Jev Workflows 2026: 9 Entscheidungen ohne Chat

Robin, AI-Engineering-Consultant bei Pexon Consulting | 9 Min. Lesezeit | 18.09.2026

TL;DR: Jev Workflows in fünf Sätzen

Jev Workflows sind typisierte Entscheidungen statt Chat: Auswahl, Score oder Ja/Nein in 70 bis 500 Millisekunden. Die Eingabe kostet 0,042 Dollar je Million Token, die Ausgabe ist kostenlos. Pexon Consulting, 80 Mitarbeiter in Deutschland, lässt das große Modell nur noch schreiben und gibt die schnellen Verzweigungen an Jev.

1. Browser-Agent, nächster Klick
2. Compaction, toter Tool-Call raus
3. Safety-Reviewer vor dem Shell-Befehl
4. Modell-Routing als Middleware
5. RAG, Chunks nach dem Retrieval löschen
6. Echtzeit-Schleife, zehnmal pro Sekunde
7. E-Mail-Triage im Batch
8. Map-Reduce über Dokumente
9. Dieselbe Schnittstelle, lokal im Browser

Die neun Muster sind das, was in den ersten drei Tagen nach dem Early Access vom 15. September 2026 öffentlich mit Quelle und Zahl gelaufen ist. Wir haben sie nicht selbst in Produktion gefahren.

Das Problem: Frontier-Preise für ein if

Ein Agent, der zweihundert Verzweigungen am Lauf trifft, bezahlt heute jede einzelne mit einem Modell, das Sätze schreibt. Ticket in die Queue, Befehl ausführen oder stoppen, Chunk behalten oder wegwerfen. Das ist kein Text. Das ist ein if.

Trotzdem hängt dieser Verkehr bei den meisten Stacks, die wir sehen, am selben Modell wie die eigentliche Antwort. Jeder Aufruf erzeugt Token für Token ein JSON, das die Anwendung danach parst, validiert und im Fehlerfall neu anfordert. Die Rechnung wächst mit der Schleife, nicht mit der Schwierigkeit der Frage.

TypeSafe AI hat dafür am 15. September 2026 Jev veröffentlicht, Modellklasse System One, benannt nach dem Ökonomen William Stanley Jevons und nicht nach Kahneman. Hinter der Firma steht Diogo Almeida, früher bei OpenAI und Mitautor der InstructGPT-Arbeit. In seinem Launch-Post spricht er von zwei Jahren Stealth und einem Trainingsverfahren namens RLCD. Die Seed-Runde von 40 Millionen Dollar hat heise am selben Tag festgehalten.

Unsere Empfehlung, bevor die Liste kommt: Jev ersetzt kein Frontier-Modell. Es sitzt davor. Schreiben, Planen, Code bleiben beim großen Modell. Die schnelle Verzweigung nicht.

So gibt Jev die Entscheidung zurück

Sie übergeben einen Zustand und typisierte Fragen. Zurück kommt ein Wert plus Wahrscheinlichkeit, kein Satz, den Sie parsen müssen. Aktuelles Modell am 18.09.2026: jev-1.13.0. Die Aliase jev-latest und jev-preview zeigen darauf. Wer eine Schwelle kalibriert, pinnt die Versions-ID, nicht den Alias.

Drei Typen, mehr gibt die Fläche nicht. Choice wählt aus bis zu 255 Optionen und liefert choice, probabilities und confidence. Score legt etwas auf 2 bis 10 Stufen, der Zahlenwert darf zwischen den Stufen liegen. Noul ist ein Ja oder Nein als Zahl von 0 bis 1. Bei Noul gibt es kein extra Confidence-Feld. Die Wahrscheinlichkeit selbst ist das Signal.

Fragen zum selben Zustand laufen parallel. Die Latenz bleibt dadurch nahezu gleich, die Token-Rechnung nicht: jede zusätzliche Frage kostet ihre Eingabe. Kontext etwa 64.000 Token je Request, Zustand plus längste Frage etwa 32.000. Bilder, Audio und Video kann Jev nicht lesen. Direktaufruf: POST https://api.typesafe.ai/v1/systemone. Über das Vercel AI Gateway heißt dasselbe Modell typesafe-ai/jev, der Ja/Nein-Typ dort boolean und das Feld probability. Stand 18.09.2026 liegt Jev 1.13 auch auf OpenRouter, 0,042 Dollar Eingabe, Ausgabe 0.

