whatsincabo · investigación · 22 sep 2026 · actualizada con la investigación de Codex
Jev es un modelo de inteligencia artificial nuevo, de la empresa TypeSafe AI (San Francisco), lanzado el 15 de septiembre de 2026. Lo dirige Diogo Almeida, que trabajó unos cuatro años en OpenAI en ChatGPT y GPT-4. Esta página resume la documentación oficial, el estado del acceso, lo que dice la prensa independiente y, sobre todo, dónde encaja en whatsincabo.com y dónde no.
~/.wic-secrets/openrouter-api-key, solo lectura para mí), igual que la llave de Google y la de Cloudflare, y nunca la imprimo. Si más adelante la ponemos en el panel automático, va a Secret Manager de Google, no en código.Ventaja extra de OpenRouter: con la misma llave puedo hacer las mismas preguntas a Claude, Gemini o GPT usando el adaptador oficial de TypeSafe. Así la primera prueba compara a Jev con los modelos grandes con las mismas afirmaciones, y no solo contra la empresa.
Rutas alternativas: (a) directo con TypeSafe en console.typesafe.ai → keys; su web todavía dice «early access» y un youtuber reporta que le dieron acceso en 4–5 horas; (b) la pasarela de IA de Vercel, con el identificador typesafe-ai/jev. En OpenRouter el límite es de 32 mil tokens por llamada (directo, 64 mil); a nuestros usos les sobra.
POST https://openrouter.ai/api/v1/systemone (directo: https://api.typesafe.ai/v1/systemone)
Authorization: Bearer $OPENROUTER_API_KEY
{ "model": "typesafe/jev-1.13", (directo: "jev-latest")
"state": "cabo airport transportation",
"questions": {
"vertical": { "type": "choice", "instructions": "Which travel topic is this search about?",
"criteria": { "transport": null, "hotels": null, "restaurants": null, "beaches": null, "golf": null, "tours": null, "weather": null, "other": null } },
"negocio": { "type": "noul", "instructions": "Is this search the name of one specific business?" } } }
Hoy el panel sabe qué buscan y a qué página llegan, pero no de qué trata cada búsqueda. Jev clasificaría las 878 búsquedas distintas del último mes por vertical, por intención (informarse, comparar, reservar, llegar a un negocio concreto) y separaría las búsquedas genéricas («cabo transportation») de las que son el nombre de un negocio («cabo t&t»). Eso da tres cosas que hoy no tenemos: la métrica norte de la guía («impresiones no-marca»), un mapa de qué demanda tenemos y cuál no, y la detección de canibalización (búsquedas de aeropuerto que caen en el hub de transporte en vez de en la guía, como descubrimos a mano).
Costo estimado: menos de 10 centavos al mes (las 878 búsquedas distintas son del corte de 28 días del panel). Se integra como una lámina nueva del panel con su propia clave, sin reutilizar datos existentes.
Las IAs citan páginas con datos verificables; la regla de la casa es «ningún dato sin fuente». Jev puede leer una afirmación y el texto de su fuente y contestar: la respalda, la contradice o no lo dice. Es un primer filtro barato antes de tu revisión de hechos. Lo bueno: ya tenemos cómo medirlo con honestidad, porque la investigación del aeropuerto verificó 50 afirmaciones con 87 agentes. Si Jev acierta con esas, lo usamos en todas las guías; si no, lo descartamos con datos.
La investigación de septiembre usó 80 agentes para leer 5,318 publicaciones de Reddit y encontrar que el aeropuerto y el clima son los temas #1 y #2. Con Jev, clasificar esas 5,318 publicaciones cuesta centavos y tarda minutos, así que se puede repetir cada mes y ver qué temas suben. Es la base de GEO: saber qué preguntas responder antes de que alguien le pregunte a ChatGPT.
Leer la web de cada negocio y contestar: ¿tiene sección de prensa o «as featured in»? ¿es la web del dueño o de un intermediario? Sirve para decidir a quién escribir primero. Y cuando empiecen a contestar, clasificar las respuestas (interesado, corrección, no, spam).
Spam o reseña real, y de qué habla. El volumen hoy es chico (cinco comentarios en un mes), así que el valor es bajo hasta que haya reseñas propias.
Para cada guía, elegir entre las fichas relacionadas cuáles son la mejor lectura siguiente. Siempre como sugerencia para aprobar, nunca automático.
Ya con la llave, le pasamos a Jev todas las búsquedas con las que Google mostró el sitio en 28 días (del 23 de agosto al 19 de septiembre: 785 búsquedas, 5,942 impresiones, 4 clics). A cada una le hicimos tres preguntas: de qué tema es, qué quiere la persona y qué página del sitio debería contestarla.
