OpenAI lanza su propia versión del modelo Jev para acelerar la toma de decisiones en agentes de IA
En el reciente evento Dev Day de OpenAI, el CEO Sam Altman reveló una nueva herramienta llamada «Decisions API», que parece ser una versión interna de un modelo desarrollado por TypeSafe AI conocido como Jev. Esta API está diseñada para permitir a los desarrolladores tomar decisiones rápidas y eficientes mediante modelos de lenguaje grandes (LLMs), ofreciendo una alternativa más rápida y económica a las soluciones convencionales.
La Decisions API funciona como un clasificador potenciado basado en LLMs, capaz de evaluar múltiples opciones y devolver probabilidades de elección en tiempo real. Altman explicó que esta herramienta permite enfocar al modelo Luna en un conjunto específico de opciones, como categorías de imágenes o comportamientos de agentes, mejorando así la velocidad sin sacrificar funcionalidades clave como el análisis visual o la seguridad.
El lanzamiento de esta API ha generado interés inmediato en la comunidad técnica, especialmente tras la aparición de Jev, que fue presentado por TypeSafe AI a principios de mes. Este modelo se especializa en automatización de tareas mediante una arquitectura que permite una salida rápida y precisa de decisiones. La similitud entre ambos productos sugiere que OpenAI busca integrar soluciones de este tipo dentro de sus propias plataformas de desarrollo.
Diogo Almeida, fundador de TypeSafe AI y exingeniero de OpenAI, comentó en redes sociales sobre la competencia en este espacio, bromeando sobre el inicio de una «guerra de clonación» entre empresas tecnológicas. Para él, el interés de OpenAI podría ser un indicio de que el futuro de los sistemas inteligentes radica en modelos compatibles con el paradigma de pensamiento rápido y natural, denominado «System One» por TypeSafe, frente al razonamiento deliberativo o «System Two».
Aunque TypeSafe aún no ha respondido oficialmente a preguntas sobre la nueva API de OpenAI, la reacción en la comunidad técnica es clara: hay una demanda creciente de herramientas que permitan ejecutar agentes de IA de manera más eficiente. El problema principal con los LLMs tradicionales es su lentitud y alto costo computacional, lo cual limita su uso en aplicaciones en tiempo real.
Los desarrolladores han comenzado a usar Jev para complementar sus modelos LLM, logrando una mejora significativa en velocidad y eficiencia. Esto indica que el mercado está buscando soluciones que ofrezcan rendimiento sin sacrificar precisión. La Decisions API de OpenAI se presenta como una respuesta directa a esa necesidad, aunque su versión preliminar aún no ha sido sometida a pruebas exhaustivas por parte de la comunidad.
Además de OpenAI, otras startups están introduciendo modelos similares, lo que sugiere que este tipo de herramientas pronto se convertirá en una categoría estándar dentro del ecosistema de inteligencia artificial. Sin embargo, una de las principales incógnitas es cómo de bien calibradas estarán estas decisiones en contextos del mundo real. Almeida enfatizó que su ventaja competitiva radica en los datos sintéticos generados por su empresa, que permiten producir resultados estadísticamente útiles.
«Lo rápido y barato es muy fácil, sabes», dijo Almeida a TechCrunch. «Si quieres algo realmente rápido y barato, usa dados, ¿verdad? La inteligencia es lo difícil, y mi meta es siempre mejorar la relación inteligencia-dólar en la curva de Pareto.» Esta filosofía refleja una visión estratégica centrada en optimizar recursos mientras se mantiene la calidad del output.
Una de las aplicaciones más prometedoras de estos modelos es en el ámbito de la seguridad de agentes de IA. Tras varios incidentes donde los agentes de OpenAI actuaron de forma inesperada en internet, la compañía implementó medidas de vigilancia usando modelos separados para detectar comportamientos maliciosos, aunque esto implica un costo computacional significativo.
Shapor Naghibzadeh, experto en ciberseguridad y líder de QueryStory, cree que modelos como Jev podrían revolucionar esta área al permitir monitoreo continuo y eficiente de agentes, reduciendo el riesgo de fallos en sistemas autónomos. Con el crecimiento de la IA autónoma, estas herramientas podrían convertirse en componentes fundamentales de cualquier infraestructura segura.
Traducción y adaptación por Tecnología 365.
Fuente original: TechCrunch