{"content_id":"emjtnwrqpz","slug":"jev-system-one-model-llm-comparison","locale":"de","schema_type":"TechArticle","category":"knowledge_base","category_name":"Wissensdatenbank","title":"Jev für Entwickler: Systemmodell und LLM im Vergleich","summary":"Jev ist ein von TypeSafe AI entwickeltes Modell für strukturierte Entscheidungen. Dabei werden Auswahlwerte und Wahrscheinlichkeiten mit Code verknüpft. Bei der praktischen Einführung müssen Ausgabeformat und Entscheidungsgenauigkeit getrennt betrachtet werden.","sponsorship_disclosure":null,"affiliate_disclosure":null,"commerce_disclosure":null,"author":{"name":"injoys","url":"https://injoys.com/ko/about"},"key_points":["Jev gibt statt freier Erklärungstexte vorab definierte Antworten und Wahrscheinlichkeiten zurück.","Choice und Score enthalten Konfidenzwerte, bei Noul gibt es jedoch kein separates Konfidenzfeld.","Der am 15. September 2026 bekannt gegebene Preis für Eingaben beträgt 0.042 Dollar pro 1 Million Token.","Der veröffentlichte Geschwindigkeitsvergleich beruht auf Ergebnissen für eine bestimmte Aufgabe und Messumgebung.","Validieren Sie bei Aufgaben auf Koreanisch anhand realer Fälle die Genauigkeit und die Kriterien für die Weiterleitung zur Überprüfung."],"content_markdown":"Jev ist ein von TypeSafe entwickeltes Modell für softwaregestützte Entscheidungen. Statt erläuternder Texte gibt es Auswahlwerte und Wahrscheinlichkeiten zurück. Es wurde für Klassifizierungen und die Verzweigung von Arbeitsabläufen entwickelt. Auch bei einem korrekten Ausgabeformat kann die Entscheidung falsch sein.\n\nDie Angaben zu Preisen und Geschwindigkeit basieren auf der Mitteilung von TypeSafe vom 15. September 2026.\n\n## Was Jev und System One Model bedeuten\n\nJev ist eine AI, die Entscheidungsergebnisse liefert, die direkt von Code verwendet werden können. Der offizielle Produktname lautet Jev. TypeSafe bezeichnet diese Modellfamilie als System One Model.\n\nDie Eingabe enthält den zu beurteilenden `state` und die `questions`, also die Fragen. Der `state` umfasst die für die Entscheidung erforderlichen Informationen, etwa eine Kundenanfrage oder einen Geschäftsvorgang. In den Fragen werden die zulässigen Antworten und die Bewertungskriterien festgelegt.\n\nDer Name System One leitet sich von schnellem und intuitivem Denken ab. Das Unternehmen beschreibt damit die Rolle des Produkts. Es kann auch Eingaben in natürlicher Sprache verstehen. Das Konzept und der Eingabebereich sind in der [System One-Dokumentation von TypeSafe](https://docs.typesafe.ai/concepts/system-one) beschrieben.\n\n## Was ist der Unterschied zu einem LLM?\n\nDer entscheidende Unterschied liegt im Bereich der möglichen Ausgaben. Ein LLM erzeugt freie Inhalte wie erläuternde Texte und Code. Jev trifft Entscheidungen innerhalb des vom Entwickler festgelegten Antwortbereichs.\n\n| Vergleichspunkt | Typische Nutzung eines LLM | Nutzung von Jev |\n| --- | --- | --- |\n| Hauptsächliches Ergebnis | Erläuterungen, Zusammenfassungen, generierter Code | Auswahlwerte, Bewertungspunkte, Wahrscheinlichkeiten |\n| Antwortbereich | Freie Generierung oder strukturierte Ausgabe | In der Frage vorab festgelegter Bereich |\n| Anbindung an Software | Interpretation und Prüfung entsprechend dem Antwortformat | Verknüpfung der Rückgabewerte mit Bedingungen und Klassifizierungen |\n| Erzeugung von Erklärungen | Entscheidungsgründe können als Sätze formuliert werden | Keine Unterstützung für frei erzeugte Erläuterungen |\n| Geeignete Rolle | Dialog, Verfassen von Texten, Lösung komplexer Probleme | Klassifizierung, Auswahl des zuständigen Bearbeitungswegs, Bewertung nach Kriterien |\n\nAuch ein LLM kann so konfiguriert werden, dass es in einem strukturierten Format antwortet. Die JSON-Ausgabe an sich ist daher keine exklusive Funktion von Jev. Die Dokumentation von Vercel erläutert auch die Anbindung strukturierter LLM. Dasselbe Antwortformat bedeutet jedoch nicht dasselbe Bewertungsverhalten. Diese Unterscheidung wird in der [Erläuterung zu Jev von Vercel](https://vercel.com/i/what-is-jev) beschrieben.\n\nIn Software muss die Ausgabe den Vorgaben entsprechen, damit der nächste Arbeitsschritt ausgeführt werden kann. Für den Wert der zuständigen Abteilung wird beispielsweise ein zulässiger Name benötigt. Wenn darin erläuternder Text enthalten ist, ist ein zusätzlicher Interpretationsschritt erforderlich. Jev wurde dafür entwickelt, solche Entscheidungsergebnisse direkt zurückzugeben.\n\n## Übersicht über Choice·Score·Noul nach Bedingungen\n\nWählen Sie den Typ entsprechend der Form der möglichen Antwort auf die Frage. Die grundlegenden Fragetypen von Jev sind Choice, Score und Noul. Unabhängige Fragen zum selben Zustand können in einem Aufruf gebündelt werden. Die Konfiguration ist in der [TypeSafe Introduction](https://docs.typesafe.ai/introduction) beschrieben.\n\n| Benötigte Entscheidung | Fragetyp | Rückgabe | Anwendungsbeispiel |\n| --- | --- | --- | --- |\n| Auswahl aus festgelegten Optionen | Choice | Auswahlwert, Wahrscheinlichkeit je Option, Konfidenz | Weiterleitung einer Anfrage an die zuständige Abteilung |\n| Bewertung anhand geordneter Kriterien | Score | Punktwert, Wahrscheinlichkeit je Stufe, Konfidenz | Bewertung des Schweregrads einer Störung |\n| Entscheidung, ob eine Aussage zutrifft | Noul | Wert von 0-1 für die Wahrscheinlichkeit von „Ja“ | Erkennung, ob eine Erstattungsanfrage enthalten ist |\n\nDie Zahl bei Score gibt die Position innerhalb der festgelegten Bewertungsstufen an. Sie entspricht nicht immer einem Prozentsatz. Noul ist ein Typ, der die Wahrscheinlichkeit für „Ja“ zurückgibt. Die Auslegung richtet sich jeweils nach der [Score-Dokumentation](https://docs.typesafe.ai/primitives/score) und der [Noul-Dokumentation](https://docs.typesafe.ai/primitives/noul).\n\nLegen Sie für voneinander abhängige Fragen die Verarbeitungsreihenfolge fest. Wenn eine spätere Frage die Antwort auf eine frühere Frage benötigt, müssen sie im Code verknüpft werden. Fragen innerhalb desselben Aufrufs bewerten den gemeinsamen Zustand unabhängig voneinander.\n\n## Wie sind die Zahlen im Beispiel zur Bedienung im Restaurant zu lesen?\n\nDie Zahlen in der Demonstration zur Bedienung im Restaurant dürfen nicht als Genauigkeit des gesamten Produkts verstanden werden. In der Beschreibung des Einführungsvideos kommen die folgenden Werte vor. Die ursprüngliche API-Anfrage und die Messbedingungen konnten nicht überprüft werden.\n\n| Vorgestellter Wert | Bedeutung laut Beschreibung | Bei der Auslegung zu prüfen |\n| --- | --- | --- |\n| 0.09 auf einer Skala von 0-1 | Bewertung der Rechtmäßigkeit des Verhaltens eines Gastes | Prüfen, ob es sich um einen Score oder die Wahrscheinlichkeit für „Ja“ handelt |\n| Eignung einer Option von 94% | Wert für den Vorschlag, den Grund für die Zahlung zu erklären | Vorgegebene Optionen und Kriterien der Frage prüfen |\n| Konfidenz von 92% | Angabe der Konfidenz für diese Entscheidung | Nicht als tatsächliche Trefferquote verstehen |\n| Verarbeitungszeit von weniger als 0.1 Sekunden | In der Demonstration vorgestellte Antwortzeit | Prüfen, ob die Kommunikationszeit enthalten ist |\n\nDieses Beispiel dient dazu, das Ausgabeformat zu verstehen. Anhand der Zahlen allein lässt sich kein realer Streitfall entscheiden. Insbesondere ändert sich die Frage selbst, wenn die Auswahloptionen geändert werden.