis pada 3 September 2026 sebagai penerus GPT-5.6 Sol.

Posisioningnya adalah eksekusi otonom: OpenAI menyebutnya model penggunaan komputer terbaik di dunia dan yang paling selaras, dilatih untuk mengisi formulir, memperbarui CRM, membangun dan QA situs web, serta menghasilkan dokumen yang mengikuti templat Anda. Panduan GPT-6 Astra kami membahas peluncurannya; tutorial API GPT-6 Astra kami membangun agen pemeriksa rilis dengan tools async.

Jev vs GPT-6 Astra: Perbandingan Langsung

Kedua model berada di ujung berlawanan dari satu trade-off: Jev membeli kecepatan, harga, dan keselamatan tipe dengan menolak menghasilkan teks, dan Astra membeli keluasan serta kedalaman dengan menghasilkan segalanya. Sebagian besar baris di bawah ini mengikuti dari satu pilihan desain itu.

Kontrak output: keputusan bertipe vs teks terhasilkan

Jev tidak bisa menghasilkan nilai yang tidak valid, dan Astra bisa. Fakta tunggal itu yang membuat keduanya berakhir di lapisan berbeda dalam sebuah sistem alih-alih di slot yang sama.

Permintaan Jev adalah blok state plus peta pertanyaan bertipe:

• Choice: mengembalikan opsi pemenang dan probabilitas untuk setiap opsi
• Score: mengembalikan nilai berbobot probabilitas di seluruh level Anda
• Noul: mengembalikan probabilitas bahwa jawaban adalah ya.

Ruang jawaban ditetapkan sebelum inferensi, sehingga kecocokan skema terjamin; TypeSafe menempatkan tingkat kesalahan output terstruktur dan pemanggilan tool pada 0% dan menyebut angka tersebut non-empiris.

Astra mewakili LLM klasik dan mengembalikan teks. Meski mendukung output terstruktur dan pemanggilan fungsi, serta memangkas tingkat kesalahan Sol menjadi sekitar sepertiga pada tolok ukur halusinasi internal OpenAI, outputnya tetap harus diurai dan divalidasi. Grafik TypeSafe menempatkan kesalahan output terstruktur LLM frontier antara 0,58% dan 45,5%; angka Astra sendiri tidak dipublikasikan, jadi saya tidak akan mengasumsikan ia berada di ujung bawah.

Biaya dari jaminan Jev adalah Anda tidak mendapatkan alasan, hanya probabilitas: baik untuk lapisan perutean, tidak untuk peninjau kepatuhan, jadi rencanakan untuk mengeskalasi kasus berkepercayaan rendah ke model yang bisa menulis.

Dua kaveat pada angka reliabilitas:

• Tingkat kesalahan LLM TypeSafe berasal dari trafik OpenRouter, yang mungkin merutekan kueri lebih sulit ke model yang lebih kuat.
• Tolok ukur halusinasi OpenAI bersifat internal dan mengukur hal lain selain validitas skema.

Untuk output yang harus bisa diurai pada percobaan pertama, kontrak Jev menang; untuk apa pun yang dibaca manusia, hanya Astra yang bisa menjawab.

Akurasi keputusan dan kedalaman penalaran

Astra lebih akurat. Pada empat workflow produksi TypeSafe (respons insiden, observabilitas jejak agen, pemrosesan faktur, layanan pelanggan), Jev sejalan dengan rata-rata Astra dan Claude Fable 5.1 sebesar 67,8% dari waktu, setara dengan GPT-5.6 Terra dan tertinggal 5 hingga 6 poin dari GPT-5.6 Sol dan Claude Opus 5.

Astra adalah referensinya, jadi tidak memiliki skor kesesuaian sendiri. Pada tolok ukurnya sendiri, ia menyaturasi FrontierMath Tier 4, GPQA Diamond, dan ARC-AGI-3, meski yang terakhir bergantung pada harness stateful. Jev tidak bernalar lintas giliran, merencanakan, atau menjelaskan, dan menilainya berdasarkan kesesuaian dengan LLM alih-alih kebenaran dasar, seperti yang dilakukan TypeSafe, berisiko mewarisi bias model referensi.

Jika akurasi puncak pada keputusan ber-volume rendah yang Anda perlukan, LLM masih menang.

Kecepatan dan latensi

Jev menjawab dalam 70 hingga 500 milidetik ujung-ke-ujung, menurut pengukuran TypeSafe, dibandingkan 3 hingga 329 detik untuk LLM frontier pada jenis kueri yang sama. Ia melakukan sampling semua jawaban secara paralel alih-alih satu token per waktu dan menerima hingga 255 opsi per Choice.

