Jev: Das KI-Modell, das Entscheidungen trifft statt Text zu schreiben

Am 15. September 2026 hat ein Unternehmen namens TypeSafe AI ein Modell veröffentlicht, das gegen den Kern dessen arbeitet, was Sprachmodelle ausmacht. Jev gibt keinen Text zurück. Es beantwortet fest definierte Fragen zu einem Zustand mit typisierten Entscheidungen: Ja oder Nein, eine Auswahl aus vorgegebenen Optionen, ein Wert auf einer Skala, jeweils mit Wahrscheinlichkeit und Confidence-Score. Der Gründer Diogo Almeida war zuvor bei OpenAI an der Forschung beteiligt, aus der RLHF und InstructGPT hervorgegangen sind, die Methoden, die später in ChatGPT aufgingen. Seine Diagnose nach vier Jahren: Chat-Modelle schreiben längst übermenschlich, die versprochene Automatisierung ist trotzdem ausgeblieben, weil Software freien Text nicht zuverlässig verarbeiten kann. TypeSafe nennt die eigene Modellklasse System One Models, nach Daniel Kahnemans Unterscheidung zwischen schnellem intuitivem Denken und langsamem bewusstem Schließen.

Technisch steht ein eigener Stapel dahinter: eine neue Modellarchitektur, ein paralleler Sampler und ein Trainingsverfahren namens Reinforcement Learning for Calibrated Decisions, kurz RLCD, auf Deutsch etwa bestärkendes Lernen für kalibrierte Entscheidungen. Ein Sprachmodell erzeugt Token für Token in Folge; Jev liefert alle Antworten einer Anfrage parallel in einem einzigen Durchlauf. Der Antwortraum steht vor dem Aufruf fest: Fragen, Optionen und Skalen werden im Vertrag deklariert, und laut Hersteller kann das Modell deshalb keine Typfehler produzieren, weil jede mögliche Antwort mathematisch auf das Schema beschränkt ist. Jede Antwort kommt mit einer kalibrierten Wahrscheinlichkeit, und kalibriert heißt hier messbar: höhere Confidence geht mit höherer Genauigkeit einher. Aus Sicht des Codes ist Jev ein Funktionsaufruf mit Frontier-Intelligenz: unstrukturierter Zustand hinein, typisierte Wahrscheinlichkeiten heraus.

Ein halluzinierter Satz im Chat nervt. Ein halluzinierter Tool-Aufruf in einem Agenten richtet echten Schaden an, erst recht in Systemen mit Latenzgarantien oder tief verschachtelten Abhängigkeiten. Genau deshalb argumentiert TypeSafe, Typsicherheit sei die Eintrittskarte für Automatisierung: Der Antwortraum wird vor dem Aufruf festgelegt, ein Ausbruch aus dem Schema sei mathematisch ausgeschlossen, und ein einziger Gegenbeweis würde die Behauptung widerlegen. Die offenere Frage ist die Ehrlichkeit der Zahlen. Ein Modell, das eine Aufgabe in 95 Prozent der Fälle löst, automatisiert sie nur dann zuverlässig, wenn es weiß, wann es zu den fünf Prozent Unsicherheit gehört. Für genau diesen Moment sind die Wahrscheinlichkeiten da, die jede Antwort begleiten: Unterhalb einer Confidence-Schwelle geht der Fall an den Menschen, darüber läuft er durch.

Die Latenz liegt laut TypeSafe bei 70 bis 500 Millisekunden End-to-End. Zum Vergleich steht in der Ankündigung eine Benchmark-Sammlung, die für Frontier-Sprachmodelle 3 bis 329 Sekunden End-to-End ausweist; daher stammt der behauptete Faktor 40 bis 200 für gleiche Intelligenz bei System-One-Aufgaben. Der Eingabepreis liegt bei 0,042 US-Dollar pro Million Tokens, Ausgabe-Tokens kosten nichts extra. Aus diesen Werten leitet die Homepage 193,6-fache Geschwindigkeit und 444,6-fache Kostenersparnis ab; das Unternehmen selbst stuft beide Zahlen als oberes Ende realer Gewinne ein. Gemessen wurde in eigenen Workflow-Evals, in denen jeder Kandidat denselben Rechengraphen durchläuft und der Durchschnitt von GPT-6 Astra und Fable 5.1 als Referenz dient; dort führt Jev laut TypeSafe mit fast zwei Größenordnungen. Zwei Einschränkungen stehen im selben Text: Gemessen wurde von Laptops an der US-Westküste, und die Preisgebung könnte subventioniert sein, die Nachhaltigkeit will das Unternehmen erst über die Zeit beweisen. Auswahlfragen unterstützen bis zu 255 Optionen, darüber zweistufig.

