Jev is in korte tijd heel populair geworden: volgens cijfers van Vercel gebruikte 35% van de betalende teams het model binnen twee weken na lancering. Dat is, op basis van Vercel’s meetmethode, de snelste adoptie ooit voor een AI‑model in zijn eerste veertien dagen.

Wat is Jev?

Jev is een klein, lichtgewicht besluitvormingsmodel. Het is gemaakt om tussen een paar vooraf bepaalde antwoorden te kiezen, in plaats van vrij lange teksten te genereren. Daardoor werkt het sneller en goedkoper dan veel grotere modellen.

Het model kwam in beperkte uitgave uit op 15 september. Omdat Jev alleen hoeft te kiezen uit een beperkte set opties, is het vooral geschikt voor taken als snel classificeren of beslissen bij grote hoeveelheden data. Denk aan het herkennen van typen vragen, het sorteren van berichten of het beoordelen van inhoud op eenvoudige ja/nee‑criteria.

Wat laten de Vercel‑gegevens zien?

Vercel publiceerde de cijfers in hun maandelijkse rapport over het gebruik van AI via hun platform. Zij meten het gebruik via hun AI‑gateway — een API (een programmeerinterface waarmee software diensten van andere programma's kan oproepen) die verschillende modellen toegankelijk maakt voor ontwikkelaars.

Belangrijke punten uit het rapport:

• Binnen twee weken gebruikte 35% van de betalende teams Jev.

• Jev had bijna twee keer zo veel bereik als het op één na populairste model, Sonnet 5.5.

• Vercel gebruikte Jev zelf om een eerder model (GPT‑6 Luna) te vervangen voor het classificeren van schadelijke commando’s.

Vercel zegt dat hun overzicht niet alles vangt; grote aanbieders die hun eigen toegangspunten hebben, kunnen daardoor ondervertegenwoordigd zijn in deze cijfers. Toch toont het rapport aan dat de belangstelling voor Jev daadwerkelijk in gebruik is omgezet.

Open source en marktdynamiek

Het rapport laat ook iets zien over het grotere speelveld. Open source‑modellen (modellen waarvan de broncode openbaar en vrij beschikbaar is) verwerken nu meer dan 70% van de tokens die via Vercel’s gateway lopen. Tokens zijn de stukjes tekst die een model verwerkt, bijvoorbeeld woorden of woorddelen.

Hoewel open source‑modellen veel van het verwerkte volume voor hun rekening nemen, beslaan ze nog geen evenredig deel van de uitgaven; ongeveer 25% van het totale budget gaat daar naartoe. Tegelijk groeit de besteding aan de zogenoemde frontier‑labs (de grote commerciële modelaanbieders) snel: die uitgaven zijn ongeveer tien keer zo hoog geworden. Dat suggereert dat er ruimte is voor zowel grote commerciële modellen als open source‑alternatieven, in plaats van dat ze elkaar volledig uit de markt drukken.

Waarom trekt Jev zoveel aandacht?

Een paar redenen verklaren de snelle adoptie:

• Snelheid en kosten: Jev is licht en daardoor goedkoper en sneller in gebruik voor eenvoudige beslissingen.

• Praktische inzetbaarheid: Voor veel toepassingen is het niet nodig om uitgebreide tekst te genereren; het kiezen uit een paar opties volstaat.

• Reactie van concurrenten: Grote spelers als OpenAI en Amazon zijn begonnen met soortgelijke modellen, wat aangeeft dat dit type model snel een vaste plek kan krijgen in de praktijk.

De combinatie van efficiëntie en duidelijke toepassingen maakt Jev aantrekkelijk voor teams die snel resultaat willen zonder hoge kosten.

Conclusie

Vercel’s gegevens tonen dat Jev in korte tijd veel gebruik kreeg, vooral omdat het gericht is op snelle, goedkope beslissingen bij grote hoeveelheden data. Tegelijkertijd groeit de markt in meerdere richtingen: open source‑modellen verwerken veel van het werk, maar investeringen in grote commerciële modellen nemen snel toe. Voor organisaties die AI willen inzetten zonder complexe modellen te draaien, biedt een klein besluitvormingsmodel als Jev een praktisch en betaalbaar alternatief.