Jev alcança 35% das equipes pagantes medidas pela Vercel em duas semanas
Dados do gateway de IA da Vercel mostram que o modelo de decisão Jev era usado por 35% das equipes pagantes duas semanas após seu lançamento limitado. O índice foi quase o dobro do registrado pelo segundo modelo mais popular, Sonnet 5.5.
Dados publicados pela Vercel na quinta-feira mostram que, duas semanas após o lançamento limitado do Jev, em 15 de setembro, o modelo era usado por 35% das equipes pagantes medidas pelo gateway de IA da empresa. O alcance foi quase o dobro do segundo modelo mais popular, Sonnet 5.5. Segundo a Vercel, foi a adoção mais rápida de um modelo nas primeiras duas semanas. O Jev foi criado pela TypeSafe AI.
O modelo foi projetado para escolher entre poucas opções predeterminadas. Essa limitação permite que funcione com custo menor e mais rapidez que alternativas como o Sonnet, segundo a reportagem, e o torna adequado à classificação rápida de grandes volumes de dados. A Vercel adotou o Jev para substituir o GPT-6 Luna na classificação de comandos nocivos.
Os dados vêm do gateway da Vercel e não representam todo o mercado. A própria reportagem ressalva que podem subcontar empresas como OpenAI e Anthropic, que oferecem APIs próprias. No gateway, modelos de código aberto responderam por mais de 70% dos tokens processados e quase 25% dos gastos. Os gastos com laboratórios de fronteira cresceram dez vezes, embora representem uma parcela menor do total.
O que muda para você
Os dados podem ajudar equipes que escolhem modelos para classificar informações ou selecionar entre opções definidas. Mas o Jev teve lançamento limitado, e a fonte não informa se está disponível de forma geral, quanto custa ou quais são os requisitos de acesso. Para quem não trabalha com APIs de IA, não há mudança imediata: os percentuais se referem ao gateway da Vercel, não ao mercado inteiro.
Minha leitura
A velocidade de adoção é um sinal interessante, mas não basta para concluir que o Jev está à frente no mercado. A medição cobre o gateway da Vercel e pode deixar de fora o uso de empresas com APIs próprias. O caso da classificação de comandos nocivos mostra uma aplicação concreta; a decisão prática é verificar se a tarefa da equipe também se resume a escolher entre opções definidas.
Thiago FelizolaConsultor de IA, curador do Diário da IA