\n\n## Häufige Fehler bei der Verwechslung von Wahrscheinlichkeit und Konfidenz\n\nWahrscheinlichkeit und Konfidenz sind unterschiedliche Werte. Die Wahrscheinlichkeiten bei Choice sind die den einzelnen Optionen zugewiesenen Werte. Die Konfidenz fasst zusammen, wie stark diese Wahrscheinlichkeitsverteilung konzentriert ist.\n\nEine Konfidenz von 92% darf daher nicht als Trefferquote von 92% verstanden werden. Die tatsächliche Trefferquote muss anhand von Fällen mit bestätigter richtiger Antwort gemessen werden. Bei Noul gibt es kein separates Feld `confidence`. Diese Unterscheidung ist in der [TypeSafe-Dokumentation zu Confidence](https://docs.typesafe.ai/confidence) festgehalten.\n\n- **Verwechslung von Format und Genauigkeit:** Auch wenn eine zulässige Abteilung ausgewählt wird, kann es die falsche zuständige Abteilung sein.\n- **Verwechslung von Score und Wahrscheinlichkeit:** Der Score-Wert kann die Position innerhalb der Bewertungsstufen darstellen.\n- **Verwechslung von Konfidenz und Trefferquote:** Eine hohe Konfidenz allein garantiert nicht, dass eine einzelne Antwort richtig ist.\n- **Fehlende Option:** Wenn die benötigte Antwort nicht unter den Auswahloptionen vorhanden ist, wird eine angemessene Entscheidung erschwert.\n\nKalibrierung bezeichnet das Konzept, mehrere Vorhersagen zu sammeln und die Beziehung zwischen Wahrscheinlichkeiten und Ergebnissen zu bewerten. Sie ist kein Verfahren, das die Richtigkeit einer einzelnen Antwort garantiert. Prüfen Sie die Einhaltung des Ausgabeformats und die inhaltliche Richtigkeit getrennt voneinander.\n\n## Bedingungen für den Vergleich öffentlicher Preise und Geschwindigkeiten\n\nDie öffentlichen Preise werden anhand der Eingabetokens berechnet. Tokens sind die Einheiten, in denen das Modell Text verarbeitet. In der Mitteilung vom 15. September 2026 wurde angegeben, dass Ausgabetokens kostenlos sind.\n\n| Punkt | Öffentliche Angabe | Geltungsbereich |\n| --- | --- | --- |\n| Eingabepreis | 0.042 Dollar pro 1 Million Tokens | Preise von TypeSafe zum Zeitpunkt der Mitteilung |\n| Ausgabepreis | Kostenlos | Preise von TypeSafe zum Zeitpunkt der Mitteilung |\n| Antwortzeit | 70-500 Millisekunden | Vom Unternehmen mitgeteilter Messbereich |\n| Messumgebung | Hauptsächlich Laptops im Westen der USA | In der Mitteilung des Unternehmens genannte Testumgebung |\n\nDiese Zahlen stellen keine Leistungsgarantie für alle Anfragen dar. Die Bewertung des Unternehmens enthält einen Vergleich, bei dem die Vorhersagen externer Modelle als Referenz verwendet wurden. Dies kann nicht mit der Trefferquote bei tatsächlichen Arbeitsaufgaben gleichgesetzt werden. Die Messbedingungen sind in der [Mitteilung von TypeSafe zur Veröffentlichung](https://typesafe.ai/blog/introducing-system-one-models-and-jev) veröffentlicht.\n\n### Beispielrechnung mit dem öffentlichen Preis\n\nDer Grundpreis für die Nutzung von 1 Milliarde Eingabetokens beträgt 42 Dollar. Die Berechnung lautet `1,000,000,000 ÷ 1,000,000 × 0.042`. Dies ist ein Beispiel für die Umrechnung des öffentlichen Preises.\n\nDer Preis pro Entscheidung hängt von der Länge der Eingabe ab. Die tatsächlichen Kosten werden auch durch erneute Versuche oder nachfolgende Modellaufrufe beeinflusst. Die aktuellen Preise finden Sie in der [TypeSafe-Dokumentation zu Models](https://docs.typesafe.ai/models).\n\n## Welchen Anwendungsbereich die Doom-Demonstration zeigt\n\nDie Doom-Demonstration zeigt die Auswahl einer Aktion anhand eines strukturierten Spielzustands. Es handelt sich nicht um eine Demonstration, bei der das Bild des Spielbildschirms direkt verstanden wurde. TypeSafe erklärt, dass Zustandsdaten in Textform verwendet wurden. Diese Bedingung ist in der [Beschreibung von Doom in der Mitteilung zur Veröffentlichung](https://typesafe.ai/blog/introducing-system-one-models-and-jev) aufgeführt.\n\nFür den Einsatz in Arbeitsabläufen kommen Stellen infrage, an denen wiederholt Entscheidungen getroffen werden. Die folgende Tabelle enthält auf den Funktionen basierende Designbeispiele. Die Leistung muss für jeden einzelnen Arbeitsablauf gesondert geprüft werden.\n\n| Arbeitsbedingung | Mögliche Rolle | Zusätzlich erforderliche Verarbeitung |\n| --- | --- | --- |\n| Klassifizierung von Anfragen in festgelegte Abteilungen | Auswahl des zuständigen Bearbeitungswegs mit Choice | Prüfweg für mehrdeutige Anfragen |\n| Bewertung von Dokumenten anhand gemeinsamer Kriterien | Rückgabe eines Score für jedes Kriterium | Klare Definition der Bewertungskriterien |\n| Prüfung, ob eine bestimmte Anfrage enthalten ist | Bewertung der Aussage mit Noul | Code zur Entscheidung über die Ausführung |\n| Verfassen von Erläuterungen für Benutzer | Anbindung an ein generatives Modell | Weitergabe der ursprünglichen Belege und der genehmigten Entscheidung |\n\n## Grenzen bei koreanischen Arbeitsaufgaben und der Verarbeitung von Zahlen\n\nFür Arbeitsaufgaben auf Koreanisch ist eine eigene Validierung erforderlich. TypeSafe weist darauf hin, dass Englisch die hauptsächliche Trainingssprache ist. Das Unternehmen erklärt, dass die Leistung in anderen Sprachen nicht gleich ist. Die Bedingungen der Sprachunterstützung sind in der [Dokumentation zu Models](https://docs.typesafe.ai/models) beschrieben.\n\nDie Rückgabe von Zahlen bedeutet nicht, dass auch Berechnungen korrekt sind. Dies geht aus der am 17. September 2026 geprüften Dokumentation zu Einschränkungen hervor. Darin wird empfohlen, Berechnungen im Code auszuführen.\n\n\u003e Jev is not a calculator.\n\nDieser Wortlaut stammt aus [Jev 1.13 jaggedness](https://docs.typesafe.ai/model-jaggedness/jev-1.13).\n\n| Bekannte Einschränkung | Maßnahme bei der Entwicklung |\n| --- | --- |\n| Genaue Berechnung von Mengen | Anzahl der Elemente im Code berechnen |\n| Vergleich von Datum und Uhrzeit | Extrahierte Werte in Datumsdatentypen umwandeln und vergleichen |\n| Lange, nicht relevante Eingaben | Nur die für die Entscheidung benötigten Inhalte auswählen |\n| Komplexe Verneinungen und indirekte Bedingungen | In klare, kurze Fragen aufteilen |\n| Mehrdeutige oder widersprüchliche Bewertungskriterien | Bedeutung von Fragen und Auswahloptionen aufeinander abstimmen |\n\nNehmen Sie reale Formulierungen aus den Arbeitsabläufen in die koreanischen Validierungsdaten auf. Auch Höflichkeitsformen und ausgelassene Subjekte sollten geprüft werden. Die Antworten des Modells können mit Fällen verglichen werden, deren Verarbeitungsergebnis feststeht.