JEVSystem One Modell · TypeSafe AI
Neu seit 15. September 2026 · Early Access
Jev ist ein neues Modell von TypeSafe AI aus San Francisco. Du schickst Daten und Fragen. Jev antwortet mit Werten, Wahrscheinlichkeiten und einer Confidence-Zahl. Dein Code arbeitet direkt damit weiter. Kein Text zum Herauspulen.
state die Daten
Ich versuche seit 3 Tagen, mein Stripe-Konto zu verbinden. Die Integration bricht immer wieder ab. Ich verliere gerade Verkäufe. Bitte hilf mir sofort.
questions die Fragen
{
"department": {
"type": "choice",
"instructions": "Welches Team soll diese Nachricht bearbeiten?",
"criteria": {
"billing": "Zahlungen, Rechnungen, Abos",
"technical": "Fehler und Integrationsprobleme",
"sales": "Preise und neue Accounts"
}
}
}answers die Werte
choice technical
confidence 0,78
Choice heißt: eine Option aus deiner Liste. Die Antwort kommt mit allen Wahrscheinlichkeiten. Der höchste Wert steht in choice.
Beispiel aus der TypeSafe-Dokumentation, Text auf Deutsch übersetzt, Werte gerundet. Hinweis: Englisch ist die stärkste Sprache für Jev. Deutsch funktioniert, prüfe aber deine eigenen Fälle.
Typenschild
Das Problem
Chat-Modelle sind gut darin, Text zu schreiben. Software braucht aber keine Prosa. Software braucht Werte, die sie prüfen kann.
parsen
Die Antwort ist Text. Irgendwo darin steht die Entscheidung. Dein Code muss sie heraussuchen und hoffen, dass sie da ist.
validieren
Nichts garantiert, dass die Antwort zu deinem Schema passt. Ein Feld kann fehlen, falsch heißen oder den falschen Typ haben.
selbstsicher falsch
Ein Modell klingt auch dann überzeugt, wenn es falsch liegt. Gefragte Confidence-Werte sind laut TypeSafe überzeugt und unbeständig.
Tempo und Preis
Antwortzeiten reichen laut TypeSafe von 3 bis 329 Sekunden. Ausgabe-Tokens kosten deutlich mehr als Eingabe-Tokens.
Der Unterschied liegt nicht darin, wie klug das Modell ist. Der Unterschied liegt an der Schnittstelle. Bei Jev gibt es die Schritte 3 und 4 aus der linken Ansicht nicht mehr.
Klar, gern! Hier ist die Einordnung:
```json
{ "department": "technical", "confidence": 0.8 }
```
Ich hoffe, das hilft dir weiter.Die Idee
Normale Bedingungen prüfen Dinge, die ein Computer exakt ausrechnen kann: if (summe > 100). Jev prüft Dinge, die Bedeutung brauchen: Ist diese Nachricht dringend? Ist dieser Befehl gefährlich? Welches Team ist zuständig?
Jev ist kein Chat und kein Agent. Es gibt keine Unterhaltung, keine Werkzeugaufrufe und keine Schleife. Ein Aufruf: Daten rein, Werte raus. Danach ist Jev fertig.
Deshalb ist Jev auch kein Ersatz für ChatGPT. Es ist ein Bauteil in deinem Programm. Text schreiben weiterhin LLMs, entscheiden kann Jev.
System One kommt von Daniel Kahneman. System 1 sind die schnellen, intuitiven Urteile. Für diese Art Urteil ist Jev gebaut. Langes, schrittweises Nachdenken bleibt bei Reasoning-Modellen.
Jev kommt von William Stanley Jevons. Er beschrieb, dass mehr Effizienz den Verbrauch erhöhen kann: bessere Dampfmaschinen, mehr Kohle. TypeSafe setzt auf dieselbe Logik. Wenn eine Entscheidung fast nichts kostet, baut man sie viel öfter ein.
klassischer Code
Entscheidet exakt und vorhersagbar. Aber nur über Dinge, die sich ausrechnen lassen.
Agent
Ein LLM entscheidet in einer Schleife. Mächtig, aber jede Runde braucht Aufsicht.
Code + Jev
Code behält die Kontrolle. Jev liefert nur die Urteile, für die man Sprache verstehen muss.
wartet auf das letzte Token
noch nicht gestartet
Zeit gerafft dargestellt. Zahlen aus der TypeSafe-Demo: 0,114 s gegen 8,566 s (GPT-5.6 Terra). Der Anbieter nennt 70 bis 500 ms pro Aufruf, meist etwa 100 ms. Das Rennen ist eine Illustration, keine Messung auf deinem Rechner.
