La cifra
El informe de octubre de la pasarela de Vercel, publicado el 15 de octubre, dice que Jev alcanzó el 35,3% de sus equipos de pago en sus dos primeras semanas tras lanzarse el 17 de septiembre, y lo califica de la adopción más rápida de cualquier modelo en la historia de AI Gateway.
Las cuatro entradas siguientes de la misma tabla son Claude Sonnet 5.5 con un 18,1%, GPT-6 Luna con un 14,9%, Gemini 3.8 Flash con un 13,2% y Claude Opus 5.5 con un 13,1%. El alcance de Jev a dos semanas casi dobla al del modelo que le sigue. La retención fue del 55,6%: algo más de la mitad de los equipos que lo probaron la primera semana volvieron la segunda.
La cifra de gasto es la otra mitad de la historia, y el informe no es coherente consigo mismo al respecto. Su resumen dice que Jev se llevó el 0,27% del gasto de la pasarela en esas dos semanas; el cuerpo del texto dice 0,15% y el cuadro de indicadores dice 0,3%. El informe no concilia las tres. En lo que sí coinciden es en el orden de magnitud: un modelo presente en un tercio de los equipos de pago se lleva bastante menos del uno por ciento del dinero.
Qué es Jev
Jev viene de TypeSafe AI y es un modelo de decisión, no un generador de texto. Sus salidas están limitadas a un pequeño conjunto de opciones predeterminadas —una etiqueta, una puntuación, un sí o un no—, y por eso es lo bastante barato y rápido para ponerlo delante de grandes volúmenes de datos, y por eso no puede mantener una conversación.
Vercel es aquí cliente además de árbitro. Sustituyó GPT-6 Luna por Jev en el clasificador que decide si un comando es seguro de ejecutar.
Esa combinación explica la forma de las cifras. Un clasificador se ejecuta en cada petición y no en cada conversación, así que llega a muchos equipos; y como cada llamada es corta y restringida, cuesta casi nada. El alcance y los ingresos se separan.
La advertencia sobre los datos
Son cifras de pasarela, no cifras del sector. AI Gateway de Vercel es un servicio de enrutamiento, y los desarrolladores que llaman directamente a OpenAI o a Anthropic no aparecen en él, de modo que el informe subestima a los laboratorios que venden su propia API. TechCrunch, que cubrió la publicación, señala lo mismo.
El resto del informe merece leerse por otra razón. Los modelos de pesos abiertos se llevaron el 71,5% de los tokens de la pasarela en septiembre y el 23% del gasto, frente a aproximadamente un dólar de cada veinte en junio. El gasto en modelos de frontera se ha multiplicado por diez desde diciembre, y el de modelos de pesos abiertos por más de setenta. El precio medio por token cayó un 47%.
Qué observar
Si se mueve la cuota de gasto. Un modelo que llega a un tercio de los equipos y se lleva una fracción de un punto porcentual es o bien una materia prima muy barata o la punta de algo; y la propia columna de retención del informe, donde GPT-6 Luna lidera con un 64,8%, es el mejor indicador temprano de cuál de las dos.