\n\n## Vergleich der Zugangswege über API und SDK\n\nNeben dem direkten Zugriff auf TypeSafe wurden auch Zugangswege über Gateways bestätigt. In der Mitteilung zur Veröffentlichung wurde für die anfängliche Nutzung auf eine Warteliste verwiesen. Prüfen Sie bei den jeweiligen Diensten, ob der Zugriff für Ihr Konto verfügbar ist.\n\n| Zugangsweg | Bestätigte Bereitstellungsform | Zu prüfende Dokumentation |\n| --- | --- | --- |\n| TypeSafe | Konsole, API, Client-SDK | Quick start |\n| Vercel AI Gateway | Anbindung von Jev-Bewertungsanfragen | Evaluation |\n| OpenRouter | Registrierung des Modells Jev 1.13 | Modellseite zu Jev 1.13 |\n\nDer [Quick start](https://docs.typesafe.ai/introduction/quickstart) von TypeSafe beschreibt das Verfahren für direkte Aufrufe. Die grundlegende Reihenfolge für diesen Zugangsweg lautet wie folgt.\n\n1. Prüfen Sie in der Konsole die Zugriffsberechtigung Ihres Kontos.\n2. Testen Sie im Playground den zu beurteilenden Inhalt und die Fragen.\n3. Erstellen Sie im Dashboard einen API-Schlüssel.\n4. Senden Sie die Anfrage über das SDK oder die HTTP-API.\n5. Verknüpfen Sie die Rückgabewerte und Wahrscheinlichkeiten mit den Verarbeitungsregeln im Code.\n\nDie [Evaluation-Dokumentation](https://vercel.com/docs/ai-gateway/modalities/evaluation) von Vercel enthält ein Beispiel für die Anbindung. Fragen mit Ja oder Nein werden über diesen Zugangsweg als Boolean dargestellt. Das Modell ist auch auf der [Seite zu Jev 1.13 von OpenRouter](https://openrouter.ai/typesafe/jev-1.13/) zu finden. Richten Sie sich bei Anfrageformaten und Limits nach der Dokumentation des jeweiligen Zugangswegs.\n\n## Designkriterien für die Protokollierung von Entscheidungen\n\nProtokollieren Sie zusammen mit den Ergebnissen der Automatisierung auch die Eingabegrundlagen, um sie überprüfen zu können. Wenn nur der Auswahlwert gespeichert wird, lässt sich die Ursache einer Fehlentscheidung nur schwer ermitteln. Die folgenden Punkte sind Designvorschläge auf Grundlage der offiziellen Schnittstelle.\n\n| Protokollierter Punkt | Erkennbares Problem |\n| --- | --- |\n| Für die Entscheidung verwendeter Originaltext und Zeitpunkt | Veraltete oder fehlende Informationen |\n| Version der Fragen und Auswahloptionen | Ergebnisunterschiede durch geänderte Kriterien |\n| Tatsächliche ID des antwortenden Modells | Auswirkungen eines Modellwechsels |\n| Antwort und Wahrscheinlichkeitsverteilung | Grund für die Verarbeitung mehrdeutiger Fälle |\n| Vom Code ausgeführte Aktion | Abweichung zwischen Entscheidung und Ausführung |\n| Von Menschen geprüftes Ergebnis | Tatsächliche Fehler und Korrekturen |\n\nEin Alias für einen Modellnamen kann so geändert werden, dass er auf eine neue Version verweist. Eine validierte Version kann über die Modell-ID fest vorgegeben werden. Dieses Betriebsverfahren ist in der [TypeSafe-Dokumentation zu Models](https://docs.typesafe.ai/models) beschrieben.\n\nLegen Sie die Kriterien für die Weiterleitung zur Prüfung anhand realer Fälle fest. Bewerten Sie sowohl die Kosten einer Fehlklassifizierung als auch den Aufwand der menschlichen Prüfung. Es gibt keinen allgemein gültigen Schwellenwert für die Konfidenz. Hinweise zum Validierungsverfahren finden Sie in der [Dokumentation zu Confidence](https://docs.typesafe.ai/confidence).","content_html":"\u003cp\u003eJev ist ein von TypeSafe entwickeltes Modell für softwaregestützte Entscheidungen. Statt erläuternder Texte gibt es Auswahlwerte und Wahrscheinlichkeiten zurück. Es wurde für Klassifizierungen und die Verzweigung von Arbeitsabläufen entwickelt. Auch bei einem korrekten Ausgabeformat kann die Entscheidung falsch sein.\u003c/p\u003e\n\u003cp\u003eDie Angaben zu Preisen und Geschwindigkeit basieren auf der Mitteilung von TypeSafe vom 15. September 2026.\u003c/p\u003e\n\u003ch2\u003e\n\u003ca href=\"#was-jev-und-system-one-model-bedeuten\" class=\"anchor\" id=\"was-jev-und-system-one-model-bedeuten\"\u003e\u003c/a\u003eWas Jev und System One Model bedeuten\u003c/h2\u003e\n\u003cp\u003eJev ist eine AI, die Entscheidungsergebnisse liefert, die direkt von Code verwendet werden können. Der offizielle Produktname lautet Jev. TypeSafe bezeichnet diese Modellfamilie als System One Model.\u003c/p\u003e\n\u003cp\u003eDie Eingabe enthält den zu beurteilenden \u003ccode\u003estate\u003c/code\u003e und die \u003ccode\u003equestions\u003c/code\u003e, also die Fragen. Der \u003ccode\u003estate\u003c/code\u003e umfasst die für die Entscheidung erforderlichen Informationen, etwa eine Kundenanfrage oder einen Geschäftsvorgang. In den Fragen werden die zulässigen Antworten und die Bewertungskriterien festgelegt.\u003c/p\u003e\n\u003cp\u003eDer Name System One leitet sich von schnellem und intuitivem Denken ab. Das Unternehmen beschreibt damit die Rolle des Produkts. Es kann auch Eingaben in natürlicher Sprache verstehen. Das Konzept und der Eingabebereich sind in der \u003ca href=\"https://docs.typesafe.ai/concepts/system-one\"\u003eSystem One-Dokumentation von TypeSafe\u003c/a\u003e beschrieben.\u003c/p\u003e\n\u003ch2\u003e\n\u003ca href=\"#was-ist-der-unterschied-zu-einem-llm\" class=\"anchor\" id=\"was-ist-der-unterschied-zu-einem-llm\"\u003e\u003c/a\u003eWas ist der Unterschied zu einem LLM?\u003c/h2\u003e\n\u003cp\u003eDer entscheidende Unterschied liegt im Bereich der möglichen Ausgaben. Ein LLM erzeugt freie Inhalte wie erläuternde Texte und Code. Jev trifft Entscheidungen innerhalb des vom Entwickler festgelegten Antwortbereichs.\u003c/p\u003e\n\u003cdiv class=\"overflow-x-auto\"\u003e\u003ctable\u003e\n\u003cthead\u003e\n\u003ctr\u003e\n\u003cth\u003eVergleichspunkt\u003c/th\u003e\n\u003cth\u003eTypische Nutzung eines LLM\u003c/th\u003e\n\u003cth\u003eNutzung von Jev\u003c/th\u003e\n\u003c/tr\u003e\n\u003c/thead\u003e\n\u003ctbody\u003e\n\u003ctr\u003e\n\u003ctd data-label=\"Vergleichspunkt\"\u003eHauptsächliches Ergebnis\u003c/td\u003e\n\u003ctd data-label=\"Typische Nutzung eines LLM\"\u003eErläuterungen, Zusammenfassungen, generierter Code\u003c/td\u003e\n\u003ctd data-label=\"Nutzung von Jev\"\u003eAuswahlwerte, Bewertungspunkte, Wahrscheinlichkeiten\u003c/td\u003e\n\u003c/tr\u003e\n\u003ctr\u003e\n\u003ctd data-label=\"Vergleichspunkt\"\u003eAntwortbereich\u003c/td\u003e\n\u003ctd data-label=\"Typische Nutzung eines LLM\"\u003eFreie Generierung oder strukturierte Ausgabe\u003c/td\u003e\n\u003ctd data-label=\"Nutzung von Jev\"\u003eIn der Frage vorab festgelegter Bereich\u003c/td\u003e\n\u003c/tr\u003e\n\u003ctr\u003e\n\u003ctd data-label=\"Vergleichspunkt\"\u003eAnbindung an Software\u003c/td\u003e\n\u003ctd data-label=\"Typische Nutzung eines LLM\"\u003eInterpretation und Prüfung entsprechend dem Antwortformat\u003c/td\u003e\n\u003ctd data-label=\"Nutzung von Jev\"\u003eVerknüpfung der Rückgabewerte mit Bedingungen und Klassifizierungen\u003c/td\u003e\n\u003c/tr\u003e\n\u003ctr\u003e\n\u003ctd data-label=\"Vergleichspunkt\"\u003eErzeugung von Erklärungen\u003c/td\u003e\n\u003ctd data-label=\"Typische Nutzung eines LLM\"\u003eEntscheidungsgründe können als Sätze formuliert werden\u003c/td\u003e\n\u003ctd data-label=\"Nutzung von Jev\"\u003eKeine Unterstützung für frei erzeugte Erläuterungen\u003c/td\u003e\n\u003c/tr\u003e\n\u003ctr\u003e\n\u003ctd data-label=\"Vergleichspunkt\"\u003eGeeignete Rolle\u003c/td\u003e\n\u003ctd data-label=\"Typische Nutzung eines LLM\"\u003eDialog, Verfassen von Texten, Lösung komplexer Probleme\u003c/td\u003e\n\u003ctd data-label=\"Nutzung von Jev\"\u003eKlassifizierung, Auswahl des zuständigen Bearbeitungswegs, Bewertung nach Kriterien\u003c/td\u003e\n\u003c/tr\u003e\n\u003c/tbody\u003e\n\u003c/table\u003e\u003c/div\u003e\n\u003cp\u003eAuch ein LLM kann so konfiguriert werden, dass es in einem strukturierten Format antwortet. Die JSON-Ausgabe an sich ist daher keine exklusive Funktion von Jev. Die Dokumentation von Vercel erläutert auch die Anbindung strukturierter LLM. Dasselbe Antwortformat bedeutet jedoch nicht dasselbe Bewertungsverhalten. Diese Unterscheidung wird in der \u003ca href=\"https://vercel.com/i/what-is-jev\"\u003eErläuterung zu Jev von Vercel\u003c/a\u003e beschrieben.