Jev 1.14 ya acepta imágenes

Qué incorpora exactamente Jev 1.14

Yo interpretaría esta actualización así: Jev 1.14 ya puede recibir imágenes estáticas y utilizarlas en preguntas orientadas a la toma de decisiones. A comienzos de noviembre de 2026, esta capacidad llevaba disponible unas dos semanas; ya no es una noticia urgente, sino un análisis técnico útil. En el anuncio de TypeSafe AI y en la documentación de Cloudflare, la función se describe como experimental.

Los formatos admitidos son PNG y JPEG. GIF, WebP, HEIC, vídeo y PNG animado no se aceptan directamente. Según la documentación disponible, cada imagen está limitada a 16 MiB y el cuerpo completo de la solicitud no puede superar 32 MiB.

La imagen puede enviarse como una parte independiente de una solicitud multipart o integrarse como base64. Después, el recurso se vincula a un campo de state al que hacen referencia las preguntas. Para activarlo se necesita la cabecera TypeSafe-Danger-Zone-Images: true, un nombre que describe con bastante honestidad el nivel de madurez de la función.

La principal novedad funcional de la versión 1.14 es el primitivo Box. Está diseñado para encontrar un objeto indicado y devolver su área dentro de una imagen. Los datos visuales también pueden usarse en Choice, Score y otras preguntas de toma de decisiones.

Existe un límite importante: los ejemplos de integración con un modelo de visión independiente no demuestran que Jev realice por sí solo todo el análisis visual. En esos esquemas, el modelo de visión genera primero evidencias estructuradas y Jev toma la decisión a partir de ellas.

Qué cambia para las integraciones

El efecto práctico es real, pero el uso tranquilo en producción sigue estando lejos. Ahora es posible incluir la imagen directamente en el estado de la tarea, lo que reduce el código intermedio entre el análisis visual y la lógica de evaluación.

Yo comprobaría primero algo más que los ejemplos de demostración: la estabilidad de Box, el comportamiento cerca de los límites de tamaño y la reproducibilidad de Choice y Score. Una bandera de función independiente, el estado beta y la advertencia explícita contra el uso en producción indican que ni el contrato de la API ni la calidad de las respuestas pueden considerarse definitivos.

No hay un leaderboard oficial e independiente confirmado para estas capacidades visuales en los materiales disponibles. Por eso no se trata de un motor de visión universal listo para usar, sino de una ampliación temprana de un API de decisiones, especialmente interesante en la intersección entre imágenes y decisiones estructuradas.

Anteriormente analizamos Pydantic Monty, un intérprete seguro de Python diseñado para ejecutar código controlado por LLM. Ofrece contexto útil sobre cómo Pydantic amplía las capacidades técnicas de las aplicaciones de IA, incluidas las entradas multimodales de los modelos.