Kontext übergeben
Übergib relevanten Text, JSON-Daten oder eine Liste von Texten. Bilder, Audio und Video werden derzeit nicht als Eingaben unterstützt.
Jev ist TypeSafes erstes System-One-Modell. Es liefert typisierte Entscheidungen und Wahrscheinlichkeiten, die sich direkt in Software nutzen lassen. Hier erfährst du, wann das sinnvoll ist und wie du die API einbindest.
TypeSafe bezeichnet Jev als System-One-Modell: Statt frei formulierten Text zu erzeugen, liefert es vorab definierte Antworttypen und Wahrscheinlichkeiten. Der Vergleich zeigt, wann Jev, generative Modelle oder feste Regeln passen.
| Aspekt | Jev | Generative LLMs | Regelbasierter Code |
|---|---|---|---|
| Ausgabe | Vorab festgelegte Auswahlwerte, Bewertungen und Wahrscheinlichkeiten | Flexibler Text, Code oder strukturierte Ausgabe | Deterministische Werte aus expliziten Bedingungen |
| Tempo | Für geringe Latenz optimiert; TypeSafe meldet 70–500 ms in eigenen Tests | Hängt von Modell, Prompt und Ausgabelänge ab | Bei bekannten Bedingungen meist sehr schnell |
| Stärken | Wiederkehrende Entscheidungen, für die Eingaben verstanden werden müssen | Schreiben, komplexes Denken und offene Aufgaben | Klare und stabile Bedingungen |
| Grenzen | Erzeugt keinen freien Text; typisierte Antworten können falsch sein | Flexible Ausgaben müssen ggf. geparst und geprüft werden | Schwierig, wenn Eingaben mehrdeutig sind und sich nicht alle Fälle vorab festlegen lassen |
Die Geschwindigkeitsangaben stammen aus Tests von TypeSafe für bestimmte strukturierte Entscheidungen. Sie sind weder ein unabhängiger Benchmark noch eine allgemeine Garantie. Methodik lesen
Stehen die Antworten fest, aber der Inhalt der Eingabe muss verstanden werden, kann Jev passen. Für neue Texte oder Code eignet sich ein generatives Modell. Klare Bedingungen lassen sich direkt als Regeln programmieren.
Jev bewertet Text oder strukturierte Daten anhand deiner Fragen. Es liefert Auswahlwerte, Bewertungen und Wahrscheinlichkeiten, die dein Code direkt weiterverarbeiten kann.
“Mein Abo wurde zweimal berechnet. Können Sie helfen?”
Welches Team ist zuständig?
Beispielwert 0.92
Übergib relevanten Text, JSON-Daten oder eine Liste von Texten. Bilder, Audio und Video werden derzeit nicht als Eingaben unterstützt.
Lege vor dem Aufruf fest, ob du eine Auswahl, eine Bewertung oder einen Wert für eine Ja/Nein-Frage brauchst.
Nutze Ergebnis und Konfidenz, um Anfragen weiterzuleiten, zur Prüfung vorzulegen oder eine Aktion auszulösen. Das richtige Format garantiert noch keine richtige Entscheidung.
Basierend auf der offiziellen TypeSafe-Dokumentation
Jev eignet sich für wiederkehrende Entscheidungen mit festem Antwortbereich. Die Beispiele zeigen mögliche Anwendungen; wie gut sie funktionieren, musst du mit eigenen Daten prüfen.
Ordne Beschwerden und Händlerfeedback ein, bewerte die Dringlichkeit und leite Fälle an das passende Team weiter. Unklare Fälle prüft ein Mensch.
Filtere einen Feed nach den Wünschen der Nutzer und bewerte passende Einträge. Kombiniere die Bewertung mit deinen eigenen Ranking-Signalen.
Leite Anfragen an ein Modell, Tool oder einen Agenten weiter, entscheide über eine Suche und prüfe, ob das Ergebnis für den nächsten Schritt reicht.
Prüfe Nachrichten, Codeänderungen und Tool-Aufrufe anhand konkreter Regeln. Risikofälle und unklare Entscheidungen lässt du von Menschen prüfen.
Lass Jev aus dem Spielzustand und einer begrenzten Liste gültiger Züge die nächste Aktion für einen KI-Gegner oder NPC wählen. Regeln und Ausführung bleiben im Spielcode.
Sortiere E-Mails und Benachrichtigungen nach eigenen Regeln, bewerte den Zustand deines Smart Homes oder entscheide, wann eine Routine starten soll.
Beginne mit einer eng umrissenen Beurteilung, die deine Anwendung ohnehin braucht. Lege Antworten fest und entscheide im Code, wie du sie nutzt.
Zum Beispiel ein Ticket zuordnen oder die Relevanz eines Eintrags bewerten.
Lege Eingabe, Fragen und zulässige Antworten fest, bevor du die API aufrufst.
Lege anhand von Wahrscheinlichkeiten und Konfidenz fest, wann dein Code handelt und wann ein Mensch prüfen soll.
Dieses serverseitige TypeScript-Beispiel sendet eine Supportanfrage und zwei Fragen mit festgelegtem Antwortformat über OpenRouter an Jev 1.13. Der API-Schlüssel bleibt auf dem Server; dein Code entscheidet, wie er die Ergebnisse nutzt.
Jev kostenlos testenconst apiKey = process.env.OPENROUTER_API_KEY;
if (!apiKey) throw new Error("Set OPENROUTER_API_KEY");
const response = await fetch("https://openrouter.ai/api/alpha/decisions", {
method: "POST",
headers: {
Authorization: "Bearer " + apiKey,
"Content-Type": "application/json"
},
body: JSON.stringify({
model: "typesafe/jev-1.13",
state: "My card was charged twice. Please help ASAP.",
questions: {
department: {
type: "choice",
instructions: "Which team should handle this?",
criteria: {
billing: "Payments and refunds",
technical: "Bugs and integrations"
}
},
urgent: {
type: "noul",
instructions: "Does this message need urgent attention?"