/restaurants/. Las guías hechas justo para esas búsquedas (publicadas el 14 de junio y el 3 de julio, indexables y con su canónica) tienen cero impresiones.En las 60 búsquedas con más impresiones: el tema estuvo bien en las 60. La página estuvo bien en 41, mal en 3 y fue discutible en 16. Las 3 malas son nombres de negocios que tienen ficha en el sitio: Jev no sabe qué fichas tenemos y hay que dárselas. Las 16 discutibles son búsquedas de traslado del aeropuerto, que pueden ir a la guía o al comparador de empresas; eso lo decide el equipo editorial, no Jev. La intención es ambigua en búsquedas de dos o tres palabras, y Jev lo reconoce: en 209 de las 785 contestó con menos de 50 % de confianza. Esas se revisan a mano o se descartan.
Los 3 errores eran nombres de negocios con ficha propia. En la versión mejorada, el código revisa antes si la búsqueda nombra alguna de nuestras 269 fichas y le pasa el candidato a Jev; además agregamos la opción «eventos». Resultado: de las 160 búsquedas que nombran una ficha y ya caen en ella, Jev manda 152 a la ficha (95 %). «cabo limo», «guaycura hotel» y «mifel tennis open» quedaron bien. También encontró algo nuevo: quien busca «transcabo» (93 impresiones) o «all ways cabo» (27) cae en el hub de transporte y no en la ficha de esa empresa. All Ways Cabo ni siquiera estaba indexada, así que subió al día 3 de la lista de indexación. Para el panel, la lista de nombres necesitará alias a mano, porque palabras como «ride» o «live music» todavía confunden al buscador del código.
| Tarea | Cómo lo hacemos hoy | Con Jev | Qué ganamos |
|---|---|---|---|
| Qué página recibe cada búsqueda | El panel lista búsqueda → página; los problemas se descubren leyendo a mano (el del aeropuerto costó una sesión) | Cada mañana, las ~800 búsquedas con tema, intención y página correcta; el panel muestra solo las que caen en la página equivocada | Detectar en días, no en meses, cuando una guía no aparece; unos 2 dólares al mes |
| Verificar los datos de las guías | 87 agentes en una sesión, para una sola guía (50 afirmaciones) | Cada afirmación contra su fuente en segundos, en todas las guías; Claude y tú revisan solo las dudosas | Reverificar todo cada mes (falta medir su acierto con la prueba del aeropuerto) |
| Fichas al día (la apuesta #1 de la investigación de septiembre) | Reescribir a mano, unas 15 fichas por sesión | Leer cada mes la web de cada negocio y preguntar: ¿dice que cerró, se mudó o cambió de nombre? | Una lista de fichas por revisar. Horarios y precios los compara el código, no Jev |
| Qué pregunta la gente en Reddit | 80 agentes, una sola vez | Cada mes, en minutos, por centavos | Ver qué temas suben antes de escribir |
| Outreach a los 209 negocios | Código que revisa si nos enlazan; el orden se decide a mano | Leer su web y decir: ¿tiene sección de prensa? ¿es la web del dueño? Y clasificar sus respuestas | A quién escribir primero |
Jev no hace que subamos en Google ni que las IAs nos citen. Nos dice rápido y barato dónde actuar, y el resultado depende de actuar: la prueba de hoy ya dejó dos tareas concretas (revisar en Search Console por qué no aparecen la guía del aeropuerto y las guías de restaurantes). Datos, método y resultados: storm-reports/jev-prueba-busquedas-2026-09-22/.
Usamos las afirmaciones de la investigación del aeropuerto. Cada una tiene su fuente y el veredicto de un verificador que la abrió y la comparó palabra por palabra. Hicimos tres rondas, y solo la tercera mide bien.
| Ronda | Qué le dimos | Resultado |
|---|---|---|
| 1 | Las 81 notas del investigador + la cita corta que guardó | Contestó «parcial» en 79 de 81. Tiene razón: las notas traen más datos que la cita. No sirve como medida. |
| 2 | 62 notas + pasajes de la fuente real, descargada hoy | Cazó 11 de 14 falsas, pero rechazó 34 de 48 verdaderas (40 % de acierto; decir «todo sí» daría 77 %). Las notas mezclan varios datos con comentarios del investigador («sitio de terceros», «sin fecha»), y Jev las lee al pie de la letra. |
| 3 | 71 frases como las de una guía, fieles a la cita, y las mismas 71 con un solo dato cambiado (número, fecha u hora, nombre o lugar, condición) | 98 % de acierto. Cazó las 71 falsas, incluidos los 24 números y las 14 fechas u horas. Aceptó 68 de 71 verdaderas; las 3 que no, con poca confianza (la fuente escribe «Diddy» y la frase dice «Didi»). Tardó 3 segundos y costó medio centavo. |
Comparación a ciegas: un modelo grande (Claude) juzgó las mismas 142 frases y acertó el 100 %. Tuvo ventaja: vio las frases juntas y notó que venían en pares. Tardó un minuto y costó unas 300 veces más.