from typesafe_sdk import Choice, Noul, Score, TypeSafeClient

client = TypeSafeClient()  # liest TYPESAFE_API_KEY, Default-Modell jev-latest

response = client.system_one(
    state="Hi, I've been trying to connect my Stripe account for 3 days and it keeps failing. I'm losing sales. Please help ASAP.",
    questions={
        "department": Choice(
            instructions="Which team should handle this",
            criteria={
                "billing": "Payment or subscription issues",
                "technical": "Bugs or integration problems",
                "sales": "Pricing or account questions",
            },
        ),
        "frustration": Score(
            instructions="How frustrated the customer appears",
            criteria=[
                "Calm, just stating facts",
                "Frustrated but civil",
                "Very angry, strong language",
            ],
        ),
        "is_urgent": Noul(
            instructions="The message conveys urgency or time-sensitivity",
        ),
    },
)

print(response.answers["department"].choice)
print(response.answers["frustration"].score)
print(response.answers["is_urgent"].noul)

Das ist der Quickstart aus der TypeSafe-Doku, unverändert. Installiert wird er mit pip install typesafe-sdk, Python 3.10 oder neuer.

1. Browser-Agent: der nächste Klick in 7 Sekunden

Gregor Zunic, Gründer von Browser Use, hat einen kleinen Open-Source-Agenten gebaut, der einen Flug in 7 Sekunden für 0,0039 Dollar findet. Das Video läuft in Echtzeit, schreibt er selbst. Jev wählt den nächsten Klick aus dem DOM, ein kleines Sprachmodell tippt nur, wenn etwas getippt werden muss.

Genau dieses Muster gewinnt in der Liste immer wieder: der Aktionsraum kommt aus Code, Jev wählt, Generierung ist der Fallback. Das Repo browser-use/jev-ultrafast stand am 18.09.2026 bei 5.292 GitHub-Sternen. Klonen, bevor Sie denselben Loop noch einmal schreiben.

2. Compaction: tote Tool-Calls in einer Sekunde löschen

Tamara Tran hat die Zusammenfassungs-Prompt, die jeder Coding-Agent an der Kontext-Grenze fährt, durch einen Jev-Pass ersetzt. Jeder Tool-Call bekommt einen Relevanz-Score, der Rest fliegt raus. Alex Volkov hat das als Claude-Plugin laufen lassen: eine Sekunde, von knapp 1 Million Token auf 86.000.

Das ist der Baustein, den wir diese Woche selbst anfassen würden. Browser-Demos sehen besser aus. Compaction spürt jeder, der Claude Code oder einen Coding-Agenten im Alltag offen hat. Die Installationszeile von Volkov zeigt auf tamaratran/fast-jev-compaction, am 18.09.2026 bei 3.054 Sternen. Almeida hat in der Antwort den Punkt benannt, der darüber hinausgeht: wenn ein Harness in einer Sekunde bewerten und streichen kann, hört das Kontextfenster auf, die Architektur zu diktieren.

3. Safety-Reviewer, aus dem geschlossenen Harness gelöst

Jeder Coding-Harness fragt vor dem Auto-Modus: darf dieser Befehl laufen? Bis zu dieser Woche saß dieser Klassifikator im geschlossenen Teil des Produkts. Guillermo Rauch schreibt, der Default in fx sei auto, der Reviewer laufe heute auf GPT-5.6 Luna, und Jev sei beim p95 bis zu 18-mal schneller und genauer. Das ist eine Produktionsmigration mit einer Latenzzahl, kein Demo-Video.

LangChain hat am Tag darauf die offene Variante als AutoModeMiddleware nachgezogen. Der Import, aus ihrem Post:

from langchain.agents import create_agent
from langchain_typesafe.experimental.middleware import AutoModeMiddleware

guardrail = AutoModeMiddleware(tools=["bash"])
agent = create_agent("openai:gpt-5.6-luna", middleware=[guardrail])

Wir würden den Reviewer nicht als Ersatz für eine Policy verstehen. Er ist der schnelle erste Filter. Ein rm -rf, das bei Confidence 0,33 als irreversibel zurückkommt, geht an einen Menschen, nicht an die Shell.