Die Bausteine
Jede Frage ist eine von drei Formen. Du kannst alle drei in einem Aufruf mischen. Jede Frage bekommt eine ID von dir, damit dein Code die Antwort wiederfindet.
| Typ | Deine Frage | Was zurückkommt | Typisch für |
|---|---|---|---|
noul |
Ist das wahr? | eine Zahl von 0 bis 1 | Spam, Dringlichkeit, Freigabe, Prompt-Injection |
choice |
Welche Option aus meiner Liste? | choice, probabilities, confidence |
Routing, Kategorie, Team, Sprache, Modellwahl |
score |
Welche Stufe auf meiner Skala? | score, legend, probabilities, confidence |
Schwere, Frust, Qualität, Risiko |
other in jeder Choice-Liste. Sonst muss Jev etwas wählen, auch wenn nichts passt.instructions.So nicht
"amount_ok": {
"type": "noul",
"instructions": "Ist `claim.total` über dem Limit von 75 $?"
}Warum das schiefgeht: Jev ist kein Taschenrechner. Vergleiche und Beträge gehören in Code.
So ist es klar
"amount_bucket": {
"type": "choice",
"instructions": "In welchen Bereich fällt `claim.total`?",
"criteria": {
"unter_75": "kleiner als 75",
"ueber_75": "75 oder größer",
"nicht_genannt": "Betrag steht nicht im Dokument"
}
}
// danach in deinem Code:
if (claim.total > 75 && answers.amount_bucket.choice === "ueber_75") …So nicht
"missing_count": {
"type": "noul",
"instructions": "Fehlen in `auftrag` mehr als zwei Felder?"
}Warum das schiefgeht: Jev zählt nicht zuverlässig. Die Fehler wachsen mit der Länge.
So ist es klar
// eine Frage pro Feld, dann in Code summieren
const questions = Object.fromEntries(
fields.map((_, i) => [
`leer_${i}`,
{ type: "noul",
instructions: `Ist \`auftrag[${i}]\` leer?` }
])
)
const fehlend = fields.filter(
(_, i) => answers[`leer_${i}`].noul > 0.9
)So nicht
"on_time": {
"type": "noul",
"instructions": "Wurde `lieferung.datum` vor dem 1. Oktober geliefert?"
}Warum das schiefgeht: Jev liest Daten als Text, nicht als Zeitpunkt. Vergleiche und Abstände sind unzuverlässig.
So ist es klar
// Teile abfragen, Datum in Code bauen
"monat": {
"type": "choice",
"instructions": "Welcher Monat steht in `lieferung.datum`?",
"criteria": { "jan": "Januar", "feb": "Februar",
"…": "…", "nicht_genannt": "kein Monat zu finden" }
}
// dann:
const d = new Date(year, monthIndex[answers.monat.choice], day)
const frist_ok = d < new Date(2026, 9, 1)So nicht
"pitch_rating": {
"type": "score",
"instructions": "Ist dieser Pitch gut?",
"criteria": ["schlecht", "mittel", "gut"]
}Warum das schiefgeht: Hier stecken mehrere Urteile in einer Frage: Markt, Machbarkeit, Unterschied. Die Confidence fällt zusammen.
So ist es klar
"market": { "type": "score", "instructions": "Wie groß ist der Markt?", … },
"technical":{ "type": "score", "instructions": "Wie machbar ist das Produkt?", … },
"diff": { "type": "score", "instructions": "Wie klar ist der Unterschied?", … }
// Gewichte in deinem Code, nicht im Prompt:
const note = 0.4 * norm(answers.market)
+ 0.4 * norm(answers.technical)
+ 0.2 * norm(answers.diff)Was einfacher wird
Jev ist billig und schnell genug, dass man anders baut als mit einem Chat-Modell. Diese fünf Muster stehen in der TypeSafe-Dokumentation.
Speculative Fan-Out
Bei LLMs fragt man eine Sache und entscheidet dann, was man als Nächstes fragt, weil jeder Aufruf teuer ist. Bei Jev schickst du alle unabhängigen Fragen zusammen. Zusatzfragen kosten fast keine Zeit, nur ihre eigenen Tokens.
13 Fragen in einem Aufruf waren 12,2-mal billiger und 10-mal schneller als 13 einzelne Aufrufe. Gemessen an einem Dokument mit 53.777 Zeichen.
Composite Scoring
Ein großes Urteil wird zu mehreren kleinen. Die Gewichte liegen sichtbar in deinem Code. Wenn sich Prioritäten ändern, änderst du eine Zahl und keinen Prompt.
priority = 0.6 * norm(severity)
+ 0.3 * norm(frustration)
+ 0.1 * norm(report_quality)Confidence-Gated Routing
Die Antwort sagt, was Jev gewählt hat. Die Confidence sagt, wie sicher es ist. Dein Code entscheidet: automatisch handeln, nachfragen oder an einen Menschen geben.
