Handbücher · Gates mit Entscheidungsmodellen
Wofür Jev taugt
Lernziele
- Du prüfst eine Aufgabe mit einer Frage: Lässt sich die Antwort aus einem begrenzten Antwortraum wählen?
- Du nennst die fünf Aufgabenformen, die zu Jev passen, und die Fälle, in denen ein Sprachmodell gewinnt.
- Du rechnest die Herstellerzahlen zu Laufzeit und Kosten nach und ordnest sie ein.
Jev beantwortet typisierte Fragen über einen Block Kontext und sonst nichts. Damit wird die Prüfung der Eignung einfach: Wenn sich die Antwort deiner Aufgabe aus einem begrenzten Antwortraum wählen lässt, passt sie zu Jev. Muss die Antwort geschrieben werden, passt sie nicht. Die Grundlagen stehen in Entscheidungsmodelle.
Die Aufgabenformen
- Klassifikation. Absicht erkennen, Tickets einsortieren, Inhalte labeln. Das ist ein Choice über bis zu 255 Optionen, mit einer Wahrscheinlichkeit pro Option.
- Routing. Welches Team, welches Tool · engl. toolEin Werkzeug, das das Modell aufrufen kann: eine API, eine Datenbankabfrage, ein Shell-Befehl, eine Suche. Über Tools wirkt das Modell auf die Welt.Im Glossar, welches nachgelagerte Modell übernimmt die Anfrage. Derselbe Antworttyp, nur im Kontrollfluss verdrahtet.
- Extraktion ins Schema. Eine Reihe typisierter Fragen zu einem Dokument: Ist das eine Rechnung (Noul)? Von welchem Lieferanten (Choice)? Wie dringend (Score)? Weil Jev alle Fragen in einem Durchgang beantwortet, kosten zusätzliche Fragen kaum Zeit. Sie kosten aber Tokens, weil jede Frage zur Eingabe zählt.
- Leitplanken. Vorabprüfung eines Tool-Aufrufs, den ein AgentEin System, in dem ein Sprachmodell seinen nächsten Schritt selbst wählt: Es ruft Werkzeuge auf, wertet das Ergebnis aus und macht weiter, bis das Ziel erreicht ist.Im Glossar plant: „Ist diese Aktion zerstörerisch?“ als Noul. Über einem Schwellenwert · engl. thresholdDie Mindestkonfidenz, ab der ein Gate den günstigen Pfad nimmt. Liegt die Konfidenz darunter, geht der Eintrag an das große Modell.Im Glossar blockiert dein Code den Aufruf.
- Ranking und Bewertung. Einträge auf eine geordnete Skala setzen, etwa Lead-Qualität, Frust oder Relevanz, und das in Mengen, bei denen eine Bewertung durch ein Sprachmodell zu teuer wird.
Wo ein Sprachmodell gewinnt
- Alles, was Text erzeugt. Antworten, Code, Zusammenfassungen. Jev erzeugt keine Zeichenketten.
- Offenes Nachdenken. Wenn du die möglichen Antworten vorher nicht aufzählen kannst, fehlt Jev der Antwortraum.
- Aufgaben, die eine Begründung brauchen. Jev liefert nur eine Wahrscheinlichkeit. Für Prüfungen in regulierten Bereichen ist das ein echtes Problem.
- Genaues Lesen. TypeSafe listet die bekannten Schwächen inzwischen selbst auf einer Doku-Seite. Jev liest wörtlich: Verneinungen und einschränkende Wörter wirken so, wie sie dastehen, auch wenn du etwas anderes gemeint hast. Es zählt unzuverlässig. Daten behandelt es als Text, also kann es zwei Daten nicht verlässlich ordnen. Langer State voller unwichtiger Details verschlechtert die Antworten.
- Die letzte Genauigkeit. In TypeSafes eigenem Vergleich erreichte Claude Opus 5 als Workflow 73,1 Prozent, Jev 67,8 Prozent.
Für jede dieser Schwächen nennt die Doku einen Ausweg, und er heißt fast immer: Code. Zählen, rechnen und Daten vergleichen erledigt dein Programm. Jev bekommt nur das Urteil. Bei Daten heißt das zum Beispiel: Jev wählt Tag, Monat und Jahr je als Choice aus festen Optionen, und dein Code baut daraus ein Datum und vergleicht.
Jev oder Sprachmodell?
Ordne jede Aufgabe dem Werkzeug zu, das sie nach den Regeln dieser Lektion bekommt.
Noch offen (7)
- Ist dieser geplante Shell-Befehl zerstörerisch?
- Eine freundliche Antwort auf die Beschwerde formulieren.
- Wie viele Positionen hat die Rechnung?
- Liegt das Lieferdatum vor dem Vertragsende?
