Jev vs Claude Opus 5 na verificação em escala

O Claude Opus 5 é o modelo principal da Anthropic. O Jev é o modelo da TypeSafe AI que não escreve: ele devolve decisões tipadas com probabilidade. São categorias diferentes de ferramenta, e a comparação só vira útil dentro de uma tarefa.

Escolhemos a tarefa em que os dois competem de verdade e em que a diferença de preço muda a arquitetura.

A tarefa

Verificar, em escala, o que outro modelo produziu. A citação sustenta a afirmação? O campo extraído existe no documento fonte? A chamada de ferramenta corresponde ao pedido? Esse trabalho roda uma vez por item, em cima de todo o volume, e a saída dele é um sinal, não um texto.

É exatamente o tipo de tarefa em que colocar um modelo de raciocínio no caminho crítico transforma a verificação na parte mais cara do sistema.

O contrato de cada lado

Os preços da Anthropic vêm da página oficial de preços da empresa, lidos em 18 de setembro de 2026, no nível padrão, contexto curto, sem cache e sem desconto de lote. O preço do Jev vem da documentação da TypeSafe.

A comparação usa só tokens de entrada, porque é o que o Jev cobra, e isso é conservador a favor do Opus 5, cuja saída custa cinco vezes a entrada. Na entrada, a razão é de cerca de 119 vezes. E a frase que evita a conclusão errada: preço não é capacidade — o Opus 5 escreve texto e o Jev só decide.

Onde o Jev ganha

Ele cabe no caminho crítico. Verificação precisa rodar em 100% dos itens para valer alguma coisa. Com latência declarada de 70 a 500 milissegundos e entrada a US$ 0,042 por milhão, verificar tudo deixa de ser uma decisão orçamentária. Nas nossas cinco chamadas de 18 de setembro de 2026, medidas de fora e incluindo rede, a ida e volta ficou entre 270 e 802 milissegundos, com mediana de 538.

O sinal é separável por construção. O cookbook oficial de cascata de extração descreve o que faz um bom verificador: uma pergunta estreita e ancorada na fonte por campo, com o caso de escalar marcado como verdadeiro, e agregação por max para que uma bandeira vermelha confiante não seja diluída na média. No exemplo publicado, os sinais dispararam em 0,95 e 0,85 no campo inventado e ficaram baixos nos campos corretos. O desenho está em cascata de extração.

O verificador é independente do gerador. O mesmo cookbook aponta isso como propriedade, não detalhe: um verificador dedicado pega os pontos cegos do próprio extrator. Pedir ao Opus que revise o texto do Opus não tem a mesma qualidade.

A resposta é um número, então dá para medir. A documentação da TypeSafe descreve o treino como RLCD, voltado a decisões com probabilidade calibrada, e publica a ressalva junto: a calibração é medida em grupos de previsões e não garante que uma resposta individual esteja correta. Mesmo assim, número agrupa, e texto não. O assunto está em decisões calibradas.

Onde o Claude Opus 5 ganha

Ele explica. Quando a verificação precisa ir para uma pessoa com a justificativa escrita — auditoria, compliance, revisão editorial — o texto do raciocínio é o produto, e o Jev não produz texto nenhum.

Ele julga o que você não soube perguntar. O Jev responde às perguntas que você escreveu. Se o erro é de um tipo que ninguém previu, nenhuma das perguntas o pega. Um modelo de raciocínio solto no documento tem chance de notar o inesperado.

Ele aguenta a cadeia longa. “Esta conclusão decorre das premissas citadas, considerando a exceção do anexo?” tem vários saltos, e indireção é um dos nove modos de falha declarados do jev-1.13.

Ele aceita mais tipos de entrada. O jev-1.13 aceita texto apenas: string, objeto JSON ou lista de textos, sem imagem, áudio ou vídeo.

Ele reescreve o que está errado. A cascata mostra isso com clareza: o verificador barato aponta o campo problemático, mas quem produz a versão corrigida é o modelo de raciocínio. Verificar e consertar são trabalhos diferentes, e o Jev só faz o primeiro.

Como escolher

• Se o produto da tarefa é texto — parecer, explicação, correção — é Opus 5.
• Se o produto é um sinal consumido por código, sobre todo o volume, é Jev: o preço de entrada e a latência é que permitem rodar em 100% dos itens.
• Se você precisa dos dois, use a cascata: o barato verifica tudo, o caro entra só onde o sinal disparou. É o desenho que o cookbook oficial mede.
• Se o volume é pequeno e a qualidade textual importa mais que o custo, não complique a arquitetura por causa de centavos.

Para a versão aplicada dessa verificação, veja a receita de verificar citações. Para os limites que o próprio fabricante declara, limites do Jev. O índice está em comparativos.