4. Modell-Routing als Middleware, nicht als System-Prompt

Routing ist die am häufigsten genannte Aufgabe für das Modell in diesen drei Tagen. Ein Entwickler mit frühem Zugang hat rund 5.000 Requests für etwa 2 Dollar gezählt, Routing war einer von fünf Workloads darin. LangChain hat daraus elf Zeilen gemacht: ModelRouterMiddleware mit Kriterien je Modell, die Wahrscheinlichkeiten bleiben im Agent-State, damit die Wahl auditierbar ist.

Installiert wird das mit pip install langchain-typesafe und TYPESAFE_API_KEY. Die Anweisung in ihrem Beispiel ist die richtige Default-Politik: das billigste Modell, das die Aufgabe noch schafft. Architektur und alles, was teuer falsch liegen kann, geht an das starke Modell. Lookups und lokale Änderungen nicht.

Wer das ohne LangChain an eine bestehende Gateway-Schicht hängen will, findet das Muster in unserer LiteLLM-Anleitung fürs Enterprise-Setup. Die Schwelle gehört ins Gateway, nicht in einen Prompt, den niemand mehr reviewt.

5. RAG: Retrieval lassen, danach löschen

Ja, aber nur als Filter nach dem Retriever, nicht als neuer Retriever. Kush Bhuwalka hat es in einem Satz gesagt: Jev über jeden zurückgegebenen Chunk, eine Ja/Nein-Frage, die Irrelevanten weg.

Precision war die ungelöste Hälfte, weil der Fix bisher ein LLM-Call je Chunk war. Bei freier Ausgabe und Latenz unter einer Sekunde ist ein Verdikt je Chunk billiger als der Embedding-Lookup, der den Chunk erzeugt hat. Den Filter unten haben wir gegen die dokumentierte API in genau dieser Form geschrieben. Das ist ein Entwurf mit sauberem Skelett, kein Lauf, den jemand in Produktion gemessen hat.

from typesafe_sdk import Noul, TypeSafeClient

client = TypeSafeClient()

kept = []
for chunk in retrieved_chunks:
    verdict = client.system_one(
        state={"question": user_question, "chunk": chunk.text},
        questions={
            "relevant": Noul(
                instructions="The chunk contains information needed to answer the question",
            ),
        },
    )
    if verdict.answers["relevant"].noul > 0.5:
        kept.append(chunk)

Ob sich der Extra-Loop gegen einen zweiten Retrieval-Pass lohnt, hängt am Korpus. Dazu der Vergleich Agentic RAG gegen Standard-RAG. Unter 0,5 behalten wir den Chunk nicht stillschweigend. Er geht in die Prüfspur oder raus.

6. Echtzeit: Doom, Minecraft, Tastenanschlag

Hier kann ein Frontier-Modell gar nicht mitspielen. Die Schleife läuft öfter, als ein Sprachmodell einen Satz anfangen kann. TypeSafes Launch-Demo ist Doom, etwa zehn Entscheidungen pro Sekunde. Zwei unabhängige Rechnungen dazu landen bei etwa 7 Dollar die Stunde.

Wuyang Zhou lässt Jev und GPT-6 Astra gemeinsam Minecraft spielen. Jev reagiert, Astra plant, mehrere Zombies gleichzeitig. Nader Dabit hat ein Keystroke-Orakel gebaut: bei jedem Tastenanschlag, rund 100 Millisekunden, liegt das richtige Dokument oben, mit voller Confidence.

Das Muster ist immer dasselbe. Schnelles Modell reagiert, langsames Modell plant. Wer die 200-fach-Zahl sucht, findet sie hier eher als in einem Research-Loop, in dem beide Seiten am Ende drei von drei richtig hatten und der End-to-End-Faktor bei etwa 7 lag.

7. E-Mail-Triage im Batch

Der Quickstart oben ist schon eine Triage-Pipeline: Team, Frust-Score, Dringlichkeit, ein Call. Der Vogel-Kanal hat 1.500 exportierte Mails in Batches von 100 mit acht Workern durchgezogen und am Ende noch 5 Dollar Guthaben auf dem Konto gezeigt. Syntax hat dasselbe plus eine Hausautomation gebaut, Frage zu API-Call in 300 Millisekunden.

Das ist die meistkopierte Demo, und die Durchsatz-Rechnung ist der Punkt, nicht die Oberfläche. Zwanzig Fragen zum selben Mail-Objekt gehören in einen Request. Danach entscheidet Ihr Code, welche Antwort er benutzt.

