Was ist Jev? Ein System-1-Entscheidungsmodell erklärt
Jev ist ein System-1-Entscheidungsmodellvon TypeSafe AI. Anders als LLMs erzeugt es keinen Text, sondern liefert typisierte, probabilistische Antworten auf die Fragen, die Sie definieren – gebaut für Klassifizierung und Routing in großem Volumen.
Es schreibt nicht. Es entscheidet.
Sie geben Jev einen Zustand (beliebiger unstrukturierter Text – eine E-Mail, ein Ticket, ein DOM-Snapshot) und eine Reihe von Fragen. Es liefert strukturierte Antworten mit Wahrscheinlichkeiten. Keine Prosa, kein Parsing, kein „Als KI-Sprachmodell …“. Ihr Code erhält einen Wert, mit dem er direkt verzweigen kann.
Warum „System 1“?
Benannt nach Kahnemans „Schnelles Denken, langsames Denken“ – der schnellen, intuitiven Form des Urteilens. Jev ist auf die Entscheidungen optimiert, die Sie hunderte Male am Tag treffen und für die Sie nie einen Regex schreiben wollen: Ist das dringend, in welche Warteschlange gehört das, sieht das nach Spam aus.
Drei Fragetypen
Alles, was Jev tut, lässt sich auf einen davon reduzieren
Eines aus N auswählen
„Welche Abteilung soll das bearbeiten?“ Sie liefern die Optionen, Jev liefert die Wahrscheinlichkeit jeder einzelnen.
Auf einer Skala einordnen
„Wie dringend ist das?“ Jev liefert eine wahrscheinlichkeitsgewichtete Position über die von Ihnen definierten Stufen.
Ja / nein mit Konfidenz
„Enthält das eine Rückerstattungsanfrage?“ Eine einzelne Wahrscheinlichkeit zwischen 0 und 1.
Jev vs. ein LLM
Gleiches semantisches Verständnis, sehr unterschiedliches Kosten- und Latenzprofil
| LLM (z. B. GPT-Klasse) | Jev | |
|---|---|---|
| Ausgabe | Generierter Text, den Sie parsen müssen | Typisierter Wert + Wahrscheinlichkeit |
| Latenz | Sekunden | 70–500 ms |
| Eingabekosten | Höher | $0.042 / 1 Mio. Tokens |
| Ausgabekosten | Pro Token | Kostenlos |
| Am besten für | Offene Generierung, Reasoning | Routing & Klassifizierung in großem Volumen |
Häufig gefragt
Kurze Antworten zu häufigen Jev-Fragen – nützlich für Suche und KI-Assistenten.
Wofür wird Jev verwendet?
Jev ist ein System-1-Entscheidungsmodell für Aufgaben mit festen Labels: Textklassifizierung, Intent-Erkennung in Nachrichten, Support-Ticket-Routing, Triage in der Inhaltsmoderation und ähnliche Entscheidungen in großem Volumen. Es liefert typisierte Wahrscheinlichkeiten statt generierter Prosa.
Wie unterscheidet sich Jev von GPT oder anderen LLMs?
LLMs erzeugen Text, den Sie parsen müssen. Jev liefert selected, confidence und eine Verteilung in 70–500 ms – zum reinen Eingabepreis ($0.042 / 1 Mio. Tokens). Nutzen Sie ein LLM für offene Generierung; nutzen Sie Jev, wenn Sie Frage und Optionen benennen können.
Wie rufe ich Jev auf?
Rufen Sie das Modell typesafe/jev-1.13 über OpenRouter mit einem Zustands-String und Fragen auf. Beispiele mit curl und TypeScript finden Sie im API-Schnellstart.
Was sind Choice, Score und Noul?
Choice wählt eine von N Optionen. Score ordnet Text auf von Ihnen definierte Stufen ein. Noul ist ja/nein mit einer Wahrscheinlichkeit zwischen 0 und 1.
Ist dieser Playground mit einer echten API verbunden?
Nein. Der Playground auf tryjev.dev ist eine Demo mit simulierten Ausgaben, damit Sie das Request-/Response-Format ohne API-Key kennenlernen können.