Ein Test mit rm -rf ergab "irreversibel" mit 0,56. Die Confidence lag bei 0,33. Der Code fragt deshalb nach, statt zu löschen.
Intent Routing
Ein Aufruf erkennt, was die Person will. Danach läuft normale Software, ein LLM oder ein Mensch weiter. Der teure Weg startet nur, wenn er gebraucht wird.
switch (answers.intent.choice) {
case "order_status": return lookupOrder(id) // kein LLM
case "product_question":return answerWithLLM(ctx) // LLM
case "complaint": return needsReasoning > 1
? routeToHuman(msg)
: answerWithLLM(msg)
}Verifikation
Jede Eingabe und jede Ausgabe eines LLM kann durch eine Jev-Frage laufen: Ist das ein Jailbreak-Versuch? Stützt das Zitat die Behauptung? Enthält die Passage eine versteckte Anweisung? Ein Prüfaufruf kostet einen Bruchteil des LLM-Aufrufs.
Frühe Experimente aus der Entwickler-Community, keine Produktionsberichte. Die Liste zeigt, was möglich ist, nicht was schon Geld verdient. Quelle: flaviocopes.com/jev und der TypeSafe-Blog.
Die zweite Achse
Jede Choice- und Score-Antwort bringt eine confidence zwischen 0 und 1 mit. Sie entsteht aus der Form der Wahrscheinlichkeiten. Ein klarer Sieger ergibt eine hohe Zahl, eine flache Verteilung eine niedrige.
Antworten für department
confidence0,78
So liest dein Code die Zahl
if (confidence < FLOOR) {
routeToHuman(message)
} else if (action === "approve_transfer") {
if (confidence > 0.9) execute()
else askUserToConfirm()
} else {
showBalance()
}Die Formel im Beispiel ist die Näherung aus der TypeSafe-Dokumentation für drei Optionen: confidence = (3 × größte Wahrscheinlichkeit − 1) / 2. In der echten API rechnet TypeSafe die Zahl für dich. Sie gilt über viele Fälle, nicht für eine einzelne Antwort. Eine hohe Confidence macht eine Antwort nicht wahr, sie macht sie nur belastbarer.
Tempo und Preis
Der Listenpreis ist einfach. Du zahlst nur für die Eingabe. Die Ausgabe ist kostenlos, weil es fast keine gibt.
0,042 $
pro Million Eingabe-Tokens
0 $
für Ausgabe-Tokens
70 bis 500 ms
pro Aufruf, meist etwa 100 ms
238×
billiger beim Eingabepreis als Claude Fable 5.1, laut TypeSafe
Jev
0,0000126 $ pro Aufruf
0,1260 $ pro Tag
3,78 $ pro Monat
Chat-Modell
0,0013800 $ pro Aufruf
13,80 $ pro Tag
414,00 $ pro Monat
Ersparnis
99 % weniger Kosten
Faktor 110
Jev: 0,042 $ pro Million Eingabe-Tokens, Ausgabe kostenlos. Die LLM-Preise sind deine Annahme, voreingestellt mit 2 $ und 12 $ pro Million Tokens (GPT-5.6 Terra laut The Register). Die Rechnung vergleicht nur die Modellkosten. Vor- und Nacharbeiten, Retries und menschliche Prüfung kommen extra dazu.
| Konfiguration | Genauigkeit | Kosten pro Fall | Zeit pro Fall |
|---|---|---|---|
| Jev | 67,8 % | 0,0004 $ | 0,4 s |
| GPT-5.6 Luna | 66,8 % | 0,0033 $ | 12,9 s |
| GPT-5.6 Terra | 67,9 % | 0,0304 $ | 10,1 s |
| Claude Sonnet 5 | 67,8 % | 0,1172 $ | 78,1 s |
| GPT-5.6 Sol | 74,1 % | 0,0836 $ | 23,3 s |
| Claude Opus 5 | 73,1 % | 0,1761 $ | 37,8 s |
| Claude Haiku 4.5 | 53,6 % | 0,0195 $ | 12,5 s |
Die Kostenskala ist logarithmisch, von 0,0001 $ bis 1 $. Die Genauigkeitsskala läuft von 40 % bis 80 %.