\u003c/p\u003e\n\u003cp\u003eIn Software muss die Ausgabe den Vorgaben entsprechen, damit der nächste Arbeitsschritt ausgeführt werden kann. Für den Wert der zuständigen Abteilung wird beispielsweise ein zulässiger Name benötigt. Wenn darin erläuternder Text enthalten ist, ist ein zusätzlicher Interpretationsschritt erforderlich. Jev wurde dafür entwickelt, solche Entscheidungsergebnisse direkt zurückzugeben.\u003c/p\u003e\n\u003ch2\u003e\n\u003ca href=\"#%C3%BCbersicht-%C3%BCber-choicescorenoul-nach-bedingungen\" class=\"anchor\" id=\"übersicht-über-choicescorenoul-nach-bedingungen\"\u003e\u003c/a\u003eÜbersicht über Choice·Score·Noul nach Bedingungen\u003c/h2\u003e\n\u003cp\u003eWählen Sie den Typ entsprechend der Form der möglichen Antwort auf die Frage. Die grundlegenden Fragetypen von Jev sind Choice, Score und Noul. Unabhängige Fragen zum selben Zustand können in einem Aufruf gebündelt werden. Die Konfiguration ist in der \u003ca href=\"https://docs.typesafe.ai/introduction\"\u003eTypeSafe Introduction\u003c/a\u003e beschrieben.\u003c/p\u003e\n\u003cdiv class=\"overflow-x-auto\"\u003e\u003ctable\u003e\n\u003cthead\u003e\n\u003ctr\u003e\n\u003cth\u003eBenötigte Entscheidung\u003c/th\u003e\n\u003cth\u003eFragetyp\u003c/th\u003e\n\u003cth\u003eRückgabe\u003c/th\u003e\n\u003cth\u003eAnwendungsbeispiel\u003c/th\u003e\n\u003c/tr\u003e\n\u003c/thead\u003e\n\u003ctbody\u003e\n\u003ctr\u003e\n\u003ctd data-label=\"Benötigte Entscheidung\"\u003eAuswahl aus festgelegten Optionen\u003c/td\u003e\n\u003ctd data-label=\"Fragetyp\"\u003eChoice\u003c/td\u003e\n\u003ctd data-label=\"Rückgabe\"\u003eAuswahlwert, Wahrscheinlichkeit je Option, Konfidenz\u003c/td\u003e\n\u003ctd data-label=\"Anwendungsbeispiel\"\u003eWeiterleitung einer Anfrage an die zuständige Abteilung\u003c/td\u003e\n\u003c/tr\u003e\n\u003ctr\u003e\n\u003ctd data-label=\"Benötigte Entscheidung\"\u003eBewertung anhand geordneter Kriterien\u003c/td\u003e\n\u003ctd data-label=\"Fragetyp\"\u003eScore\u003c/td\u003e\n\u003ctd data-label=\"Rückgabe\"\u003ePunktwert, Wahrscheinlichkeit je Stufe, Konfidenz\u003c/td\u003e\n\u003ctd data-label=\"Anwendungsbeispiel\"\u003eBewertung des Schweregrads einer Störung\u003c/td\u003e\n\u003c/tr\u003e\n\u003ctr\u003e\n\u003ctd data-label=\"Benötigte Entscheidung\"\u003eEntscheidung, ob eine Aussage zutrifft\u003c/td\u003e\n\u003ctd data-label=\"Fragetyp\"\u003eNoul\u003c/td\u003e\n\u003ctd data-label=\"Rückgabe\"\u003eWert von 0-1 für die Wahrscheinlichkeit von „Ja“\u003c/td\u003e\n\u003ctd data-label=\"Anwendungsbeispiel\"\u003eErkennung, ob eine Erstattungsanfrage enthalten ist\u003c/td\u003e\n\u003c/tr\u003e\n\u003c/tbody\u003e\n\u003c/table\u003e\u003c/div\u003e\n\u003cp\u003eDie Zahl bei Score gibt die Position innerhalb der festgelegten Bewertungsstufen an. Sie entspricht nicht immer einem Prozentsatz. Noul ist ein Typ, der die Wahrscheinlichkeit für „Ja“ zurückgibt. Die Auslegung richtet sich jeweils nach der \u003ca href=\"https://docs.typesafe.ai/primitives/score\"\u003eScore-Dokumentation\u003c/a\u003e und der \u003ca href=\"https://docs.typesafe.ai/primitives/noul\"\u003eNoul-Dokumentation\u003c/a\u003e.\u003c/p\u003e\n\u003cp\u003eLegen Sie für voneinander abhängige Fragen die Verarbeitungsreihenfolge fest. Wenn eine spätere Frage die Antwort auf eine frühere Frage benötigt, müssen sie im Code verknüpft werden. Fragen innerhalb desselben Aufrufs bewerten den gemeinsamen Zustand unabhängig voneinander.\u003c/p\u003e\n\u003ch2\u003e\n\u003ca href=\"#wie-sind-die-zahlen-im-beispiel-zur-bedienung-im-restaurant-zu-lesen\" class=\"anchor\" id=\"wie-sind-die-zahlen-im-beispiel-zur-bedienung-im-restaurant-zu-lesen\"\u003e\u003c/a\u003eWie sind die Zahlen im Beispiel zur Bedienung im Restaurant zu lesen?\u003c/h2\u003e\n\u003cp\u003eDie Zahlen in der Demonstration zur Bedienung im Restaurant dürfen nicht als Genauigkeit des gesamten Produkts verstanden werden. In der Beschreibung des Einführungsvideos kommen die folgenden Werte vor. Die ursprüngliche API-Anfrage und die Messbedingungen konnten nicht überprüft werden.\u003c/p\u003e\n\u003cdiv class=\"overflow-x-auto\"\u003e\u003ctable\u003e\n\u003cthead\u003e\n\u003ctr\u003e\n\u003cth\u003eVorgestellter Wert\u003c/th\u003e\n\u003cth\u003eBedeutung laut Beschreibung\u003c/th\u003e\n\u003cth\u003eBei der Auslegung zu prüfen\u003c/th\u003e\n\u003c/tr\u003e\n\u003c/thead\u003e\n\u003ctbody\u003e\n\u003ctr\u003e\n\u003ctd data-label=\"Vorgestellter Wert\"\u003e0.09 auf einer Skala von 0-1\u003c/td\u003e\n\u003ctd data-label=\"Bedeutung laut Beschreibung\"\u003eBewertung der Rechtmäßigkeit des Verhaltens eines Gastes\u003c/td\u003e\n\u003ctd data-label=\"Bei der Auslegung zu prüfen\"\u003ePrüfen, ob es sich um einen Score oder die Wahrscheinlichkeit für „Ja“ handelt\u003c/td\u003e\n\u003c/tr\u003e\n\u003ctr\u003e\n\u003ctd data-label=\"Vorgestellter Wert\"\u003eEignung einer Option von 94%\u003c/td\u003e\n\u003ctd data-label=\"Bedeutung laut Beschreibung\"\u003eWert für den Vorschlag, den Grund für die Zahlung zu erklären\u003c/td\u003e\n\u003ctd data-label=\"Bei der Auslegung zu prüfen\"\u003eVorgegebene Optionen und Kriterien der Frage prüfen\u003c/td\u003e\n\u003c/tr\u003e\n\u003ctr\u003e\n\u003ctd data-label=\"Vorgestellter Wert\"\u003eKonfidenz von 92%\u003c/td\u003e\n\u003ctd data-label=\"Bedeutung laut Beschreibung\"\u003eAngabe der Konfidenz für diese Entscheidung\u003c/td\u003e\n\u003ctd data-label=\"Bei der Auslegung zu prüfen\"\u003eNicht als tatsächliche Trefferquote verstehen\u003c/td\u003e\n\u003c/tr\u003e\n\u003ctr\u003e\n\u003ctd data-label=\"Vorgestellter Wert\"\u003eVerarbeitungszeit von weniger als 0.1 Sekunden\u003c/td\u003e\n\u003ctd data-label=\"Bedeutung laut Beschreibung\"\u003eIn der Demonstration vorgestellte Antwortzeit\u003c/td\u003e\n\u003ctd data-label=\"Bei der Auslegung zu prüfen\"\u003ePrüfen, ob die Kommunikationszeit enthalten ist\u003c/td\u003e\n\u003c/tr\u003e\n\u003c/tbody\u003e\n\u003c/table\u003e\u003c/div\u003e\n\u003cp\u003eDieses Beispiel dient dazu, das Ausgabeformat zu verstehen. Anhand der Zahlen allein lässt sich kein realer Streitfall entscheiden. Insbesondere ändert sich die Frage selbst, wenn die Auswahloptionen geändert werden.