Der Vergleich mit Chat-Modellen hinkt bewusst: Diese Modelle haben mehr Kontext und sind allgemeiner einsetzbar, Jev gibt dafür die freie Textgenerierung komplett auf. Die sinnvollere Frage ist deshalb der Aufgabenzuschnitt, nicht die Rohintelligenz. Wer jede Woche dieselbe Klassifikation, dasselbe Routing oder dieselbe Freigabeentscheidung braucht, zahlt heute für die Generierungsfähigkeit eines Sprachmodells, die diese Arbeit gar nicht nutzt. Genau diese Lücke adressiert TypeSafe mit der Behauptung, auf System-One-Aufgaben ähnliche Intelligenz zu liefern, nur eben zwei Größenordnungen schneller und günstiger. Praktisch heißt das: Die Fragen, Optionen und Schwellenwerte werden Teil des eigenen Codes und damit reviewbare Artefakte statt Prompt-Folklore.

Wie sich das anfühlt, hat der Kanal Sasch the Tasch in einem drei Tage währenden Test gezeigt. Er stand noch auf der Waitlist und lief deshalb über OpenRouter, wo der Kontext auf 32.000 Tokens begrenzt ist; größere Stapel muss er deshalb per Batching aufteilen. Sein Setup: ein SEO-Agent und ein CRO-Agent, die über mehrere Projekte wöchentlich Änderungsvorschläge machen. Bisher landete jeder Vorschlag als Ticket mit menschlicher Freigabe, im ersten gemessenen Lauf waren es zwölf. Mit Jev als Vorschalter bewertet das Modell jeden Vorschlag: acht durften die Agenten sofort umsetzen, vier gingen als Ticket in sein Review. Seinen eigenen Aufwand beziffert er auf rund 70 Prozent weniger Arbeit. Der zweite Fall war die Google Search Console: Statt wie bisher nur die Top 50 Einträge aus Kostengründen zu prüfen, ließ er die komplette Property bewerten, 19.943 Entscheidungen in zwei Sekunden für unter einen Cent. Über drei Tage summierte er rund 33.000 Entscheidungen; die ersten Testcases baute er mit Claude Code aus dem OpenRouter-Beispiel, das blieb unter 15 Cent.

Zum Selbsttesten gibt es mehrere Wege. Der direkte läuft über die eigene API des Herstellers, der schnellste Einstieg über OpenRouter: Ein cURL-Beispiel genügt, um die ersten Testcases zu bauen. Im gezeigten Lauf entstand die komplette Auswertung für unter 15 Cent, nachdem ein API-Key erstellt und die Fragen als JSON-Objekt definiert waren. Zusätzlich kursiert bereits eine kostenlose Open-Source-Variante zum lokalen Betrieb, die im Video als noch schneller beschrieben wird; ihre Qualität ist ungeprüft. Die offene Flanke bleibt der Preis: Ob 0,042 Dollar pro Million Tokens dauerhaft hält, kann heute niemand seriös sagen, und TypeSafe räumt das selbst ein. Wer jetzt aufbaut, sollte die Kosten pro Entscheidung mitloggen, bevor ein Produktionsprozess von diesem Preis abhängig wird. Der Kontext von 32.000 Tokens über OpenRouter erzwingt zudem Batching, sobald die Eingaben länger werden.

Das Muster hinter dem Modell ist älter als das Modell selbst: Agenten scheitern an Autonomie selten am Schreiben, sondern daran, dass niemand definiert hat, wer entscheidet. Ein kalibriertes Ja-Nein-Urteil mit Wahrscheinlichkeit ist genau das Bauteil, das zwischen Agent und Aktion fehlt, wenn dort ein Gate stehen soll. TypeSafe positioniert Jev entsprechend als intelligente if-Bedingung für gewöhnliche Software: klassifizieren, routen, bewerten, extrahieren, Ausgaben von Sprachmodellen verifizieren, Jailbreaks erkennen, große Datenmengen im Map-Reduce-Stil zu Features verdichten. Die Grenzen sind klar benannt: kein Textausgang, keine Begründungen, kleiner Kontext, und die Preisgebung ist bewusst niedrig kalkuliert. Für den Agenten-Stack ändert das die Schichtung, nicht das Fundament: Frontier-Modelle bleiben für Entwurf und Code zuständig, günstige API-Modelle übernehmen reaktive Aufgaben, und Entscheidungsmodelle sitzen dort, wo dieselbe Frage tausendmal am Tag fällt. Den Namen Jev leitet TypeSafe von William Stanley Jevons ab: Jede Größenordnung, um die Intelligenz billiger wird, schafft neue Anwendungsfälle, so wie einst der Kohlebedarf nach der effizienteren Dampfmaschine stieg. Die Schnittstelle ist klein genug, um sie an einem Nachmittag anzubinden, und das ist der realistische erste Schritt.

Alle Links abgerufen am 23. September 2026. Zahlen zu Geschwindigkeit und Preisgebung stammen aus der TypeSafe-Ankündigung vom 15. September 2026, Praxiswerte aus dem genannten Videotest. Die Angaben des Herstellers zu Geschwindigkeit und Kosten sind eigene Messungen und Evals, ein unabhängiger Benchmark fehlt bislang.

Über den Autor: Marcel baut und betreibt HUNTER, einen KI-Agenten auf einem 45-Euro-Android-Cyberdeck, und schreibt über Agenten, die ohne Cloud-Ingenieurgrad laufen.