}
}
})
});
if (!response.ok) throw new Error("Jev request failed: " + response.status);
const {answers} = await response.json();
if (answers.department.choice === "billing" && answers.urgent.noul > 0.8) {
// Route to the billing review queue.
}POST /api/alpha/decisionsstate + questionsanswerschoice enthält das zuständige Team. noul liefert einen Wert von 0 bis 1 dafür, ob die Ja/Nein-Frage zutrifft. Dein Code verbindet beides mit deinen Regeln für die Weiterleitung.
Teste vor dem Produktiveinsatz mit echten, repräsentativen Anfragen. Halte die Modellversion fest und lass unsichere oder folgenreiche Fälle von Menschen prüfen. Der Wert 0,8 dient nur der Veranschaulichung.
API-Quellen: OpenRouter · TypeSafe
Der Harness steuert Modellaufrufe und Werkzeuge. An einem Entscheidungspunkt liest Jev eine Nachricht, einen geplanten Werkzeugaufruf oder den Agentenstatus und liefert eine typisierte Antwort. Dein Code bestimmt den nächsten Schritt; offene Aufgaben bleiben beim Chatmodell.
ModelRouterMiddlewarebefore_agent → wrap_model_callDie letzte Nutzernachricht vor dem Lauf einordnen, ein Modell auswählen und diese Wahl für weitere Modellaufrufe beibehalten. Auswahl, Wahrscheinlichkeiten und Konfidenz bleiben im Agentenstatus verfügbar.
AutoModeMiddlewarewrap_tool_callEinen ausgewählten Werkzeugaufruf vor der Ausführung prüfen. Erkennt Jev ein Risiko oder eine fehlende Berechtigung, blockiert die Middleware den Aufruf und gibt eine ToolMessage mit Fehlermeldung zurück. Sie holt keine menschliche Freigabe ein.
TypeSafeClassifierChoice · Score · NoulMit eigener Middleware kannst du weitere Prüfpunkte einbauen: Agentennachrichten oder Status an TypeSafeClassifier übergeben, Choice, Score oder Noul abfragen und im Code verzweigen oder unsichere Fälle prüfen lassen.
In der Anfrage legst du Fragen und Antwortformate fest. Die Antwort enthält zu jeder Frage ein Ergebnis. Hier siehst du die JSON-Felder aus dem Codebeispiel.
modelstatequestionstypeinstructionscriteriaanswerschoiceprobabilitiesconfidencenoulEine formal gültige Antwort kann falsch sein. Teste repräsentative Fälle und lege eigene Schwellen für die Weiterleitung fest.
Jev ist das Modell von TypeSafe. Die Community erprobt schnelle, strukturierte Entscheidungen auch mit offenen Modellen und Schnittstellen. Hier kannst du Code, Ansätze und Grenzen vergleichen.
Unabhängige Community-Projekte, keine offiziellen Jev-Versionen.
Hier findest du die wichtigsten Punkte aus der Debatte zum Start, dem offiziellen SDK und einem unabhängigen Video. Lies erst die Einordnung und öffne bei Bedarf die Originalquellen.
TypeSafe veröffentlicht auf X Produktneuigkeiten und Hintergründe. Das sind Aussagen des Teams; prüfe technische Details vor der Umsetzung in der Dokumentation.
Quelle öffnenDas offizielle JavaScript- und TypeScript-SDK zeigt API, Beispiele und Versionsverlauf. Dort lässt sich nachvollziehen, wie eine Jev-Anfrage im Code aussieht.
Quelle öffnenIm Thread zum Start geht es um Einsatzbereiche, Evaluation und den Umgang mit falschen Antworten, die dennoch eine hohe Konfidenz haben. Das ist eine Entwicklerdiskussion, kein Benchmark.
Quelle öffnenAllie Laabs von TypeSafe erklärt bei ThursdAI System One sowie Choice, Score und Noul. Die Moderatoren testen die Klassifizierung von Posts, zeigen eine Doom-Demo und sprechen über Jevs Grenzen.
Quelle öffnenEin unabhängiger Überblick von RepoChad über Ausgabeformat, Geschwindigkeitsangaben von TypeSafe, Demos und offene Fragen. Das Video lädt erst nach einem Klick.
Quelle öffnenTypeSafe AI stellte Jev als erstes System-One-Modell vor. Ziel ist es, schnelle, strukturierte Entscheidungen in gewöhnlichen Softwareabläufen nutzbar zu machen.
Gründer Diogo Almeida arbeitete zuvor bei OpenAI und Google Brain. Laut TypeSafe prägte seine Arbeit zu Instruction Following und RLHF die Forschung hinter ChatGPT.
Nein. Jev gibt typisierte Entscheidungen und Wahrscheinlichkeiten zurück, statt frei formulierte Chat-Antworten oder Code zu erzeugen.
Es kann Kandidaten nach semantischer Relevanz bewerten oder neu ordnen. Ein vollständiges Empfehlungssystem braucht zusätzlich Kandidatensuche, Geschäftsregeln, Evaluation und eigene Ranking-Logik.
Nein. Der Typ begrenzt nur das Format. Die gewählte Antwort kann falsch sein. Teste mit repräsentativen Daten und behandle Unsicherheit im Code.
Beginne mit der offiziellen TypeSafe-Dokumentation und dem SDK. Die Modellseite bei OpenRouter bietet ebenfalls einen Zugang zu Jev.
Lege die Frage und mögliche Antworten fest. Dein Anwendungscode entscheidet anschließend, wie er das Ergebnis nutzt.