Jev: was es ist und wie man damit arbeitet

Praktischer Guide zum ersten System-One-Modell von TypeSafe · für @aizvestia · September 2026

Was es ist

Jev ist das erste öffentliche System-One-Modell von TypeSafe. Es ist kein Chat-Modell und keine 'noch eine LLM mit JSON-Modus': Jev generiert überhaupt keinen Text. Du schickst einen state (Kontext: Text, JSON oder Array) und eine Liste typisierter Fragen und bekommst maschinentaugliche Entscheidungen: die gewählte Option, einen Score auf einer Skala oder die Wahrscheinlichkeit für 'ja' - plus Wahrscheinlichkeitsverteilung und Confidence für jede Antwort. Die Macher fassen es in einer Phrase zusammen: 'smart if-statements' - schlaue if-else für deinen Code. Das klarste Beispiel ist E-Mail: Jev überfliegt jede Nachricht und urteilt 'Spam, zu 94% sicher', 'Antwort nötig', 'kann warten'. Es schreibt nichts - es sortiert nur: 1.700 E-Mails für 18 Cent.

Der Name System One kommt von Kahneman ('Schnelles Denken, langsames Denken'): Das Modell ist für schnelle intuitive Urteile gebaut, nicht für langsames Nachdenken. Amüsantes Detail: TypeSafe-Mitgründer Diogo Almeida hat RLHF miterfunden - genau die Methode, mit der ChatGPT trainiert wurde. Jetzt setzt er darauf, dass Automatisierung eine andere Trainingsmethode braucht.

Wie es sich von den 'bisherigen Dingen' unterscheidet

Das Post-Training von Sprachmodellen hat drei Ansätze durchlaufen:

Der Punkt der Kalibrierung: Sagt das Modell 0.8, sind über eine lange Serie rund 80 % dieser Antworten richtig. Die Wahrscheinlichkeit wird zu einer Zahl, auf der man Logik bauen kann.

Der praktische Unterschied zu einer LLM, die man zum JSON-Ausgeben 'zwingt':

• Der Output ist per Konstruktion typisiert. Das Modell kann physisch nicht außerhalb deiner Optionen antworten - nicht 99.99 %, sondern 100 %. Kein Parsing, keine Retries wegen kaputtem JSON.
• Jede Antwort ist eine Wahrscheinlichkeitsverteilung, nicht bloß eine Auswahl. Man sieht, wann eine Option souverän gewann und wann das Modell zwischen zwei Fast-Gleichen schwankte.
• Fragen werden parallel und unabhängig bewertet: ein Dutzend Fragen mehr ändert die Antwortzeit kaum (Sub-Sekunden-Latenz) und erzeugt keinen 'Context Rot'.
• Günstiger und schneller: Die Welcome-Seite der Konsole behauptet 20-200x schneller und 40-1000x günstiger als LLMs (Firmenbehauptung, aber leicht zu prüfen).

Die drei Primitiven

Feinheiten, die Stunden sparen:

• Noul hat kein separates Confidence - der Wert selbst ist die Wahrscheinlichkeit. 0.5 heißt 'weiß nicht', nicht 'mittleres Level'. Ein Level messen? Schreib ein Score mit beschriebenen Levels.
• Füge in Choice eine Option 'other' / 'none of the above' hinzu, falls die Liste nicht alles abdeckt.
• Die Question-ID ist für deinen Code - das Modell sieht sie nicht. Schreib die volle Frage in instructions.
• Ist der state JSON, gib in den Fragen exakte Pfade in Backticks an: `ticket.messages[0].text`.
• Eine Frage = ein schnelles Urteil. 'Analysiere das und schlag einen Plan vor' ist eine schlechte Frage. 'Vermittelt diese Nachricht Dringlichkeit?' ist eine gute.

In 5 Minuten starten

0. Ohne Warteliste: Jev läuft schon auf dem Vercel AI Gateway als typesafe-ai/jev ($0.042/1M Input-Tokens) - auf Vercel direkt über das ai-Paket aufrufbar, ohne TypeSafe-Waitlist. Auch auf OpenRouter: ~typesafe/jev-latest (OpenAI-kompatible API).

1. Playground. Öffne console.typesafe.ai/playground, füge irgendeinen Text als state ein, füge Fragen hinzu, klick Run. (Der Einstieg begrüßt dich mit einem Quiz 'Kann man mit Jev chatten?' - die richtige Antwort ist No.)

2. Direkt die API. Key aus der Konsole holen, dann ist es ein einziger Endpoint:

curl -X POST https://api.typesafe.ai/v1/systemone \
  -H "Authorization: Bearer $TYPESAFE_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "state": "Trying to connect my Stripe for 3 days, keeps failing. Help ASAP.",
    "model": "jev-latest",
    "questions": {
      "department": {
        "type": "choice",
        "instructions": "Which team should handle this",
        "criteria": {
          "billing": "Payment or subscription issues",
          "technical": "Bugs or integration problems"
        }
      },
      "is_urgent": { "type": "noul", "instructions": "The message conveys urgency" }
    }
  }'

In der Antwort hat jede Frage den gewählten Wert, die Wahrscheinlichkeiten aller Optionen und das Confidence.

