Chat, Coding-Agenten und Dokumentenarbeit. Preise pro 1 Mio. Tokens – Eingabe, gecachte Eingabe und Ausgabe werden separat abgerechnet. GPTProto liegt 20% unter den offiziellen Preisen.
| Szenario | TypesafeAI Liste | OpenRouter | GPTProto | Du sparst / Monat |
|---|---|---|---|---|
| Persönlich10 Mio. Tokens / Monat | $0.34 | $0.35 | $0.27 | −$0.07≈ $0.81 / Jahr |
| Team100 Mio. Tokens / Monat | $3.36 | $3.54 | $2.69 | −$0.67≈ $8.06 / Jahr |
| Business500 Mio. Tokens / Monat | $16.80 | $17.72 | $13.44 | −$3.36≈ $40.32 / Jahr |
TypesafeAI · $0.0336/M input
Bytedance · 262K context · $0.0971/M input · $0.9714/M output
Bytedance · 262K context · $0.0971/M input · $0.9714/M output
Jev Latest ist der dynamische Alias von TypeSafe AI für das aktuelle stabile System-One-Modell. Übergeben Sie einen Zustand und eine Reihe klar abgegrenzter Fragen und erhalten Sie Antworten, die Ihre Anwendung auswerten und für weitere Aktionen nutzen kann. Verwenden Sie es, wenn Sie einen Datensatz klassifizieren, eine Route auswählen oder einschätzen möchten, ob eine Bedingung zutrifft. Überlassen Sie Tools, Berechtigungen, Berechnungen und endgültige Aktionen Ihrem eigenen Code.
Entscheidungen, die Ihr Code auslesen kann
Definieren Sie die möglichen Antworten vor dem Aufruf. Jev gibt eine typisierte Auswahl, einen Score oder eine Ja/Nein-Wahrscheinlichkeit zurück, sodass die nachgelagerte Logik ein definiertes Ergebnis auswerten kann, statt ein Label aus generiertem Fließtext zu extrahieren.
Drei Fragetypen
Verwenden Sie Choice, um aus benannten Optionen auszuwählen, Score für eine definierte Skala und Noul für eine Ja/Nein-Wahrscheinlichkeit. Choice und Score enthalten außerdem ein separates Konfidenzfeld; Noul nicht.
Mehrere Einschätzungen, ein Zustand
Stellen Sie in einer Anfrage mehrere unabhängige Fragen zum selben Zustand. Bei einem Support-Ticket können Sie die zuständige Abteilung bestimmen, die Dringlichkeit prüfen und die Frustration bewerten, ohne den Datensatz für jede Einschätzung separat zu übermitteln.
Versionsbewusste Entscheidungen
jev-latest kann auf eine neuere stabile Version wechseln. Protokollieren Sie die versionierte Modell-ID, die mit jedem Ergebnis zurückgegeben wird, und fixieren Sie eine getestete Version, wenn Ihre Entscheidungsschwellenwerte ein konsistentes Verhalten voraussetzen.
TypeSafe AI bezeichnet Jev als System-One-Modell: Seine Aufgabe ist es, klar eingegrenzte Fragen zu bereitgestellten Informationen zu bewerten, statt offene Antworten zu verfassen. Eine Anwendung kann eine Kundennachricht, einen abgerufenen Dokumentauszug oder ein strukturiertes Objekt als state senden. Unter questions gibt sie an, was beurteilt werden soll und bei Choice oder Score auch die zulässigen Optionen oder Stufen. Die Antworten werden unter den entsprechenden Frage-IDs zurückgegeben.
Am 23. September 2026 verweist TypeSafe's Alias jev-latest auf jev-1.13.0. Der Alias kann aktualisiert werden, ohne dass sich Ihre Anfrage ändert. Das ist wichtig für Entwickler, die Schwellenwerte für automatische Aktionen festlegen: Testen Sie repräsentative Fälle erneut, wenn sich die zugrunde liegende Version ändert, und protokollieren Sie die tatsächlich zurückgegebene Modell-ID. Das offizielle Anfragebudget beträgt insgesamt 64K Tokens, mit einem separaten Limit von 32K für den Status zusammen mit der längsten einzelnen Frage. Entfernen Sie irrelevanten Text, auch wenn eine Anfrage innerhalb dieser Limits bleibt.
| Spezifikation | Jev Latest |
|---|---|
| Anbieter | TypeSafe AI |
| Aktuelles stabiles Alias-Ziel | jev-1.13.0Stand: 23. September 2026; Änderungen vorbehalten |
| Eingabe | Text oder textförmiger Status, bereitgestellt als Zeichenfolge, Objekt oder Array |
| Ausgabe | Typisierte Entscheidungen und Wahrscheinlichkeitswerte; keine generierten Texte |
| Entscheidungstypen | Choice, Score, Noul |
| Choice-Optionen | Bis zu 255 vordefinierte Optionen |
| Offizielle Anfrage-Limits | 64K Tokens insgesamt; Status und längste Frage zusammen bis zu 32K Tokens |
| GPTProto-Modellzeichenfolge und Endpunkt | Siehe den Live-Tab „API Usage“; bestätigen Sie das Format von Jevs Entscheidungsanfragen vor der Veröffentlichung |
Weiterleitung von Supportanfragen: Stellen Sie eine Choice-Frage zu Abrechnung, Technik, Vertrieb oder Sonstiges, jeweils mit einer kurzen Definition. Stellen Sie eine separate Noul-Frage zur Dringlichkeit. Leiten Sie Routinefälle erst dann automatisch weiter, wenn Sie die Fehlerquote anhand Ihrer tatsächlichen Tickets gemessen haben; unsichere oder folgenreiche Fälle sollten in eine Prüfwarteschlange gelangen.