- Welche von 40 Produktkategorien passt zur Anfrage?
- Begründen, warum ein Kreditantrag abgelehnt wurde.
- Relevanz von 10.000 Suchtreffern auf vier beschriebenen Stufen bewerten.
Jev (0)
Sprachmodell (0)
Code (0)
Laufzeit und Kosten
Alle Zahlen in diesem Abschnitt sind Herstellerangaben, unabhängig gemessen ist keine davon (Stand: Nov. 2026).
- Laufzeit. Jev antwortet laut Launch-Beitrag in 70 bis 500 Millisekunden. Für Frontier-Modelle nennt TypeSafe 3 bis 329 Sekunden. Daraus leitet der Hersteller „40- bis 200-mal schneller“ ab.
- Preis. 0,042 US-Dollar pro Million Eingabe-Tokens, Ausgabe-Tokens kostenlos. In TypeSafes Vergleich mit vier Workflows ergibt das rund 0,0004 US-Dollar pro Fall. GPT-5.6 Terra kommt dort auf 0,0304 US-Dollar bei 67,9 Prozent Genauigkeit und 10,1 Sekunden, Claude Opus 5 auf 0,1761 US-Dollar bei 37,8 Sekunden.
- Spitzenwerte. Die Werte „193,6-mal schneller“ und „444,6-mal günstiger“ stammen aus Workflows, die TypeSafes Capabilities-Team gebaut und von eigenen Rechnern aus gemessen hat. Der Hersteller räumt ein, dass das hohe Werte sind. Er kann auch noch nicht belegen, dass der Preis nicht subventioniert ist.
Die stärkste Lesart des Arguments: Bei einer Million Klassifizierungs- oder Routing-Entscheidungen am Tag verändert schon eine zehnfache Ersparnis, was sich zu bauen lohnt. Ob die echte Ersparnis bei 10 oder bei 400 liegt, haben unabhängige Tests noch nicht geklärt. Mit dem Rechner unten probierst du aus, was ein schlechterer Jev-Preis an der Rechnung ändert.
Was eine Million Entscheidungen kosten
- Jev pro Tag
- 400 $
- GPT-5.6 Terra pro Tag
- 30.400 $
- Claude Opus 5 pro Tag
- 176.100 $
- Ersparnis gegenüber Terra (Faktor)
- 76,0
Kosten pro Fall aus TypeSafes eigenem Vergleich mit vier Workflows (Stand: Nov. 2026). Der Aufschlag simuliert, dass Jev in deinem Betrieb teurer ausfällt, etwa durch längeren State oder einen höheren Preis nach dem Early Access.
Wie du Jev in einen Agenten einbaust, zeigt Jev im Agenten-Stack. Ein erstes eigenes Projekt beschreibt Erste Schritte mit Jev.
Merksätze
- Passt die Antwort in einen begrenzten Antwortraum, ist die Aufgabe ein Fall für Jev. Muss sie geschrieben werden, bleibt sie beim Sprachmodell.
- Die fünf Aufgabenformen: Klassifikation, Routing, Extraktion ins Schema, Leitplanken, Ranking.
- Zählen, Rechnen und Datumsvergleiche gehören in Code. Jev liest wörtlich und bekommt nur das Urteil.
- Laufzeit, Preise und Faktoren sind Herstellerangaben. Die Spitzenwerte nennt TypeSafe selbst hoch.
Prüf dich selbst
Denkfrage
Mit welcher einen Frage prüfst du, ob eine Aufgabe zu Jev passt?
Lässt sich die Antwort aus einem begrenzten Antwortraum wählen, also aus festen Optionen, Stufen oder ja und nein? Dann passt die Aufgabe. Muss die Antwort als Text entstehen oder lässt sie sich vorher nicht aufzählen, bleibt sie beim Sprachmodell.
Denkfrage
Warum ist eine zehnfache Ersparnis schon interessant, wenn der Hersteller eine 400-fache verspricht?
Bei einer Million Entscheidungen am Tag verschiebt schon Faktor zehn, welche Funktionen sich überhaupt lohnen. Die 400 sind Spitzenwerte aus Workflows des Herstellers. Für die Planung zählt, was du auf deinem eigenen Verkehr misst.
Prüf dich selbst
Quellen
- Introducing System One Models & Jev
Laufzeit, Preise, Herkunft der Spitzenwerte, Subventionsfrage.
- Workflow evals
Herstellervergleich: Genauigkeit, Kosten und Zeit pro Fall für Jev und Sprachmodelle.
- Model jaggedness
Bekannte Schwächen: wörtliches Lesen, Zählen, Daten, langer State, Optionsreihenfolge.
- Models
Preis pro Million Eingabe-Tokens, Ausgabe kostenlos.