\u003c/p\u003e\n\u003ch2\u003e\n\u003ca href=\"#h%C3%A4ufige-fehler-bei-der-verwechslung-von-wahrscheinlichkeit-und-konfidenz\" class=\"anchor\" id=\"häufige-fehler-bei-der-verwechslung-von-wahrscheinlichkeit-und-konfidenz\"\u003e\u003c/a\u003eHäufige Fehler bei der Verwechslung von Wahrscheinlichkeit und Konfidenz\u003c/h2\u003e\n\u003cp\u003eWahrscheinlichkeit und Konfidenz sind unterschiedliche Werte. Die Wahrscheinlichkeiten bei Choice sind die den einzelnen Optionen zugewiesenen Werte. Die Konfidenz fasst zusammen, wie stark diese Wahrscheinlichkeitsverteilung konzentriert ist.\u003c/p\u003e\n\u003cp\u003eEine Konfidenz von 92% darf daher nicht als Trefferquote von 92% verstanden werden. Die tatsächliche Trefferquote muss anhand von Fällen mit bestätigter richtiger Antwort gemessen werden. Bei Noul gibt es kein separates Feld \u003ccode\u003econfidence\u003c/code\u003e. Diese Unterscheidung ist in der \u003ca href=\"https://docs.typesafe.ai/confidence\"\u003eTypeSafe-Dokumentation zu Confidence\u003c/a\u003e festgehalten.\u003c/p\u003e\n\u003cul\u003e\n\u003cli\u003e\n\u003cstrong\u003eVerwechslung von Format und Genauigkeit:\u003c/strong\u003e Auch wenn eine zulässige Abteilung ausgewählt wird, kann es die falsche zuständige Abteilung sein.\u003c/li\u003e\n\u003cli\u003e\n\u003cstrong\u003eVerwechslung von Score und Wahrscheinlichkeit:\u003c/strong\u003e Der Score-Wert kann die Position innerhalb der Bewertungsstufen darstellen.\u003c/li\u003e\n\u003cli\u003e\n\u003cstrong\u003eVerwechslung von Konfidenz und Trefferquote:\u003c/strong\u003e Eine hohe Konfidenz allein garantiert nicht, dass eine einzelne Antwort richtig ist.\u003c/li\u003e\n\u003cli\u003e\n\u003cstrong\u003eFehlende Option:\u003c/strong\u003e Wenn die benötigte Antwort nicht unter den Auswahloptionen vorhanden ist, wird eine angemessene Entscheidung erschwert.\u003c/li\u003e\n\u003c/ul\u003e\n\u003cp\u003eKalibrierung bezeichnet das Konzept, mehrere Vorhersagen zu sammeln und die Beziehung zwischen Wahrscheinlichkeiten und Ergebnissen zu bewerten. Sie ist kein Verfahren, das die Richtigkeit einer einzelnen Antwort garantiert. Prüfen Sie die Einhaltung des Ausgabeformats und die inhaltliche Richtigkeit getrennt voneinander.\u003c/p\u003e\n\u003ch2\u003e\n\u003ca href=\"#bedingungen-f%C3%BCr-den-vergleich-%C3%B6ffentlicher-preise-und-geschwindigkeiten\" class=\"anchor\" id=\"bedingungen-für-den-vergleich-öffentlicher-preise-und-geschwindigkeiten\"\u003e\u003c/a\u003eBedingungen für den Vergleich öffentlicher Preise und Geschwindigkeiten\u003c/h2\u003e\n\u003cp\u003eDie öffentlichen Preise werden anhand der Eingabetokens berechnet. Tokens sind die Einheiten, in denen das Modell Text verarbeitet. In der Mitteilung vom 15. September 2026 wurde angegeben, dass Ausgabetokens kostenlos sind.\u003c/p\u003e\n\u003cdiv class=\"overflow-x-auto\"\u003e\u003ctable\u003e\n\u003cthead\u003e\n\u003ctr\u003e\n\u003cth\u003ePunkt\u003c/th\u003e\n\u003cth\u003eÖffentliche Angabe\u003c/th\u003e\n\u003cth\u003eGeltungsbereich\u003c/th\u003e\n\u003c/tr\u003e\n\u003c/thead\u003e\n\u003ctbody\u003e\n\u003ctr\u003e\n\u003ctd data-label=\"Punkt\"\u003eEingabepreis\u003c/td\u003e\n\u003ctd data-label=\"Öffentliche Angabe\"\u003e0.042 Dollar pro 1 Million Tokens\u003c/td\u003e\n\u003ctd data-label=\"Geltungsbereich\"\u003ePreise von TypeSafe zum Zeitpunkt der Mitteilung\u003c/td\u003e\n\u003c/tr\u003e\n\u003ctr\u003e\n\u003ctd data-label=\"Punkt\"\u003eAusgabepreis\u003c/td\u003e\n\u003ctd data-label=\"Öffentliche Angabe\"\u003eKostenlos\u003c/td\u003e\n\u003ctd data-label=\"Geltungsbereich\"\u003ePreise von TypeSafe zum Zeitpunkt der Mitteilung\u003c/td\u003e\n\u003c/tr\u003e\n\u003ctr\u003e\n\u003ctd data-label=\"Punkt\"\u003eAntwortzeit\u003c/td\u003e\n\u003ctd data-label=\"Öffentliche Angabe\"\u003e70-500 Millisekunden\u003c/td\u003e\n\u003ctd data-label=\"Geltungsbereich\"\u003eVom Unternehmen mitgeteilter Messbereich\u003c/td\u003e\n\u003c/tr\u003e\n\u003ctr\u003e\n\u003ctd data-label=\"Punkt\"\u003eMessumgebung\u003c/td\u003e\n\u003ctd data-label=\"Öffentliche Angabe\"\u003eHauptsächlich Laptops im Westen der USA\u003c/td\u003e\n\u003ctd data-label=\"Geltungsbereich\"\u003eIn der Mitteilung des Unternehmens genannte Testumgebung\u003c/td\u003e\n\u003c/tr\u003e\n\u003c/tbody\u003e\n\u003c/table\u003e\u003c/div\u003e\n\u003cp\u003eDiese Zahlen stellen keine Leistungsgarantie für alle Anfragen dar. Die Bewertung des Unternehmens enthält einen Vergleich, bei dem die Vorhersagen externer Modelle als Referenz verwendet wurden. Dies kann nicht mit der Trefferquote bei tatsächlichen Arbeitsaufgaben gleichgesetzt werden. Die Messbedingungen sind in der \u003ca href=\"https://typesafe.ai/blog/introducing-system-one-models-and-jev\"\u003eMitteilung von TypeSafe zur Veröffentlichung\u003c/a\u003e veröffentlicht.\u003c/p\u003e\n\u003ch3\u003e\n\u003ca href=\"#beispielrechnung-mit-dem-%C3%B6ffentlichen-preis\" class=\"anchor\" id=\"beispielrechnung-mit-dem-öffentlichen-preis\"\u003e\u003c/a\u003eBeispielrechnung mit dem öffentlichen Preis\u003c/h3\u003e\n\u003cp\u003eDer Grundpreis für die Nutzung von 1 Milliarde Eingabetokens beträgt 42 Dollar. Die Berechnung lautet \u003ccode\u003e1,000,000,000 ÷ 1,000,000 × 0.042\u003c/code\u003e. Dies ist ein Beispiel für die Umrechnung des öffentlichen Preises.\u003c/p\u003e\n\u003cp\u003eDer Preis pro Entscheidung hängt von der Länge der Eingabe ab. Die tatsächlichen Kosten werden auch durch erneute Versuche oder nachfolgende Modellaufrufe beeinflusst. Die aktuellen Preise finden Sie in der \u003ca href=\"https://docs.typesafe.ai/models\"\u003eTypeSafe-Dokumentation zu Models\u003c/a\u003e.\u003c/p\u003e\n\u003ch2\u003e\n\u003ca href=\"#welchen-anwendungsbereich-die-doom-demonstration-zeigt\" class=\"anchor\" id=\"welchen-anwendungsbereich-die-doom-demonstration-zeigt\"\u003e\u003c/a\u003eWelchen Anwendungsbereich die Doom-Demonstration zeigt\u003c/h2\u003e\n\u003cp\u003eDie Doom-Demonstration zeigt die Auswahl einer Aktion anhand eines strukturierten Spielzustands. Es handelt sich nicht um eine Demonstration, bei der das Bild des Spielbildschirms direkt verstanden wurde. TypeSafe erklärt, dass Zustandsdaten in Textform verwendet wurden. Diese Bedingung ist in der \u003ca href=\"https://typesafe.ai/blog/introducing-system-one-models-and-jev\"\u003eBeschreibung von Doom in der Mitteilung zur Veröffentlichung\u003c/a\u003e aufgeführt.\u003c/p\u003e\n\u003cp\u003eFür den Einsatz in Arbeitsabläufen kommen Stellen infrage, an denen wiederholt Entscheidungen getroffen werden. Die folgende Tabelle enthält auf den Funktionen basierende Designbeispiele. Die Leistung muss für jeden einzelnen Arbeitsablauf gesondert geprüft werden.