Julia 1: practica gratis las preguntas de Jev en tu ordenador

Jev elige entre las respuestas que tú le das

TypeSafe AI presentó Jev el 15 de septiembre de 2026 como un modelo que renuncia a escribir texto. Se le entrega lo que hay que juzgar —un mensaje, una ficha, una conversación— junto con una lista de preguntas y sus respuestas posibles, y devuelve una respuesta por pregunta, siempre dentro de las permitidas y con la probabilidad de cada una.

La diferencia con un chatbot es de fontanería: la respuesta no hay que sacarla de un párrafo, llega en un campo que el programa lee sin más. Una elección entre reembolso, cambio de reserva o información se convierte en tres caminos del código; un sí o un no, en un simple `if`. A cambio, Jev no redacta respuestas, no escribe código ni explica su razonamiento.

TypeSafe abrió Jev a todos y a los dos días suspendió las altas

El 20 de septiembre TypeSafe anunció en X que Jev quedaba abierto a todo el mundo, sin lista de espera. El 22 echó el freno: «Hemos visto una avalancha de demanda tan inmensa que tenemos que pausar temporalmente las altas de Jev», escribió, y aseguró que las cuentas ya abiertas seguirían funcionando.

Jev se usa a través del servicio de TypeSafe, que cobra por el texto que recibe, así que para aprender a preguntar hace falta un sitio donde equivocarse no cueste nada.

Tres tipos de pregunta, y ninguno admite una respuesta libre

Cada pregunta lleva un nombre que eliges tú, un tipo y unas instrucciones, y las de elección y de escala llevan además sus criterios: hasta 255 opciones en un Choice y de 2 a 10 niveles en un Score. En el ejemplo de la documentación, un cliente escribe que sus pagos llevan tres días fallando, y a Jev se le pregunta a qué equipo va el caso —facturación, técnico o ventas—, si el mensaje transmite urgencia y cuánto enfado muestra, de tranquilo a muy enfadado.

Para la urgencia, Jev devuelve un 0,95, casi un sí rotundo, y para el equipo, facturación, con un 88 % de probabilidad. La escala puede caer entre dos niveles, porque es una media ponderada por las probabilidades. Y la documentación avisa de una trampa: un Noul de 0,5 no significa «a medias», sino que el sí y el no son igual de probables. Si lo que quieres medir es un grado, como cuánto sabe alguien de Python, la pregunta es un Score con los niveles descritos.

Cada pregunta es un juicio de un segundo, no un encargo

La regla de oro de la documentación es que cada pregunta sea un juicio que una persona entendida haría en un segundo con el contexto delante. «¿Transmite urgencia este mensaje?» es una buena pregunta. «Analiza este mensaje y decide qué hacer» no lo es, porque pide razonar despacio, y esa es la señal de que hay que partirla.

Partir es preguntar por cada factor por separado y combinar las respuestas en el código. En vez de «puntúa esta propuesta de negocio», se pregunta por el tamaño del mercado, la viabilidad técnica y lo que la diferencia, y cada respuesta se pondera con pesos propios: si cambian las prioridades, cambian los pesos y no hay que reescribir ninguna instrucción. Como las preguntas de una misma petición se evalúan en paralelo, añadir una más apenas alarga la espera.

Dos costumbres más, también de la documentación: escribir la pregunta completa en las instrucciones, porque el nombre que le pones solo lo lee tu código y no llega al modelo, y añadir una opción de «otro» o «ninguna de las anteriores» cuando la lista de un Choice puede no cubrir todos los casos. Y si dos tipos parecen servir, elige aquel cuya respuesta pueda usar tu código directamente.

Julia 1 responde a las mismas preguntas que Jev y cabe en un ordenador corriente

Julia 1 recibe un contexto, una pregunta y de 2 a 20 respuestas posibles, elige una y devuelve la puntuación de cada una en el orden en que se le dieron. Sus tres tipos se llaman igual que los de Jev —choice, score y noul— y se formulan con la misma estructura: un contenido y un mapa de preguntas con nombre, tipo, instrucciones y criterios.

Sus pesos ocupan 550,5 MiB, funciona en el procesador sin tarjeta gráfica y sus autores lo han medido en un Mac con chip M4, en un ordenador con un Intel Core i5 y en una tableta de Samsung; en el Mac, con una decisión por llamada, tarda 33 milisegundos de mediana. No es un modelo de chat ni escribe texto: solo elige entre las respuestas que se le dan.

Para practicar en español hay una pista: en la prueba MASSIVE, que reparte frases entre 18 escenarios de uso, acierta 2.531 de los 2.974 ejemplos en español de España, un 85,1 %, según sus autores. La documentación de TypeSafe, en cambio, advierte de que Jev rinde mejor en inglés y pide probarlo con tus propios textos antes de fiarte de él en otro idioma.