8. Map-Reduce: 777 Urteile für einen Viertelcent

Mike Taylor, Head of Evals bei Every, hat den saubersten veröffentlichten Test gefahren: 27 eigene Artikel plus 10 Gegenstücke im KI-Stil, 21 Fragen je Text, ein Request. 777 Urteile in unter 0,7 Sekunden, etwa ein Viertel Cent. Über elf Experimente: 1.709 Urteile für unter einem Cent.

TypeSafe führt „AI Map Reduce over Big Data“ als eigene Kategorie. Freie Ausgabe-Token ändern die Rechnung für alles, was Sie zeilenweise laufen lassen. Zwanzig Fragen im questions-Objekt kosten an Latenz ungefähr das, was eine Frage kostet. Fragen Sie je Zeile alles, was Sie wissen wollen, in einem Call. Das JSON dazu ist klein:

{
  "model": "jev-latest",
  "state": "Hi, I've been trying to connect my Stripe account for 3 days and it keeps failing.",
  "questions": {
    "is_urgent": {
      "type": "noul",
      "instructions": "The message conveys urgency or time-sensitivity"
    }
  }
}

Zurück kommt {"is_urgent": {"type": "noul", "noul": 0.999}}. Klassische Klassifikatoren waren bei genau diesem Workload schon immer billig. Der Unterschied ist Zero-Shot ohne Trainingsset, plus eine Wahrscheinlichkeit, an der Sie eine Schwelle aufhängen können.

9. Dieselbe Schnittstelle, lokal im Browser

Kshetrajna Raghavan bei Shopify hat Reflex gebaut: ein Qwen-Modell, strukturierte Entscheidungen mit Wahrscheinlichkeiten, WebGPU, komplett im Browser. Tobi Lütke hat den Link weitergereicht. Innerhalb von 72 Stunden kamen ein reverse-engineered jevlike und mini-jev dazu, dieselbe Fläche auf einem lokalen LLM. Die Sammlung awesome-jev-by-typesafe stand am 18.09.2026 bei 510 Sternen.

Drei unabhängige Klone in drei Tagen sind das stärkste Signal, das wir in diesem Fenster sehen. Die Erfindung ist die Schnittstelle, nicht ein Gewicht, das Sie herunterladen können. Das echte Jev ist API-only und in den USA gehostet. Reflex ist die Ausfahrt für alles, was die Leitung nicht verlassen darf. Probieren Sie die Form dort. Produktivdaten schicken Sie nicht an api.typesafe.ai, bevor Datenschutz und Auftragsverarbeitung geklärt sind.

Vier Regeln, sonst trägt keine Zahl

Die Doku und Almeidas eigene Antworten lassen sich auf vier Punkte eindampfen. Wer die überspringt, misst danach ein kaputtes Rubrik und nennt es Modellfehler.

1. Viele Fragen je Call. Sie laufen parallel, Extra-Fragen ändern die Antwortzeit kaum. Jeder überzeugende Lauf oben fragt mehrere Dinge über einen Zustand.
2. Schwelle auf Confidence. Die Doku nutzt 0,5 als Beispiel für „nicht automatisch handeln“ und 0,9, bevor eine zerstörende Aktion durchläuft. Das sind Beispiele, keine Defaults. Noul hat nur die Wahrscheinlichkeit, keine separate Confidence.
3. Kandidaten geben, nicht erfinden lassen. Browser Use baut den Aktionsraum aus dem DOM. RAG retrieved, Jev filtert. Choice trägt bis zu 255 Optionen. Eine Option „other“ für den Rand.
4. Die Benotung ist die Arbeit. Ein Builder, der die Woche damit verbracht hat, das Modell zu brechen, hat es klar gesagt: wenn die Stufen und die Frage falsch formuliert sind, funktioniert der Rest nicht. Der Call selbst ist trivial.

Messen Sie die Schwelle an eigenen gelabelten Fällen, nicht an der Hersteller-Tabelle. Wie so eine Messung in den Stack gehört, steht im AI-Engineering-Stack.

Wo die 200-fach-Zahl nicht trägt

Die kurze Antwort: die Oberkante ist echt, Ihr Median wird es nicht sein. TypeSafe schreibt selbst, dass 193,6x und 444,6x am oberen Ende der eigenen Evals liegen, gemessen von Laptops an der US-Westküste, und dass der Preis subventioniert sein kann. Er soll eher sinken als steigen. Das ist eine ehrliche Fußnote. Sie steht nur nicht in der Headline.

