Handbücher · Gates mit Entscheidungsmodellen
Ressourcen
Lernziele
- Du wählst für eine Frage zu Jev die passende Quelle und weißt, ob sie vom Hersteller stammt oder unabhängig ist.
- Du gehst die drei Schritte von der Herstellerbehauptung bis zur eigenen Messung in der richtigen Reihenfolge.
Jev ist am 15. September 2026 erschienen. Beim Stand dieser Seite ist das Feld zwei Monate alt, und die Seite altert schnell. Seit dem Start kamen Version 1.14, Bilder und ein vierter Fragetyp dazu. Texte aus den ersten Wochen beschreiben deshalb oft ein älteres SDK, wie Erste Schritte zeigt. Die Begriffe stehen in Entscheidungsmodelle.
Diese Liste ist eine Auswahl. Jeder Link war im November 2026 erreichbar, wenn nicht anders vermerkt. Die Einordnungen hinter den Einträgen sind unsere Einschätzung.
Unabhängige Tests
Fast jede Leistungszahl, die im Umlauf ist, stammt aus TypeSafes eigenen Evaluationen. Die ersten unabhängigen Tests stehen deshalb oben. Alle drei sind klein und stammen aus dem September 2026. Ihr Wert liegt im Aufbau, den du auf deine Daten übertragen kannst.
- jev-test (GitHub-Nutzer pniessen) lässt 1.000 SMS aus der SMS Spam Collection von Jev bewerten und veröffentlicht die Rohdaten. Bei Wahrscheinlichkeiten unter 0,1 und über 0,9 lag Jev immer richtig, das waren 83 Prozent der Nachrichten. Die Fehler sammelten sich dazwischen. Die Auswertung steht in Gates in der Praxis.
- jev-phishing-bench (Anisse Lebadi) vergleicht auf 2.000 synthetischen Phishing-Mails eine zusammengesetzte Frage mit fünf engen Signalfragen. Die eine Frage schnitt schwach ab. Die fünf Fragen, gewichtet mit einer logistischen Regression, kamen auf das Niveau eines kleinen Sprachmodells. Eine Regel aus zwei regulären Ausdrücken lag nah dahinter.
- Jev After Eight Days of Independent Tests (xbill, AWS Community Builders, 24. Sept. 2026) fasst die ersten Tests zusammen, darunter einen Spam-Vergleich auf rund 18.500 Mails mit Gleichstand zwischen Jev und einer klassischen logistischen Regression. Die einzelnen Studien dahinter haben wir nicht alle geöffnet.
Unser eigener Schattenlauf in Build: Der Jev-Tausch gehört mit 20 Tickets in dieselbe Kategorie: Er führt den Aufbau vor.
Offiziell
- Introducing System One Models & Jev ist der Launch-Beitrag vom 15. September 2026 mit Behauptungen, Preisen und Namensgebung.
- TypeSafe-Doku mit System One concepts, Confidence und Changelog. Hängst du
.mdan eine Adresse, bekommst du die Seite als Markdown. Für Agenten gibt es einen Index unter/llms.txt. - HTTP-API-Referenz und Workflow-Evals zeigen die Form der API und die Methodik der Herstellertests.
- Die Cookbooks sind durchgerechnete Beispiele, von Leitplanken für LLM-Apps bis zur Prüfung von Zitaten. Das Cookbook zur Self-Consistency misst, wie oft sich Entscheidungen bei Wiederholung ändern. Es ist ein Herstellertest, aber gut dokumentiert.
- Console für Warteliste, Schlüssel und Playground. Die Seite verlangt eine Anmeldung und antwortet Skripten mit 403.
- SDKs für JavaScript und Python.
Erklärtexte und Berichte
- Wikipedia: Jev (AI model) ist die neutrale Zusammenfassung zu Firma, Finanzierung und Versionen.
- LangChain: Building a harness with Jev (17. Sept. 2026) zeigt die Einbindung in einen Agenten-Stack, siehe Jev im Agenten-Stack.
- DataCamp: System One models and Jev (16. Sept. 2026) erklärt das Konzept und ordnet die Workflow-Benchmarks gegen andere Modelle ein. Die Seite blockt Skripte, im Browser lädt sie.
- How to Use Jev (Valyu, 17. Sept. 2026) ist die praktische Anleitung: Einrichtung, Fragetypen, fünf Muster und die Fehler, die einen beißen. Der Text kennt drei Fragetypen, Box kam erst mit Version 1.14.
- Jev Explained (MindStudio, 18. Sept. 2026) ordnet die Demos vom Launch ein, etwa Fahren und Drohnenflug im Simulator. Laut Text zeigen sie Tempo und Flexibilität der Entscheidungen, mehr nicht.
- ChatGPT pioneer launches Jev (AI News, 16. Sept. 2026) liefert den Hintergrund zum Gründer.
- awesome-typesafe-jev ist eine gepflegte Linkliste mit SDKs, Demos und Integrationen. Der letzte Push war am 1. November 2026.
Kritische Stimmen
- Jev: The Language Model That Won’t Talk (Anthony Maio, 16. Sept. 2026) ist nach unserer Einschätzung der beste kritische Text. Kalibrierung unter verschobener Verteilung und Latenz bei vielen Fragen hält er für unbelegt.
- What Everyone Is Getting Wrong About TypeSafe AI’s Jev (KDnuggets) erklärt, was „keine Halluzinationen“ bedeutet: Jev kann keine Option außerhalb des Schemas zurückgeben. Falsche Antworten innerhalb des Schemas schließt das nicht aus.
- RLCD vs RLHF (MindStudio, 16. Sept. 2026) sortiert, was die Behauptung zum Trainingsverfahren tatsächlich aussagt.
Integrationen
Gateways und Frameworks, die Jev durchreichen: Pydantic AI, LiteLLM, Cloudflare und Netlify. Vercel AI Gateway gehört ebenfalls dazu, siehe Erste Schritte.
Was liest du wofür?
Ordne jedes Vorhaben der passenden Quelle zu.
Noch offen (4)
- Du willst sehen, in welchen Wahrscheinlichkeitsbereichen Jevs Fehler liegen, mit Rohdaten
- Deine eine Frage an Jev trifft schlecht, und du suchst einen besseren Aufbau
- Eine Kollegin sagt, Jev könne sich nicht irren, weil es nicht halluziniert
- Du brauchst den aktuellen Importnamen des Python-SDK
jev-test (0)
jev-phishing-bench (0)
KDnuggets (0)
TypeSafe-Doku (0)
Hier anfangen
Drei Schritte
0 von 3 erledigt
Prüf dich selbst
Denkfrage
Warum stehen die unabhängigen Tests oben, obwohl sie klein sind?
Weil fast jede andere Zahl vom Hersteller stammt. Ein kleiner unabhängiger Test mit offenen Rohdaten zeigt dir, wie du selbst misst. Seine Ergebnisse überträgst du trotzdem nicht ungeprüft auf deinen Verkehr.
Prüf dich selbst
Quellen
- jev-test
1.000 SMS, Rohdaten, Wahrscheinlichkeitsbänder.
- jev-phishing-bench
Eine Frage gegen fünf Signalfragen, Regex-Basislinie.
- Introducing System One Models & Jev
Launch-Beitrag mit den Herstellerzahlen.
- Jev: The Language Model That Won't Talk
Kritische Einordnung.