# Eerste tests met Jev en andere decision models

> Ik testte Jev en OpenAI’s decision model op een RAG-check en op 150 mails. Jev was sneller en goedkoper dan OpenAI, met vergelijkbare juistheid.

Gepubliceerd: 2026-10-27 · Feiten gecheckt op 2026-10-27
URL: https://sobra.be/nostrabramus/decision-models/

Ik zag [Jev](https://typesafe.ai/blog/introducing-system-one-models-and-jev) een paar weken geleden op X passeren, vlak nadat TypeSafe het had gelanceerd. Intussen heb ik het zelf getest in een paar toepassingen voor klanten en vergeleken met andere modellen.

Jev is een decision model. Je gebruikt het voor keuzes met vaste antwoorden, zoals bepalen of een mail dringend is. Een groot taalmodel (LLM) kan dat ook, maar schrijft zijn antwoord token per token uit, en zelfs met een vast formaat moet je code dat antwoord nog uitlezen. Voor een eenvoudige beslissing is dat een hele omweg.

## Wat een decision model doet

Je geeft het wat context en een paar vragen met vaste opties. Per vraag krijg je een keuze, een score of een ja of nee terug, telkens met een waarschijnlijkheid tussen 0 en 1. Vrije tekst komt er niet uit. TypeSafe noemt het zelf "smart if-statements".

Met die waarschijnlijkheid kies je zelf een drempel: daarboven beslist het model automatisch, daaronder kijkt een mens mee.

Volgens TypeSafe beantwoordt Jev al je vragen in één keer, in 70 tot 500 milliseconden. Op [hun site](https://typesafe.ai/) vergelijken ze een workflow van 0,11 seconden met Jev tegenover 8,6 seconden met een LLM, al zijn dat hun eigen metingen.

Intussen zijn er nog andere decision models. Cloudflare bracht op 1 oktober [Clef](https://blog.cloudflare.com/clef-decision-models/) uit, open-weight onder Apache 2.0 en met dezelfde programmeerinterface (API) als Jev. OpenAI heeft zijn [Decisions API](https://developers.openai.com/api/docs/guides/decisions) in publieke beta, die volgens hen ongeveer tien keer sneller is dan hun gewone Responses API.

## Mijn eigen tests: RAG en 150 mails

In een eerste test zette ik een decision model vooraan bij retrieval-augmented generation (RAG). In plaats van elke vraag eerst langs een LLM te sturen, beoordeelt het decision model meteen of er een opzoeking nodig is en vuurt het direct de RAG-query af.

Daarnaast deed ik een test op een reeks van ongeveer 150 mails. Het doel was om elke mail in de juiste categorie te zetten en irrelevante berichten meteen te archiveren. Daarbij legde ik Jev, het decision model van OpenAI en een gewone flow met Claude en Codex naast elkaar.

Jev en OpenAI zaten qua juistheid op een vergelijkbaar niveau, maar Jev was sneller en goedkoper dan OpenAI. Het voordeel van het decision model van OpenAI is wel dat je geen extra integratie moet onderhouden als je toch al op hun platform zit. Mijn resultaat met Jev sluit aan bij [een grotere test van MindStudio](https://www.mindstudio.ai/blog/jev-use-cases-automation) op 1.000 mails, waar Jev zeven vragen per mail parallel in een zestal seconden afhandelde, tegenover vijf minuten voor één categorie met een model uit de GPT-5.6-klasse.

## Wanneer ik er toch een LLM bij haal

Moet er na die beslissing nog een echt antwoord naar de klant vertrekken, dan haal ik er wel een LLM bij. Dat zet technische informatie om in een heldere uitleg.

In een toepassing combineer ik ze dus: er komt een mail of vraag binnen, het decision model bepaalt meteen of er RAG nodig is, hoe dringend het bericht is of dat het gearchiveerd mag worden. Pas als er tekst geschreven moet worden, neemt het LLM over.

## Bronnen

- [Introducing System One Models & Jev (TypeSafe AI)](https://typesafe.ai/blog/introducing-system-one-models-and-jev)
- [Jev, System One Models (TypeSafe AI)](https://typesafe.ai/)
- [Introducing Clef: our open-source decision models, and new RL fine-tuning platform (Cloudflare)](https://blog.cloudflare.com/clef-decision-models/)
- [Decisions API guide (OpenAI API docs)](https://developers.openai.com/api/docs/guides/decisions)
- [12 Jev Use Cases Tested: Where This Decision-Only AI Actually Fits (MindStudio)](https://www.mindstudio.ai/blog/jev-use-cases-automation)