3. Python-SDK (3.10+): Der Client liest TYPESAFE_API_KEY selbst und ruft standardmäßig jev-latest auf:

pip install typesafe-sdk

from typesafe_sdk import Choice, Noul, Score, TypeSafeClient

client = TypeSafeClient()
response = client.system_one(
    state=ticket,
    questions={
        "department": Choice(
            instructions="Which team should handle this",
            criteria={
                "billing": "Payment or subscription issues",
                "technical": "Bugs or integration problems",
            },
        ),
        "is_urgent": Noul(instructions="The message conveys urgency"),
    },
)
print(response.answers["department"].choice)   # "billing"
print(response.answers["is_urgent"].noul)      # 0.999

Für JS gibt es @typesafe-ai/sdk, für Agents (Claude Code, Codex usw.) ein fertiges Skill: npx skills add typesafe-ai/skills --skill typesafe-ai. Das Skill bringt Agents bei, Fragen gebündelt zu schicken - Agents lieben es, pro Frage eine ganze Request zu verbrennen.

Vier Kern-Patterns

1. Speculative Fan-out. Alle Fragen mit demselben state gehen in eine Request - auch die 'spekulativen', die man nicht immer braucht. Eine Frage mehr kostet Centbeträge, die Antwortzeit bleibt quasi gleich. TypeSafe-Cookbook: 13 Fragen in einem Call sind ~12x günstiger und ~10x schneller als 13 Calls, bei identischen Antworten.
2. Confidence-gated Routing. Die Antwort sagt 'was', das Confidence sagt 'ob handeln'. Drei Zonen: hoch - automatisch handeln; mittel - nachfragen oder zur Review markieren; niedrig - an einen Menschen oder ein Reasoning-Modell eskalieren. Schwellen hängen vom Risiko ab: Falscher Bildschirm ist bei 0.6 verkraftbar, eine Zahlung ausführen nur bei 0.9+.
3. Composite Scoring. Zerlege ein komplexes Urteil in atomare Scores und kombiniere sie mit Gewichten im Code. Ticket-Priorität = severity * 0.5 + frustration * 0.3 + actionability * 0.2. Prioritäten geändert? Koeffizient anpassen statt Prompt umschreiben.
4. Intent Routing. Klassifiziere die eingehende Anfrage und route sie: deterministischer Code, billiges Modell, teures Reasoning-Modell oder Mensch.

Preise und Limits (jev-1.13.0)

• $0.042 pro Million Input-Tokens ($42/Btok); Output-Tokens sind gratis.
• Limits: 250k Tokens/Sek, 1200 Requests/Min (dynamisch, können sich ändern).
• Kontext: 64k Tokens pro Request; state + die längste Frage - bis 32k (etwa 150.000 Zeichen englischer Text).
• Nur Text: String, JSON-Objekt oder Array. Keine Bilder, kein Audio, kein Video.
• Der Server steht in us-west - aus Europa ist die Latenz höher als aus den USA.
• jev-latest ist ein Alias auf die aktuelle Version. Hast du Schwellen auf eine Version geeicht, pinne jev-1.13.0 explizit: Der Alias wandert beim nächsten Release.
• Englisch ist die Hauptsprache des Trainings; andere Sprachen laufen schlechter. Teste deutschsprachige Inhalte separat und behalte das Confidence im Blick.
• Kein Fine-Tuning - deine Domäne formst du über state und Fragen-Kriterien.

Schwachstellen (ehrlich, aus ihren eigenen Docs)

jev-1.13 hat eine öffentliche 'Jaggedness'-Seite - eine ehrliche Liste dessen, was das Modell nicht kann:

• Kein Textgenerator. Schreib keine Texte damit und quetsch keine Generierung aus verketteten Choices.
• Rechnet schlecht. Arithmetik, Zählen, Datumsintervalle - in den Code. Das Modell beantwortet semantische Fragen, keine Rechenaufgaben.
• Liest Daten als Text. 'Welches Datum ist früher?' ist unzuverlässig. Extrahiere Bestandteile mit Choices (Monat - 12 Optionen + 'nicht angegeben'), baue das Datum zusammen und vergleiche im Code.
• Antwortet wörtlich - auf die geschriebene Frage, nicht auf die gemeinte. Vermeide Negationen und doppelte Umwege.
• Context Rot. Müll im state senkt die Genauigkeit: vorher filtern.
• Invarianten sind nicht garantiert. Noul 'will Rückerstattung' und Noul 'will etwas anderes als Rückerstattung' können 0.72 und 0.47 liefern - Summe 1.19, und das ist normal. Übertrage keine Schwellen zwischen Fragetypen.
• Adversarialer Content kann Antworten verschieben - für das Modell ist state Daten, keine Bedrohung. Teste Edge Cases vor dem Produktivgang.

Wo einsetzen

RAG rerankLLM guardrailscitation checkjailbreak detectticket routingmoderationcomplianceML featurescatalog matchingresume scoringlead scoring

Ein lebendes Beispiel: ein Bitcoin-BUY/SELL/HOLD-Terminal auf Jev - jev-terminal.vercel.app. Die API liefert ehrliche Wahrscheinlichkeiten, die Entscheidung kommt in Sekundenbruchteilen.

Weiteres Beispiel - sofort generative UI: das Experiment json-render + jev - Jev wählt aus deinen Komponenten, Aktionen und deinem Designsystem, und die Oberfläche rendert in Millisekunden.

Links

• Konsole und Playground: console.typesafe.ai
• Docs: docs.typesafe.ai
• Manifest: typesafe.ai/manifesto