Auswahl von Agentenaktionen: Lassen Sie einen Agenten die zulässigen Aktionen auflisten und fragen Sie Jev dann, welche Option zum beobachteten Status passt. Der umgebende Agent soll prüfen, ob die Aktion zulässig ist, sie ausführen und das Ergebnis kontrollieren. Jev wählt aus Ihren Optionen; es plant nicht selbstständig eine vollständige Aufgabe und führt keine Tools eigenständig aus.
Dokument-Triage: Klassifizieren Sie einen extrahierten Textabschnitt oder bewerten Sie, wie gut er einem Kriterienkatalog entspricht. Wenn ein Dokument als Bild oder PDF eingeht, extrahieren Sie zuerst den Text. Jev verarbeitet Bilder, Audio oder Video nicht nativ.
Beide können in einem Agenten-Workflow eingesetzt werden, bieten jedoch unterschiedliche Schnittstellen. Grok 4.7 ist ein generatives Modell für Programmierung, Erklärungen, Bildverständnis und Agenten, die Tools verwenden. Jev verarbeitet klar eingegrenzte Beurteilungen textförmiger Zustände. Nutzen Sie die Tabelle als Orientierungshilfe für die Aufgabenauswahl, nicht als Behauptung, dass eines der Modelle bei ein und demselben Benchmark besser abschneidet.
| Entscheidungsfaktor | Jev Latest | Grok 4.7 |
|---|---|---|
| Geeignete Einstiegsaufgabe | Eine zulässige Aktion auswählen; bereitgestellten Status klassifizieren oder bewerten | Code oder Erklärungen verfassen; umfassendere Aufgaben durchdenken |
| Eingabe | Text oder strukturierter textförmiger Status | Text und Bilder |
| Ergebnis | Typisierte Werte für Choice, Score oder Noul; Wahrscheinlichkeiten | Generierter Text; strukturierte Ausgaben und Tool-Aufrufe werden unterstützt |
| Rolle des Agenten | Entscheidungskomponente innerhalb eines umfassenderen Workflows | Generative Arbeits- oder Schlussfolgerungskomponente |
| Geeigneter Test | Genauigkeit, Kalibrierung, Richtlinie zur Enthaltung, Latenz, Kosten pro Entscheidung | Aufgabenerfüllung, Tool-Verhalten, Ausgabequalität, Latenz, Gesamtkosten |
In einem gemischten Workflow kann ein generatives Modell eine Antwort entwerfen, nachdem Jev ein Ticket weitergeleitet hat. Die Anwendung bleibt für Richtlinienprüfungen, Prüfschwellen und alle abschließenden Aktionen verantwortlich. Bewerten Sie beide Modelle anhand derselben echten Datensätze, bevor Sie den Traffic umstellen; ihre API-Preise und Ausgabetypen sind nicht direkt vergleichbar.
Formulieren Sie für jede Beurteilung eine einzelne, eng umrissene Frage. Fragen Sie in einem Workflow für Rückerstattungen, ob der Kunde eine Rückerstattung beantragt und an welche Abteilung das Ticket weitergeleitet werden soll. Lassen Sie den Code Bestellsummen, Anspruchsfristen und Autorisierungsregeln prüfen. TypeSafe weist auf Schwächen bei Arithmetik, Zählvorgängen, Datumsvergleichen, indirekten Fragen und langen, mit irrelevanten Inhalten gefüllten Statusangaben hin.
Definieren Sie eine Option Sonstiges für Choice, wenn die zulässigen Kategorien möglicherweise nicht alle Fälle abdecken. Testen Sie häufige mehrdeutige Eingaben und adversariale Texte. Prüfen Sie die Wahrscheinlichkeitswerte des Modells anhand gekennzeichneter Beispiele, bevor Sie einen Schwellenwert festlegen: Ein hoher Konfidenzwert ist ein Signal für die Weiterleitung, aber kein Beweis dafür, dass die Entscheidung korrekt ist. Protokollieren Sie die Formulierung der Frage, die zurückgegebene Version, die Entscheidung und das spätere Ergebnis, damit Sie Regressionen erkennen, wenn sich ein Alias ändert.
Anleitungen, Vergleiche und Updates zu diesem Modell.
Alle Artikel
Vergleiche die sechs besten LLM-API-Anbieter 2026 hinsichtlich Modellzugang, Preisstruktur, Geschwindigkeit, Kompatibilität, Governance und Entwicklererfahrung.
Was ist Jev? Erfahre, wie das Entscheidungsmodell von TypeSafe AI typisierte Wahrscheinlichkeiten zurückgibt, worin es sich von LLMs unterscheidet und wie es sich für Routing- und Agenten-Workflows eignet.
Step 5 Preview erklärt: Entdecke StepFuns 600B-MoE-Modell, Preise, Benchmarks für Coding und Finanzen, den 1M-Kontext, den API-Zugang und den Veröffentlichungsstatus.
Vergleiche GPTProto, Supabase, Stripe, Clerk und Resend, um ein schlankes, API-first KI-SaaS-MVP mit geringeren anfänglichen Infrastrukturkosten aufzubauen.