\u003c/p\u003e\n\u003cdiv class=\"overflow-x-auto\"\u003e\u003ctable\u003e\n\u003cthead\u003e\n\u003ctr\u003e\n\u003cth\u003eArbeitsbedingung\u003c/th\u003e\n\u003cth\u003eMögliche Rolle\u003c/th\u003e\n\u003cth\u003eZusätzlich erforderliche Verarbeitung\u003c/th\u003e\n\u003c/tr\u003e\n\u003c/thead\u003e\n\u003ctbody\u003e\n\u003ctr\u003e\n\u003ctd data-label=\"Arbeitsbedingung\"\u003eKlassifizierung von Anfragen in festgelegte Abteilungen\u003c/td\u003e\n\u003ctd data-label=\"Mögliche Rolle\"\u003eAuswahl des zuständigen Bearbeitungswegs mit Choice\u003c/td\u003e\n\u003ctd data-label=\"Zusätzlich erforderliche Verarbeitung\"\u003ePrüfweg für mehrdeutige Anfragen\u003c/td\u003e\n\u003c/tr\u003e\n\u003ctr\u003e\n\u003ctd data-label=\"Arbeitsbedingung\"\u003eBewertung von Dokumenten anhand gemeinsamer Kriterien\u003c/td\u003e\n\u003ctd data-label=\"Mögliche Rolle\"\u003eRückgabe eines Score für jedes Kriterium\u003c/td\u003e\n\u003ctd data-label=\"Zusätzlich erforderliche Verarbeitung\"\u003eKlare Definition der Bewertungskriterien\u003c/td\u003e\n\u003c/tr\u003e\n\u003ctr\u003e\n\u003ctd data-label=\"Arbeitsbedingung\"\u003ePrüfung, ob eine bestimmte Anfrage enthalten ist\u003c/td\u003e\n\u003ctd data-label=\"Mögliche Rolle\"\u003eBewertung der Aussage mit Noul\u003c/td\u003e\n\u003ctd data-label=\"Zusätzlich erforderliche Verarbeitung\"\u003eCode zur Entscheidung über die Ausführung\u003c/td\u003e\n\u003c/tr\u003e\n\u003ctr\u003e\n\u003ctd data-label=\"Arbeitsbedingung\"\u003eVerfassen von Erläuterungen für Benutzer\u003c/td\u003e\n\u003ctd data-label=\"Mögliche Rolle\"\u003eAnbindung an ein generatives Modell\u003c/td\u003e\n\u003ctd data-label=\"Zusätzlich erforderliche Verarbeitung\"\u003eWeitergabe der ursprünglichen Belege und der genehmigten Entscheidung\u003c/td\u003e\n\u003c/tr\u003e\n\u003c/tbody\u003e\n\u003c/table\u003e\u003c/div\u003e\n\u003ch2\u003e\n\u003ca href=\"#grenzen-bei-koreanischen-arbeitsaufgaben-und-der-verarbeitung-von-zahlen\" class=\"anchor\" id=\"grenzen-bei-koreanischen-arbeitsaufgaben-und-der-verarbeitung-von-zahlen\"\u003e\u003c/a\u003eGrenzen bei koreanischen Arbeitsaufgaben und der Verarbeitung von Zahlen\u003c/h2\u003e\n\u003cp\u003eFür Arbeitsaufgaben auf Koreanisch ist eine eigene Validierung erforderlich. TypeSafe weist darauf hin, dass Englisch die hauptsächliche Trainingssprache ist. Das Unternehmen erklärt, dass die Leistung in anderen Sprachen nicht gleich ist. Die Bedingungen der Sprachunterstützung sind in der \u003ca href=\"https://docs.typesafe.ai/models\"\u003eDokumentation zu Models\u003c/a\u003e beschrieben.\u003c/p\u003e\n\u003cp\u003eDie Rückgabe von Zahlen bedeutet nicht, dass auch Berechnungen korrekt sind. Dies geht aus der am 17. September 2026 geprüften Dokumentation zu Einschränkungen hervor. Darin wird empfohlen, Berechnungen im Code auszuführen.\u003c/p\u003e\n\u003cblockquote\u003e\n\u003cp\u003eJev is not a calculator.\u003c/p\u003e\n\u003c/blockquote\u003e\n\u003cp\u003eDieser Wortlaut stammt aus \u003ca href=\"https://docs.typesafe.ai/model-jaggedness/jev-1.13\"\u003eJev 1.13 jaggedness\u003c/a\u003e.\u003c/p\u003e\n\u003cdiv class=\"overflow-x-auto\"\u003e\u003ctable\u003e\n\u003cthead\u003e\n\u003ctr\u003e\n\u003cth\u003eBekannte Einschränkung\u003c/th\u003e\n\u003cth\u003eMaßnahme bei der Entwicklung\u003c/th\u003e\n\u003c/tr\u003e\n\u003c/thead\u003e\n\u003ctbody\u003e\n\u003ctr\u003e\n\u003ctd data-label=\"Bekannte Einschränkung\"\u003eGenaue Berechnung von Mengen\u003c/td\u003e\n\u003ctd data-label=\"Maßnahme bei der Entwicklung\"\u003eAnzahl der Elemente im Code berechnen\u003c/td\u003e\n\u003c/tr\u003e\n\u003ctr\u003e\n\u003ctd data-label=\"Bekannte Einschränkung\"\u003eVergleich von Datum und Uhrzeit\u003c/td\u003e\n\u003ctd data-label=\"Maßnahme bei der Entwicklung\"\u003eExtrahierte Werte in Datumsdatentypen umwandeln und vergleichen\u003c/td\u003e\n\u003c/tr\u003e\n\u003ctr\u003e\n\u003ctd data-label=\"Bekannte Einschränkung\"\u003eLange, nicht relevante Eingaben\u003c/td\u003e\n\u003ctd data-label=\"Maßnahme bei der Entwicklung\"\u003eNur die für die Entscheidung benötigten Inhalte auswählen\u003c/td\u003e\n\u003c/tr\u003e\n\u003ctr\u003e\n\u003ctd data-label=\"Bekannte Einschränkung\"\u003eKomplexe Verneinungen und indirekte Bedingungen\u003c/td\u003e\n\u003ctd data-label=\"Maßnahme bei der Entwicklung\"\u003eIn klare, kurze Fragen aufteilen\u003c/td\u003e\n\u003c/tr\u003e\n\u003ctr\u003e\n\u003ctd data-label=\"Bekannte Einschränkung\"\u003eMehrdeutige oder widersprüchliche Bewertungskriterien\u003c/td\u003e\n\u003ctd data-label=\"Maßnahme bei der Entwicklung\"\u003eBedeutung von Fragen und Auswahloptionen aufeinander abstimmen\u003c/td\u003e\n\u003c/tr\u003e\n\u003c/tbody\u003e\n\u003c/table\u003e\u003c/div\u003e\n\u003cp\u003eNehmen Sie reale Formulierungen aus den Arbeitsabläufen in die koreanischen Validierungsdaten auf. Auch Höflichkeitsformen und ausgelassene Subjekte sollten geprüft werden. Die Antworten des Modells können mit Fällen verglichen werden, deren Verarbeitungsergebnis feststeht.\u003c/p\u003e\n\u003ch2\u003e\n\u003ca href=\"#vergleich-der-zugangswege-%C3%BCber-api-und-sdk\" class=\"anchor\" id=\"vergleich-der-zugangswege-über-api-und-sdk\"\u003e\u003c/a\u003eVergleich der Zugangswege über API und SDK\u003c/h2\u003e\n\u003cp\u003eNeben dem direkten Zugriff auf TypeSafe wurden auch Zugangswege über Gateways bestätigt. In der Mitteilung zur Veröffentlichung wurde für die anfängliche Nutzung auf eine Warteliste verwiesen. Prüfen Sie bei den jeweiligen Diensten, ob der Zugriff für Ihr Konto verfügbar ist.\u003c/p\u003e\n\u003cdiv class=\"overflow-x-auto\"\u003e\u003ctable\u003e\n\u003cthead\u003e\n\u003ctr\u003e\n\u003cth\u003eZugangsweg\u003c/th\u003e\n\u003cth\u003eBestätigte Bereitstellungsform\u003c/th\u003e\n\u003cth\u003eZu prüfende Dokumentation\u003c/th\u003e\n\u003c/tr\u003e\n\u003c/thead\u003e\n\u003ctbody\u003e\n\u003ctr\u003e\n\u003ctd data-label=\"Zugangsweg\"\u003eTypeSafe\u003c/td\u003e\n\u003ctd data-label=\"Bestätigte Bereitstellungsform\"\u003eKonsole, API, Client-SDK\u003c/td\u003e\n\u003ctd data-label=\"Zu prüfende Dokumentation\"\u003eQuick start\u003c/td\u003e\n\u003c/tr\u003e\n\u003ctr\u003e\n\u003ctd data-label=\"Zugangsweg\"\u003eVercel AI Gateway\u003c/td\u003e\n\u003ctd data-label=\"Bestätigte Bereitstellungsform\"\u003eAnbindung von Jev-Bewertungsanfragen\u003c/td\u003e\n\u003ctd data-label=\"Zu prüfende Dokumentation\"\u003eEvaluation\u003c/td\u003e\n\u003c/tr\u003e\n\u003ctr\u003e\n\u003ctd data-label=\"Zugangsweg\"\u003eOpenRouter\u003c/td\u003e\n\u003ctd data-label=\"Bestätigte Bereitstellungsform\"\u003eRegistrierung des Modells Jev 1.13\u003c/td\u003e\n\u003ctd data-label=\"Zu prüfende Dokumentation\"\u003eModellseite zu Jev 1.13\u003c/td\u003e\n\u003c/tr\u003e\n\u003c/tbody\u003e\n\u003c/table\u003e\u003c/div\u003e\n\u003cp\u003eDer \u003ca href=\"https://docs.typesafe.ai/introduction/quickstart\"\u003eQuick start\u003c/a\u003e von TypeSafe beschreibt das Verfahren für direkte Aufrufe. Die grundlegende Reihenfolge für diesen Zugangsweg lautet wie folgt.