Las frases de la ronda 3 las escribió un agente a partir de las citas, y las revisamos por muestreo. Los datos y scripts están en storm-reports/jev-verificacion-aeropuerto-2026-09-23/.
| Afirmación | De dónde viene |
|---|---|
| 40 a 200 veces más rápido y 40 a 400 veces más barato que los modelos grandes; «193.6× más rápido, 444.6× más barato» | La propia empresa, con pruebas diseñadas por su equipo; ella misma dice que están «en el lado alto» de lo que pasará en la vida real |
| Vercel: resultados 5 a 18 veces más rápidos y con más precisión que un modelo de OpenAI | Prueba pública citada por TechCrunch (18 sep) |
| Bryo AI: Gemini fue ligeramente más preciso, pero 10 a 20 veces más caro | Prueba pública citada por TechCrunch |
| «Si solo contesta con 50 % de probabilidad, quizá es un volado y hay que descartarlo» | Armin Ronacher, CTO de Earendil, en TechCrunch: la responsabilidad de usar bien la confianza es de quien lo integra |
| El precio podría estar subsidiado | La propia empresa: «no podemos probar que no esté subsidiado» |
| Un SEO clasificó 15,900 búsquedas reales de Search Console en 3 minutos por 42.5 centavos; 3,736 (23 %) salieron marcadas como dudosas | Julian Goldie (agentos.guide), con sus propios sitios; sin validación independiente y vendiendo una comunidad de pago. Sirve como referencia: hay que contar con que 1 de cada 4 búsquedas vaya a revisión |
| 37 artículos × 21 preguntas = 777 respuestas en menos de un segundo por un cuarto de centavo | Prueba de un reportero de Every, citada en un video de YouTube; no la reproduje |
| Con la interfaz adecuada, Jev + Mercury resolvió 49 de 49 tareas de navegador; leyendo el HTML de la página, solo 25 de 49 | Benchmark WindTunnel de WebMCP (18 sep). Lección: el resultado depende mucho de cómo se le presenta el texto |
Lleva una semana en el mercado, la versión es la 1.13 y los límites cambian sin aviso. Por eso la recomendación es usarlo como paso opcional y medido, guardando qué versión contestó cada cosa, nunca como pieza de la que dependa el sitio.
Datos que no mandamos: nada personal. Las búsquedas de Search Console ya vienen anónimas; los correos de los negocios no hace falta enviarlos. La empresa dice que no entrena con lo que le mandan; la retención cero solo la da en planes empresariales.
Codex hizo su propia búsqueda del 21 de agosto al 20 de septiembre: 108 fuentes entre Reddit (32 hilos), YouTube (24 videos, 23 con transcripción), Hacker News (29) y GitHub (23), más búsquedas de apoyo. No ejecutó el modelo. Coincide con esta página en lo esencial (qué es, precio, velocidad, que no escribe y que no es un buscador) y aporta cinco cosas, que comprobé una por una:
| Lo que trajo Codex | Lo que comprobé | Qué cambia |
|---|---|---|
| Jev está en OpenRouter | Confirmado. Documentación de OpenRouter: beta desde el 18 sep, sin lista de espera, modelo typesafe/jev-1.13, entrada que acepta el SDK de TypeSafe | Cambia cómo nos conectamos: ya no dependemos de que TypeSafe te dé acceso |
| «Adaptador oficial en Python» | Es oficial, pero hace lo contrario de lo que parece. No conecta con Jev: hace que OpenAI, Claude o Gemini contesten con el formato de Jev, para comparar costo, velocidad y acierto | Nos sirve para la prueba del aeropuerto: mismas preguntas a Jev y a un modelo grande |
| Un caso SEO: clasificar búsquedas de Search Console | Existe, pero es autorreportado y comercial (15,900 búsquedas, 42.5 centavos, 23 % dudosas) | Refuerza el uso #1 y fija una expectativa: 1 de cada 4 a revisión |
| Integración de LangChain | Confirmada (17 sep), marcada como experimental | Nada: no usamos LangChain |
| Demos de navegación (Browser Use, WebMCP) | Confirmadas, con resultados que dependen mucho de la interfaz | Nada: no es un uso de SEO |
También recoge un debate sin resolver: un comentario asegura que Jev es un modelo de lenguaje preentrenado y ajustado; otro, que es algo distinto. La empresa no ha publicado su arquitectura, y a nosotros no nos cambia nada. Y confirma lo que ya decíamos: el proyecto «jev-search» usa un buscador externo, porque Jev no busca en internet. El archivo completo de Codex está en la carpeta compartida de Dropbox de Iván (_INVESTIGACION-COMPARTIDA/02-HERRAMIENTAS-Y-COMPETIDORES/jev/2026-09-20-casos-seo-geo/).
Centro de investigaciones: herramientas-2026 · Tablero: roadmap