TypeSafe hat die gleiche Aufgabe auch als eine einzige Anweisung an das Modell gegeben. Die Struktur aus kleinen Fragen gewinnt in jedem Fall, bei Genauigkeit, Preis und Zeit.
| Konfiguration | Genauigkeit | Kosten pro Fall | Zeit pro Fall |
|---|---|---|---|
| GPT-5.6 Luna, Prompt statt Workflow | 51,9 % statt 66,8 % | 0,0079 $ | 27,3 s |
| Claude Opus 5, Prompt statt Workflow | 64,8 % statt 73,1 % | 0,3417 $ | 70,5 s |
| Claude Haiku 4.5, Prompt statt Workflow | 18,1 % statt 53,6 % | 0,0363 $ | 21,2 s |
Quelle: evals.typesafe.ai. Die Referenzantworten sind der Mittelwert aus GPT-6 Astra und Claude Fable 5.1 mit hohem Thinking. Die Workflows stammen nicht aus Jevs Trainingsdaten, aber von TypeSafes eigenem Team. Nimm die Zahlen als Anbieter-Messung. Der Werbespruch "193,6-mal schneller, 444,6-mal billiger" kommt aus derselben Messung und liegt laut TypeSafe am oberen Rand dessen, was du im Alltag siehst.
Die Grenzen
TypeSafe veröffentlicht eine eigene Liste mit Schwächen für jede Modellversion. Das ist ungewöhnlich ehrlich und sehr nützlich. Hier steht sie in einfacher Sprache.
| Schwäche | Was passiert | Was du stattdessen machst |
|---|---|---|
| wörtlich | Jev antwortet auf deine Worte, nicht auf deine Absicht. Verneinungen und Bedingungen werden genau gelesen. | Schreibe die Bedingung exakt auf. Formuliere Grenzfälle in die Kriterien. |
| rechnen | Rechnen und Zählen sind unzuverlässig, auch Farbwerte und Zahlenformate. | Alles Rechnen in Code. Für Zählungen eine Frage pro Element stellen und selbst summieren. |
| Datum | Daten werden als Text gelesen. Reihenfolge, Abstand und Zeitfenster sind unzuverlässig. | Teile abfragen, Datum in Code bauen, dort vergleichen. |
| Umwege | Doppelte Verneinung und mehrere Schritte kosten Genauigkeit. | Direkt fragen und die betroffenen Felder im state benennen. |
| viel Kontext | Viel unwichtiger Text senkt die Genauigkeit. Jev leidet wie andere Modelle unter Context Rot. | Erst in Code filtern, dann nur die nötigen Felder schicken. |
| fremde Anweisungen | Text im state kann das Modell beeinflussen. Jev behandelt Daten nicht automatisch als feindlich. | Kriterien sehr genau schreiben und mit bösartigen Eingaben testen. |
| Widersprüche | Wenn Frage und Kriterien nicht zusammenpassen, wird die Antwort schlechter. | Beides gleich formulieren. Keine Frage, bei der "ja" eigentlich "nein" bedeutet. |
| keine Mathe-Gesetze | "Ja" bei einer Frage ist nicht automatisch "nein" bei der Gegenfrage. | Jede Frage so stellen, wie du sie meinst. Schwellen nicht zwischen Fragetypen übertragen. |
| kein Text | Jev schreibt nicht. Erklärungen, Zusammenfassungen und Code kommen nicht heraus. | Für Text ein LLM nehmen. Jev entscheidet, das LLM schreibt. |
jev-1.13.0) statt des Alias jev-latest.state plus die längste Frage.So startest du
Der Rat aus allen Quellen ist derselbe: klein anfangen, erst protokollieren, dann automatisieren. Jev soll nichts kaputt machen können, was es nicht kaputt machen darf.
curl
curl -X POST https://api.typesafe.ai/v1/systemone \
-H "Authorization: Bearer $TYPESAFE_API_KEY" \
-H "Content-Type: application/json" \
-d '{
"state": "Ich versuche seit 3 Tagen, mein Stripe-Konto zu verbinden. Es klappt nicht.",
"model": "jev-latest",
"questions": {
"department": {
"type": "choice",
"instructions": "Welches Team soll diese Nachricht bearbeiten?",
"criteria": {
"billing": "Zahlungen, Rechnungen, Abos",
"technical": "Fehler und Integration",
"sales": "Preise und neue Accounts"
}
}
}
}'JavaScript SDK
import { choice, noul, TypeSafeClient } from "@typesafe-ai/sdk"
const client = new TypeSafeClient()
const { answers } = await client.systemOne({
state: { ticket },
questions: {
category: choice("Welche Art von Ticket ist `ticket`?", {
bug_report: "Etwas ist kaputt",
billing: "Rechnungen und Zahlungen",
other: null,
}),
repro: noul("Enthält `ticket` Schritte zum Nachstellen?"),
},
})
if (answers.repro.noul > 0.6) engineering(answers.category.choice)npx skills add typesafe-ai/skills --skill typesafe-aiTypeSafeClassifier, Model-Router und Tool-Guardrails als Middlewareexperimental_evaluate und das Modell typesafe-ai/jev im AI GatewayBelege