Astra cepat untuk kelasnya: sekitar 47% waktu lebih sedikit per tugas OSWorld 2.0 dibanding Sol, dan mode Fast memberikan hingga 2x kecepatan dengan 2x harga. Tugas-tugas itu tetap memakan waktu puluhan menit. Bot Doom seorang engineer TypeSafe menjalankan 10 kueri per detik dengan biaya sekitar $7 per jam, anggaran yang tidak bisa ditandingi LLM frontier mana pun.

Untuk jalur permintaan keputusan dengan anggaran 100 ms, Jev adalah satu-satunya kandidat di sini.

Cakupan: agen, tools, dan penggunaan komputer

Astra melakukan semua yang tidak dilakukan Jev:

• Mencapai 72,6% pada OSWorld 2.0, 59,3% pada Agents' Last Exam, dan 57,9% pada Terminal-Bench 4.0.
• Di Responses API, ia dapat menjalankan shell hosted, menelusuri web, menerapkan patch, dan mengoperasikan komputer.
• Di Codex, ia menyimpan catatan yang dapat dicari lintas jendela konteks, dan konteks panjangnya mencetak 96,3% pada uji pengambilan MRCR OpenAI di rentang 512K-1M.

Jev menerima teks, JSON, atau array teks, bukan gambar, dan tidak memanggil tool. Ia adalah if-statement fuzzy di dalam workflow yang dimiliki kode Anda: klasifikasikan, rute, skor, ekstrak, atau verifikasi output model lain, termasuk deteksi jailbreak pada prompt LLM.

Astra menang telak pada dimensi ini karena Jev memang tidak ikut serta.

Harga: apa yang benar-benar Anda bayar

Astra berbiaya beberapa ratus kali lebih mahal daripada Jev pada bentuk beban kerja apa pun, dan kesenjangannya melebar semakin banyak output yang dihasilkan tugas, karena Jev tidak menagih output sama sekali.

Tarif token berdampingan

Bentuk perbedaan sama pentingnya dengan ukurannya. Tarif output Astra adalah 5x tarif inputnya, dan token penalarannya ditagih sebagai output, jadi pekerjaan yang berat berpikir atau verbose adalah tempat tagihannya tumbuh paling cepat. Jev hanya menagih input, dan jawaban tipikal adalah beberapa lusin token output, sehingga biayanya merupakan fungsi dari seberapa banyak state yang Anda kirim dan tidak ada yang lain.

TypeSafe terbuka bahwa mereka tidak dapat membuktikan harga ini tidak disubsidi, dan memperkirakan harganya turun alih-alih naik.

Biaya beban kerja nyata

Formulanya adalah (volume ÷ 1M) × tarif, dijumlahkan antara input dan output, pada tarif standar. Baris generasi berat adalah outlier karena output Jev gratis, meski juga paling tidak realistis untuk Jev: model ini tidak pernah memancarkan 4M token output, jadi bacalah sebagai dampak premi output semata pada Astra. Baris retrieval adalah yang paling cocok dengan penggunaan Jev sebenarnya, banyak state masuk dan segelintir probabilitas keluar, dan tetap berbeda 357x.

Tidak ada baris retrieval di atas ambang karena dokumen TypeSafe menyatakan tidak ada biaya tambahan konteks panjang, dan jendela konteks yang tercantum router untuk Jev berada jauh di bawah ambang Astra, sehingga pengali 2x input dan 1,5x output Astra tidak punya pembanding. Tidak ada vendor yang memublikasikan hitungan token untuk beban kerja bersama, dan tokenizer Jev tidak didokumentasikan, jadi anggap total ini sebagai perbandingan tarif alih-alih tagihan.

Kapan Memilih Jev vs GPT-6 Astra

Pemisahnya bukan akurasi atau harga secara terpisah, melainkan apakah langkahnya berakhir pada keputusan atau sebuah artefak. Keputusan milik Jev; apa pun yang akan dibaca, dijalankan, atau dibuka seseorang milik Astra.

Pilih Jev jika...

• Anda membuat keputusan terbatas yang sama ribuan kali sehari. Perutean tiket, klasifikasi faktur, moderasi, deteksi intent, dan penilaian prospek adalah bentuk yang dirancang TypeSafe, dan biaya per kasusnya sepersekian sen.
• Panggilan berada pada jalur permintaan dengan anggaran latensi. Respons sub-detik memungkinkan Anda menempatkan keputusan model di dalam pemuatan halaman atau game loop, di mana panggilan LLM yang cepat sekalipun akan menjadi hambatan.
• Anda perlu model memberi tahu saat ia tidak tahu. Setiap jawaban Choice dan Score membawa skor kepercayaan, sehingga kode Anda bisa bertindak otomatis di atas satu ambang, konfirmasi di tengah, dan eskalasi di bawahnya, dengan ambang lebih ketat untuk tindakan destruktif daripada yang hanya baca.
• Anda memeriksa pekerjaan model lain. Penskoran, penilaian, atau guardrail pada prompt dan output LLM adalah keputusan, bukan generasi, dan jaminan skema Jev berarti pemeriksanya sendiri tidak bisa mematahkan pipeline.