Julia 1 empata con Jev, según sus autores, y tropieza con las listas largas

La cifra con la que Supersonic Labs presenta Julia 1 es la de Typed Decisions, un banco de 2.000 decisiones de los tres tipos: acierta 1.463, un 73,15 %, frente al 72,70 % de referencia de Jev. Medio punto es un empate, no una victoria, y lo confirma su propia repetición en el procesador, la que corresponde al ejercicio de este curso: 72,55 %.

En clasificación supera la referencia de Jev con noticias y, sobre todo, con emociones, donde la distancia llega a 38 puntos, y pierde con claridad en banca, con 72 categorías parecidas, donde tiene que preseleccionar 16 antes de elegir. Son pilotos de 100 ejemplos, y los autores los llaman señales alentadoras, no garantías.

Y la columna de Jev hay que leerla bien: Supersonic Labs no ha vuelto a ejecutar Jev, sino que toma los valores de referencia de los protocolos de prueba que sigue. Todas las cifras de Julia 1 las miden y las publican sus autores; no son una evaluación independiente.

El ejercicio: tu primera decisión con Julia 1, paso a paso

Hace falta Python 3.11 o posterior y espacio para un modelo de 550,5 MiB. Nada más: ni tarjeta gráfica ni cuenta en ningún servicio.

Paso 1. Descarga el repositorio completo desde Hugging Face, la plataforma donde se publican los modelos abiertos, con `snapshot_download('SupersonicLabs/Julia-1', local_dir='Julia-1')`, e instálalo con `python -m pip install -e ./Julia-1`. La ficha del modelo trae las órdenes exactas.

Paso 2. Carga el modelo una sola vez y mantenlo en memoria entre peticiones: `load_model("Julia-1", device="cpu", strict_encoding=True, max_length=8192, head_length=512)`. Con `device="cpu"` trabaja en el procesador, con cuatro hilos por defecto, que se cambian con la variable `JULIA_CPU_THREADS` antes de arrancar Python.

Paso 3. Haz tu primera pregunta de elección con el ejemplo de la ficha. El contenido es «I was charged twice for the same order» —me han cobrado dos veces el mismo pedido— y la pregunta `team` pide elegir entre `billing`, `shipping` y `access`. `engine.predict(state=..., questions=...)` devuelve en `answers` la opción ganadora y la probabilidad de cada una, con los nombres que tú pusiste.

Paso 4. Añade al mismo mapa una pregunta `score`, con una lista ordenada de niveles —urgencia baja, media y alta—, y otra `noul`. Las tres se evalúan por separado sobre el mismo contenido, y cada respuesta llega con su tipo y sus probabilidades.

Describe qué significa sí y mide con tus propias preguntas

Paso 5. En cada Noul, escribe qué significa sí y qué significa no: Jev acepta esas dos descripciones como criterios opcionales, y Julia 1 también. No es un detalle. En 400 de las 600 preguntas de sí o no de Typed Decisions esas descripciones vienen dadas, y cuando Supersonic Labs las cambió por un «true» y un «false» a secas, Julia 1 acertó 92 preguntas menos, con los mismos pesos y en la misma máquina. Si lo descargaste antes del 27 de septiembre, vuelve a hacerlo: las versiones anteriores de su interfaz descartaban esas descripciones por error.

Paso 6. Mide antes de fiarte. Reúne casos reales con la respuesta correcta ya conocida, pásalos por tus preguntas y cuenta aciertos: es lo que piden los propios autores, que advierten de que sus resultados no garantizan la precisión en un dominio nuevo. Si quieres repetir su medida, la ficha trae un script que descarga el banco de prueba, comprueba su huella digital y reproduce el resultado en el procesador.

Paso 7. Decide con umbrales. Fija en tu código a partir de qué probabilidad o qué confianza la decisión se aplica sola y por debajo de cuál el caso pasa a una persona, y ajusta esos umbrales comparando confianza y acierto con tus propios datos, como recomienda la documentación de Jev.

Tres casos en los que no conviene usar ni Jev ni Julia 1

Cuando la tarea es escribir. Ninguno de los dos redacta respuestas, genera código ni explica por qué decide; si lo que hace falta es un texto, sigue siendo trabajo de un modelo de lenguaje de los de siempre. Jev, además, solo acepta texto: ni imágenes, ni audio, ni vídeo, de momento.

Cuando la respuesta exige saber o calcular. Julia 1 compara las opciones que le das, y sus autores advierten de que no se puede contar con él para aportar datos que faltan, resolver ecuaciones o encadenar cálculos largos, aunque la respuesta correcta esté entre las opciones. Con listas largas de categorías parecidas falla más, como enseña su piloto de banca.

Y cuando la decisión tiene consecuencias. Una probabilidad calibrada acierta de media, no en cada caso, y los autores de Julia 1 lo dicen sin rodeos: las decisiones que importan necesitan revisión humana.