„Kann nicht halluzinieren“ stimmt für den Typ und ist sonst irreführend. Ein ungültiger Wert ist strukturell ausgeschlossen. Ein falscher, aber gültiger Wert nicht. Im Hacker-News-Thread zum Launch hat Diogo die Einordnung als Klassifikator nicht bestritten und nur ergänzt, er würde Zero-Shot sagen, nicht instruction-tuned. Mike Taylor hat Jev sechs von sieben eingebauten Fehlern finden sehen, Fable alle sieben. Sein Urteil: brauchbar als Frühwarnung, weil die Alternative oft ist, gar nicht zu prüfen. Ein kleinerer Side-by-Side gegen GPT-6 Astra kam auf etwa 7x Ende zu Ende, Median 213 Millisekunden gegen 2.436, beide Seiten drei von drei richtig. Nützlich. Weit weg von 200x.

Wir raten davon ab, die Rechnungsprüfung oder einen Sicherheitsvorfall komplett auf Jev zu legen, nur weil der Call 0,0004 Dollar kostet. Der Abstand zur Referenz lag in den Hersteller-Workflows je nach Aufgabe mehrere Punkte auseinander, im Schnitt bei 67,8 Prozent. Und ein feinjustierter Klassifikator in DistilBERT-Größe taucht in dieser Tabelle nicht auf. Gegen den ist der Kostenvorteil unbelegt.

Für regulierte Vorgänge fehlt außerdem der Ausweg ins eigene Rechenzentrum. Keine Gewichte, kein regionaler Endpoint. Zero Data Retention über ein Gateway ist je nach Fall zu wenig. Dann bleibt der eigene Klassifikator die ruhigere Wahl, oder ein lokaler Klon der Schnittstelle für alles, was das Haus nicht verlassen darf.

Häufig gestellte Fragen

Was kosten Jev Workflows im Alltag?

0,042 US-Dollar je Million Eingabe-Token, Ausgabe ist kostenlos. Das aktuelle Modell jev-1.13.0 steht so auch auf OpenRouter, Stand 18.09.2026. Ein Entwickler kam mit etwa 5.000 Requests auf rund 2 Dollar. Zehn Entscheidungen pro Sekunde, wie in der Doom-Demo, rechnen Dritte auf etwa 7 Dollar die Stunde. Der Preis kann subventioniert sein.

Ersetzt Jev mein Frontier-Modell?

Nein. Jev schreibt keinen Text, keinen Code, keine Zusammenfassung. Es liefert eine Auswahl, einen Score oder eine Wahrscheinlichkeit. Das große Modell bleibt fürs Planen und Formulieren. Jev übernimmt die Verzweigung davor, mit einer Schwelle, unter der ein Mensch oder das große Modell übernimmt.

Jev oder ein selbst trainierter Klassifikator?

Kommt auf die Breite der Aufgabe an. Für eine feste Label-Menge mit eigenen Trainingsdaten kann ein kleines Modell billiger und genauer sein, kostet Sie aber Daten und Betrieb. Jev ist Zero-Shot: neue Frage, kein Feintuning, dafür eine US-API. Sobald die Frage stabil ist und die Daten das Haus nicht verlassen dürfen, rechnen wir den eigenen Klassifikator dagegen.

Darf ich Kundendaten an die Jev-API schicken?

Nicht, bevor Auftragsverarbeitung und Standort geklärt sind. Der Dienst ist in den USA gehostet, es gibt keine Gewichte zum Selbsthosten. Für einen internen Prototyp mit synthetischen Tickets reicht der Playground. Für Postfächer, Schadensmeldungen oder Personaldaten nicht. Dafür ist die lokale Nachbau-Schnittstelle der ehrlichere Test.

Choice, Score oder Noul, was nehme ich?

Noul, wenn die Frage ein Ja oder Nein ist und ein hoher Wert Ja bedeuten soll. Choice, wenn die Optionen feststehen, maximal 255. Score, wenn Sie eine Dimension auf 2 bis 10 Stufen legen wollen, nicht drei Eigenschaften in einer Stufe. Die Frage steht in instructions. Der Schlüssel im JSON sieht das Modell nicht.

Nächster Schritt

Bevor der günstige Call Kundendaten sieht, braucht die Schleife eine Schwelle, einen Audit-Trail und einen Menschen an den unsicheren Fällen. Genau da endet der Notebook-Lauf.

Verwandte Themen