\u003c/p\u003e\n\u003col\u003e\n\u003cli\u003ePrüfen Sie in der Konsole die Zugriffsberechtigung Ihres Kontos.\u003c/li\u003e\n\u003cli\u003eTesten Sie im Playground den zu beurteilenden Inhalt und die Fragen.\u003c/li\u003e\n\u003cli\u003eErstellen Sie im Dashboard einen API-Schlüssel.\u003c/li\u003e\n\u003cli\u003eSenden Sie die Anfrage über das SDK oder die HTTP-API.\u003c/li\u003e\n\u003cli\u003eVerknüpfen Sie die Rückgabewerte und Wahrscheinlichkeiten mit den Verarbeitungsregeln im Code.\u003c/li\u003e\n\u003c/ol\u003e\n\u003cp\u003eDie \u003ca href=\"https://vercel.com/docs/ai-gateway/modalities/evaluation\"\u003eEvaluation-Dokumentation\u003c/a\u003e von Vercel enthält ein Beispiel für die Anbindung. Fragen mit Ja oder Nein werden über diesen Zugangsweg als Boolean dargestellt. Das Modell ist auch auf der \u003ca href=\"https://openrouter.ai/typesafe/jev-1.13/\"\u003eSeite zu Jev 1.13 von OpenRouter\u003c/a\u003e zu finden. Richten Sie sich bei Anfrageformaten und Limits nach der Dokumentation des jeweiligen Zugangswegs.\u003c/p\u003e\n\u003ch2\u003e\n\u003ca href=\"#designkriterien-f%C3%BCr-die-protokollierung-von-entscheidungen\" class=\"anchor\" id=\"designkriterien-für-die-protokollierung-von-entscheidungen\"\u003e\u003c/a\u003eDesignkriterien für die Protokollierung von Entscheidungen\u003c/h2\u003e\n\u003cp\u003eProtokollieren Sie zusammen mit den Ergebnissen der Automatisierung auch die Eingabegrundlagen, um sie überprüfen zu können. Wenn nur der Auswahlwert gespeichert wird, lässt sich die Ursache einer Fehlentscheidung nur schwer ermitteln. Die folgenden Punkte sind Designvorschläge auf Grundlage der offiziellen Schnittstelle.\u003c/p\u003e\n\u003cdiv class=\"overflow-x-auto\"\u003e\u003ctable\u003e\n\u003cthead\u003e\n\u003ctr\u003e\n\u003cth\u003eProtokollierter Punkt\u003c/th\u003e\n\u003cth\u003eErkennbares Problem\u003c/th\u003e\n\u003c/tr\u003e\n\u003c/thead\u003e\n\u003ctbody\u003e\n\u003ctr\u003e\n\u003ctd data-label=\"Protokollierter Punkt\"\u003eFür die Entscheidung verwendeter Originaltext und Zeitpunkt\u003c/td\u003e\n\u003ctd data-label=\"Erkennbares Problem\"\u003eVeraltete oder fehlende Informationen\u003c/td\u003e\n\u003c/tr\u003e\n\u003ctr\u003e\n\u003ctd data-label=\"Protokollierter Punkt\"\u003eVersion der Fragen und Auswahloptionen\u003c/td\u003e\n\u003ctd data-label=\"Erkennbares Problem\"\u003eErgebnisunterschiede durch geänderte Kriterien\u003c/td\u003e\n\u003c/tr\u003e\n\u003ctr\u003e\n\u003ctd data-label=\"Protokollierter Punkt\"\u003eTatsächliche ID des antwortenden Modells\u003c/td\u003e\n\u003ctd data-label=\"Erkennbares Problem\"\u003eAuswirkungen eines Modellwechsels\u003c/td\u003e\n\u003c/tr\u003e\n\u003ctr\u003e\n\u003ctd data-label=\"Protokollierter Punkt\"\u003eAntwort und Wahrscheinlichkeitsverteilung\u003c/td\u003e\n\u003ctd data-label=\"Erkennbares Problem\"\u003eGrund für die Verarbeitung mehrdeutiger Fälle\u003c/td\u003e\n\u003c/tr\u003e\n\u003ctr\u003e\n\u003ctd data-label=\"Protokollierter Punkt\"\u003eVom Code ausgeführte Aktion\u003c/td\u003e\n\u003ctd data-label=\"Erkennbares Problem\"\u003eAbweichung zwischen Entscheidung und Ausführung\u003c/td\u003e\n\u003c/tr\u003e\n\u003ctr\u003e\n\u003ctd data-label=\"Protokollierter Punkt\"\u003eVon Menschen geprüftes Ergebnis\u003c/td\u003e\n\u003ctd data-label=\"Erkennbares Problem\"\u003eTatsächliche Fehler und Korrekturen\u003c/td\u003e\n\u003c/tr\u003e\n\u003c/tbody\u003e\n\u003c/table\u003e\u003c/div\u003e\n\u003cp\u003eEin Alias für einen Modellnamen kann so geändert werden, dass er auf eine neue Version verweist. Eine validierte Version kann über die Modell-ID fest vorgegeben werden. Dieses Betriebsverfahren ist in der \u003ca href=\"https://docs.typesafe.ai/models\"\u003eTypeSafe-Dokumentation zu Models\u003c/a\u003e beschrieben.\u003c/p\u003e\n\u003cp\u003eLegen Sie die Kriterien für die Weiterleitung zur Prüfung anhand realer Fälle fest. Bewerten Sie sowohl die Kosten einer Fehlklassifizierung als auch den Aufwand der menschlichen Prüfung. Es gibt keinen allgemein gültigen Schwellenwert für die Konfidenz. Hinweise zum Validierungsverfahren finden Sie in der \u003ca href=\"https://docs.typesafe.ai/confidence\"\u003eDokumentation zu Confidence\u003c/a\u003e.\u003c/p\u003e\n","tags":["Generative KI","KI-Agent","KI Entwicklung","Entscheidungsfindung","Entwicklungstools"],"faqs":[{"question":"Welche Art von KI ist Jev?","answer":"Es ist ein von TypeSafe AI entwickeltes Modell für Softwareentscheidungen. Es gibt vordefinierte Antworten und Wahrscheinlichkeiten zurück."},{"question":"Was bedeutet System One Model?","answer":"So bezeichnet TypeSafe ein Modell für schnelle Entscheidungen in einem festgelegten Bereich. Der Name leitet sich vom Konzept des schnellen, intuitiven Denkens ab."},{"question":"Ersetzt Jev alle dialogorientierten LLMs?","answer":"Jev erzeugt keine frei formulierten Erklärungstexte. Wenn Dialoge und das Verfassen von Texten erforderlich sind, ist eine Konfiguration möglich, bei der zusätzlich ein generatives Modell verwendet wird."},{"question":"Was ist der Unterschied zur JSON-Ausgabe eines LLM?","answer":"Auch LLMs können strukturierte Ausgaben unterstützen. Jev ist ein Modell, das dafür entwickelt wurde, Entscheidungen innerhalb einer festgelegten Auswahl von Antworten zu treffen. Selbst bei demselben Antwortformat kann sich das Bewertungsverhalten unterscheiden."},{"question":"Wie unterscheiden sich Choice und Score?","answer":"Wenn aus ungeordneten Antwortoptionen eine ausgewählt wird, ist es Choice. Wenn ein geordnetes Kriterium wie von niedrig bis hoch bewertet wird, ist es Score."},{"question":"Bedeutet ein niedriger Noul-Wert, dass die Konfidenz gering ist?","answer":"Noul gibt die Wahrscheinlichkeit für Ja an. Liegt der Wert nahe bei 0, fällt die Entscheidung eher in Richtung Nein aus. Ein separates Konfidenzfeld gibt es nicht."},{"question":"Bedeutet eine Konfidenz von 92%, dass die Genauigkeit 92% beträgt?","answer":"So kann das nicht interpretiert werden. Die Konfidenz ist ein Wert, der die Wahrscheinlichkeitsverteilung der Antworten zusammenfasst. Die tatsächliche Genauigkeit muss anhand von Fällen gemessen werden, bei denen die richtige Antwort bekannt ist."},{"question":"Wie hoch sind die Nutzungskosten für Jev?","answer":"Der am 15. September 2026 angekündigte Preis beträgt 0.042 Dollar pro 1 Million Eingabetoken. Damals wurden Ausgabetoken als kostenlos angegeben. Die aktuellen Preise finden Sie in der Dokumentation zu TypeSafe Models."},{"question":"Erfolgt die Antwort immer innerhalb von 0.1 Sekunden?","answer":"Eine für alle Anfragen geltende Garantie wurde nicht bestätigt. Der in der Einführungsankündigung des Unternehmens genannte Bereich beträgt 70-500 Millisekunden. Messen Sie die tatsächliche Latenz mit Ihren Eingaben und in Ihrer Verbindungsumgebung."