Pilih GPT-6 Astra jika...

• Tugasnya adalah pekerjaan multi-langkah, bukan satu penilaian. Mengisi formulir, memperbarui CRM, riset dan drafting, atau memasang serta menguji perangkat lunak adalah target pelatihan penggunaan komputer Astra.
• Output-nya adalah teks, kode, atau dokumen. Jev tidak bisa menulis balasan, patch, atau slide; Astra adalah model terbaik OpenAI untuk menghasilkan artefak yang mengikuti templat Anda.
• Anda memerlukan alasan. Keputusan terregulasi, penjelasan yang menghadap pelanggan, dan apa pun yang akan dibaca auditor memerlukan kata-kata, dan Astra juga bisa menjadi target eskalasi untuk kasus kepercayaan rendah milik Jev.
• Konteks Anda besar. Jendela 1.050.000 token Astra dengan retrieval andal dekat puncaknya cocok untuk pipeline berat dokumen; router mencantumkan Jev pada 32.000 token.

Cara Memulai dengan Jev dan GPT-6 Astra

Jangkauan adalah dimensi paling timpang di artikel ini: Astra ada di mana pun model OpenAI biasanya berada, dan Jev adalah API ber-gate daftar tunggu yang satu-satunya rute tanpa undangan adalah listing OpenRouter dan Vercel AI Gateway.

ID modelnya adalah jev-latest, yang menjadi default SDK TypeSafe dan saat ini merujuk ke jev-1.13.0, serta gpt-6-astra. TypeSafe merekomendasikan mem-pin ID berversi jika Anda telah menyetel ambang kepercayaan, karena alias akan berpindah saat rilis baru dikirim. Batas laju Jev adalah 250.000 token per detik dan 1.200 permintaan per menit, dan TypeSafe mengatakan keduanya dapat berubah tanpa pemberitahuan saat mereka melakukan skala.

Membuat panggilan API pertama Anda

Ini bukan pertukaran satu-string. Astra menerima prompt dan mengembalikan teks melalui Responses API; Jev menerima state dan peta pertanyaan bertipe melalui satu endpoint dan mengembalikan probabilitas. Dua blok di bawah ini mengajukan permintaan pengembalian yang sama ke masing-masing model, sehingga Anda bisa melihat perbedaan bentuknya.

from openai import OpenAI

client = OpenAI()
response = client.responses.create(
    model="gpt-6-astra",
    input="A bike-shop customer writes: 'The frame arrived scratched, I want this "
          "sorted before my race on Sunday.' Resolve as refund, replacement, or repair.",
)
print(response.output_text)  # free text you still have to parse

import requests

response = requests.post(
    "https://api.typesafe.ai/v1/systemone",
    headers={"Authorization": "Bearer YOUR_TYPESAFE_KEY"},
    json={
        "model": "jev-latest",
        "state": "The frame arrived scratched, I want this sorted before my race on Sunday.",
        "questions": {
            "resolution": {
                "type": "choice",
                "instructions": "How should the shop resolve this return?",
                "criteria": {"refund": "Customer wants money back",
                             "replacement": "Same item, undamaged, shipped fast",
                             "repair": "Cosmetic fix is acceptable"},
            }
        },
    },
)
answer = response.json()["answers"]["resolution"]
print(answer["choice"], answer["confidence"])  # typed option plus 0-1 confidence

Untuk penyiapan Astra lengkap, termasuk tools async dan pengarah di tengah giliran, ikuti tutorial API GPT-6 Astra kami; untuk JSON terstruktur dari model OpenAI, lihat tutorial output terstruktur kami.

Pemikiran Akhir

Jika langkahnya berakhir pada keputusan yang dijalankan kode Anda, gunakan Jev; jika berakhir pada sesuatu yang dibaca atau dijalankan orang, gunakan GPT-6 Astra. Arsitektur yang disarankan peluncuran ini adalah keduanya sekaligus: Jev sebagai router murah dan terkalibrasi di depan, Astra sebagai spesialis yang menjadi eskalasi saat kepercayaan turun.

Hal yang paling mencolok bagi saya adalah TypeSafe menilai Jev terhadap jawaban Astra. OpenAI menyatakan bahwa frontier adalah eksekusi otonom; TypeSafe bertaruh bahwa sebagian besar yang diminta perangkat lunak kepada model adalah pertanyaan terbatas yang disamarkan. Pertanyaan terbuka untuk Jev adalah apakah tolok ukur independen mengonfirmasi paritas dan apakah harga bertahan dari subsidi.

Untuk membangun lapisan keputusan tempat salah satu model berada, saya merekomendasikan kursus Developing AI Systems with the OpenAI API kami dan track AI Agent Fundamentals kami.