TypeSafes Jev liefert typisierte Entscheidungen, nicht Text

TypeSafe AI hat am 15. September 2026 ein Modell vorgestellt, das keinen Satz schreiben kann. Jev nimmt den unordentlichen Zustand eines laufenden Programms als Eingabe und gibt einen strukturierten, typisierten Wert zurück. Die Ankündigung des Unternehmens sagt, es erzeuge diesen ganzen Wert in einem Durchgang und nicht Token für Token. TypeSafe nennt das ein System-One-Modell, eine Klasse, die nach eigener Aussage für Automatisierung statt für Chat gebaut ist.

Der Tausch ist ausdrücklich. Jev gibt die Texterzeugung vollständig auf und verspricht dafür 70 bis 500 Millisekunden Antwortzeit sowie einen Eingabepreis von 0,042 Dollar pro Million Token, bei kostenloser Ausgabe.

Was ein System-One-Modell anders macht

Ein gewöhnliches Sprachmodell schreibt von links nach rechts und wählt ein Token nach dem anderen; eine strukturierte Antwort muss man aus diesem Strom herauslocken. TypeSafe dreht das um. Jev bekommt die Struktur vorab und füllt sie auf einmal aus.

Die Ausgaben tragen kalibrierte Wahrscheinlichkeiten. Jede Entscheidung kommt also mit einer Konfidenzzahl, die dazu gedacht ist, der tatsächlichen Trefferquote zu entsprechen. TypeSafe sagt, es habe das Modell mit einem Verfahren namens Reinforcement Learning for Calibrated Decisions trainiert und nicht mit dem RLHF-Ansatz der Chatmodelle. Ziel sind Konfidenzzahlen, die der echten Genauigkeit folgen.

Artificial Intelligence News berichtet von einem konkreten Mechanismus hinter der Größe dieser Auswahl. Bei Entscheidungen mit vielen Optionen, bis zu 255, bewertet Jev die Kandidaten in zwei unabhängigen Stufen, bevor es wählt.

Gründer ist Diogo Almeida, der bei OpenAI an der ChatGPT-Forschung arbeitete. Sowohl das Unternehmen als auch Gigazine sagen, TypeSafe sei vor diesem Start zwei Jahre im Stealth-Modus gewesen.

Die Zahlen, und woher sie kommen

Jede Zahl unten kommt von TypeSafe oder aus Berichten über TypeSafes Angaben. Eine unabhängige Messung existiert noch nicht.

Angabe	Zahl
Antwortzeit	70 bis 500 Millisekunden Ende zu Ende
Tempo gegenüber Frontier-Modellen	40- bis 200-fach laut TypeSafe; Gigazine nennt 20- bis 200-fach
Bei mehrstufigen Workflows	193,6-fach schneller und 444,6-fach günstiger
Eingabepreis	0,042 Dollar pro Million Token, gegenüber 0,20 bis 10 Dollar bei Chatmodellen
Typfehler	0%
Demo	Ein DOOM-Bot mit etwa 10 Anfragen pro Sekunde, zu 7 Dollar die Stunde

Die DOOM-Zahl ist die nützlichste, weil sie eine Rate und kein Verhältnis ist. Zehn Entscheidungen pro Sekunde für sieben Dollar die Stunde ist eine Zahl, die Sie mit Ihrer eigenen Last vergleichen können.

Die Schlagzeilen-Behauptung braucht Sorgfalt. TypeSafe sagt, Halluzination sei mathematisch unmöglich, und der beschriebene Mechanismus ist Typsicherheit: die Ausgabe muss der Struktur entsprechen, die Sie definiert haben. Das garantiert die Form einer Antwort, nicht ihre Wahrheit. Eine Entscheidung kann perfekt typisiert sein, sauber validieren und trotzdem falsch sein. Genau dafür ist die Konfidenzzahl da.

Was das für Entwickler bedeutet

Der ehrliche Weg, das zu bewerten, ist als Ersatz für einen bestimmten Aufruf und nicht für Ihr Modell. Stellen Sie sich einen Schritt in einer Pipeline vor, der ein LLM bittet, eine von festen Optionen zu wählen und JSON zurückzugeben. Das ist die Form, für die Jev gebaut ist. Klassifikation, Routing, Ranking und Werkzeugauswahl passen. Alles, was Prosa erzeugen muss, passt nicht, weil das Modell es nicht kann.

Rechnen Sie den Vergleich an Ihrem eigenen Verkehr nach, bevor Sie den Multiplikatoren glauben. Kostenlose Ausgabe-Token verändern die Rechnung am stärksten dort, wo die Antwort klein und die Eingabe groß ist, und genau so sieht ein Entscheidungsaufruf aus. Eine Zusammenfassungs-Last hätte davon keinen Nutzen.

Behandeln Sie die Hersteller-Benchmarks so, wie diese Seite Salesforces CRM-Bench-Zahlen behandelt hat: als Behauptung zum Nachprüfen und nicht als Messwert zum Planen. Die 193,6-fach-Angabe ist konkret genug, um testbar zu sein, also testen Sie sie an einer echten Entscheidung in Ihrem Stack.

Zwei praktische Grenzen, bevor Sie etwas einplanen. Der Zugang ist früh und läuft über eine Warteliste, die Dokumentation liegt auf docs.typesafe.ai, das ist also nichts, was diese Woche in Produktion geht. Und das Kalibrierungsversprechen ist der Teil, den Sie selbst prüfen sollten: protokollieren Sie die Konfidenzzahlen neben den Ergebnissen eine Woche lang und sehen Sie dann, ob 0,7 wirklich siebzig Prozent heißt.