},{"question":"Wurde bei der Doom-Demonstration der Spielbildschirm direkt analysiert?","answer":"TypeSafe erklärt, dass ein in Textform dargestellter Spielzustand verwendet wurde. Es war keine Demonstration, bei der das Bild selbst als Eingabe diente."},{"question":"Kann ich auch Koreanisch eingeben?","answer":"Auch nicht englische Eingaben wie Koreanisch können verarbeitet werden. Die offizielle Dokumentation weist jedoch darauf hin, dass die Genauigkeit bei Englisch am höchsten ist. Validieren Sie es separat für Anwendungsfälle auf Koreanisch."},{"question":"Kann es für Zahlenberechnungen und Datumsvergleiche verwendet werden?","answer":"In der Dokumentation zu den Einschränkungen von Jev 1.13 wird erklärt, dass es Schwächen bei exakten Berechnungen gibt. Auch der Vergleich der zeitlichen Reihenfolge von Datumsangaben ist eine bekannte Einschränkung. Es wird empfohlen, Berechnungen und Vergleiche per Code durchzuführen."},{"question":"Kann es auch über Vercel und OpenRouter genutzt werden?","answer":"Vercel erläutert in der Evaluierungsfunktion des AI Gateway, wie die Verbindung hergestellt wird. Auch bei OpenRouter gibt es eine Modellseite für Jev 1.13. Prüfen Sie die Nutzungsbedingungen und das Anfrageformat für jeden Zugangsweg."},{"question":"Kann sich das Modell im laufenden Betrieb ändern?","answer":"Ein Alias, der auf die neueste Version verweist, kann auf ein neues Modell umgestellt werden. Es gibt die Möglichkeit, die geprüfte Modell-ID festzuschreiben. Protokollieren Sie auch die in der Antwort enthaltene tatsächliche Modell-ID."}],"sources":[{"url":"https://typesafe.ai/blog/introducing-system-one-models-and-jev","title":"TypeSafe AI, Introducing System One Models \u0026 Jev, 15. September 2026","type":"source"},{"url":"https://docs.typesafe.ai/concepts/system-one","title":"TypeSafe AI-Dokumentation, System One","type":"source"},{"url":"https://docs.typesafe.ai/introduction","title":"TypeSafe AI-Dokumentation, Introduction","type":"source"},{"url":"https://docs.typesafe.ai/primitives/score","title":"TypeSafe AI-Dokumentation, Score","type":"source"},{"url":"https://docs.typesafe.ai/primitives/noul","title":"TypeSafe AI-Dokumentation, Noul","type":"source"},{"url":"https://docs.typesafe.ai/confidence","title":"TypeSafe AI-Dokumentation, Confidence","type":"source"},{"url":"https://docs.typesafe.ai/models","title":"TypeSafe AI-Dokumentation, Models","type":"data_point"},{"url":"https://docs.typesafe.ai/model-jaggedness/jev-1.13","title":"TypeSafe AI-Dokumentation, Jev 1.13 jaggedness, geprüft am 17. September 2026","type":"source"},{"url":"https://docs.typesafe.ai/introduction/quickstart","title":"TypeSafe AI-Dokumentation, Quick start","type":"source"},{"url":"https://vercel.com/i/what-is-jev","title":"Vercel, What is Jev, TypeSafe AI's System One model?, 18. September 2026","type":"source"},{"url":"https://vercel.com/docs/ai-gateway/modalities/evaluation","title":"Vercel AI Gateway-Dokumentation, Evaluation","type":"source"},{"url":"https://openrouter.ai/typesafe/jev-1.13/","title":"OpenRouter, TypeSafe: Jev 1.13","type":"source"}],"images":[{"id":1451,"url":"https://injoys.com/rails/active_storage/blobs/proxy/eyJfcmFpbHMiOnsiZGF0YSI6MjEwNTYsInB1ciI6ImJsb2JfaWQifX0=--e6b978aedcb8b8e82ef1491cad6918fb7c29680e/ai-92117be8.webp","is_representative":true,"generation_method":"ai_photo","license":"ai_generated","mime_type":"image/webp","width":1536,"height":1024,"translations":{"ko":{"alt":"식당 카운터에서 태블릿의 차트와 데이터를 살펴보는 여성","caption":"한 여성이 태블릿과 인쇄된 자료를 비교하며 데이터를 검토하고 있다.","description":null},"en":{"alt":"Woman reviewing charts and data on a tablet at a restaurant counter","caption":"A woman compares information on a tablet with a printed report.","description":null},"ja":{"alt":"飲食店のカウンターでタブレットのグラフとデータを確認する女性","caption":"女性がタブレットの情報と印刷資料を見比べている。","description":null},"es":{"alt":"Mujer revisando gráficos y datos en una tableta en el mostrador de un restaurante","caption":"Una mujer compara la información de una tableta con un informe impreso.","description":null},"id":{"alt":"Perempuan meninjau grafik dan data di tablet pada meja restoran","caption":"Seorang perempuan membandingkan informasi di tablet dengan laporan cetak.","description":null},"pt":{"alt":"Mulher analisando gráficos e dados em um tablet no balcão de um restaurante","caption":"Uma mulher compara informações no tablet com um relatório impresso.","description":null},"zh-hant":{"alt":"女子在餐廳櫃檯查看平板上的圖表與資料","caption":"一名女子正比對平板上的資訊與紙本報表。","description":null},"de":{"alt":"Frau prüft Diagramme und Daten auf einem Tablet an einem Restauranttresen","caption":"Eine Frau vergleicht Informationen auf einem Tablet mit einem gedruckten Bericht.","description":null}}},{"id":1452,"url":"https://injoys.com/rails/active_storage/blobs/proxy/eyJfcmFpbHMiOnsiZGF0YSI6MjEwNjMsInB1ciI6ImJsb2JfaWQifX0=--595ff001fb75deadb34c8a35159d13264fa08279/ai-2475489e.webp","is_representative":false,"generation_method":"ai_semi","license":"ai_generated","mime_type":"image/webp","width":1536,"height":1024,"translations":{"ko":{"alt":"카페에서 태블릿의 차트와 문서를 살펴보는 여성, 옆에 시스템 흐름 아이콘이 표시됨","caption":"태블릿의 데이터를 검토하는 장면 위로 시스템 구성과 사용자 흐름을 나타내는 아이콘이 겹쳐 보인다.","description":null},"en":{"alt":"Woman reviewing charts on a tablet in a café with overlaid system workflow icons","caption":"System components and a user flow are visualized beside a woman analyzing data on a tablet.","description":null},"ja":{"alt":"カフェでタブレットのグラフを確認する女性と、重ねて表示されたシステムフローのアイコン","caption":"タブレットでデータを分析する女性の横に、システム構成とユーザーフローが示されている。","description":null},"es":{"alt":"Mujer revisando gráficos en una tableta en una cafetería con iconos de flujo del sistema","caption":"Los iconos junto a la mujer representan componentes del sistema y un flujo dirigido al usuario.","description":null},"id":{"alt":"Perempuan meninjau grafik di tablet dalam kafe dengan ikon alur sistem di sampingnya","caption":"Ikon di samping perempuan tersebut menggambarkan komponen sistem dan alur menuju pengguna.","description":null},"pt":{"alt":"Mulher analisando gráficos em um tablet em um café com ícones de fluxo do sistema","caption":"Os ícones ao lado da mulher representam componentes do sistema e um fluxo direcionado ao usuário.","description":null},"zh-hant":{"alt":"女子在咖啡廳查看平板上的圖表，旁邊疊加系統流程圖示","caption":"女子分析平板資料時，畫面以圖示呈現系統元件與使用者流程。","description":null},"de":{"alt":"Frau prüft Diagramme auf einem Tablet in einem Café, daneben Symbole für einen Systemablauf","caption":"Die Symbole neben der Frau veranschaulichen Systemkomponenten und einen Ablauf zum Nutzer.","description":null}}}],"published_at":"2026-09-22T04:13:16+09:00","updated_at":"2026-09-22T04:13:16+09:00","license":"cc_by","translation_status":"reviewed","available_locales":["ko","en","ja","es"],"data_locales":["ko","en","ja","es","id","pt","zh-hant","de"],"url":"https://injoys.com/en/articles/jev-system-one-model-llm-comparison"}