Jev: ein Modell, das keine Strings schreibt
TypeSafe AI verkauft strukturierte Entscheidungen statt Text. Typfehler sind ausgeschlossen, Halluzinationen nicht. Was an den Zahlen dran ist.
Heute schreiben die meisten Modelle, die in Software stecken, Text, den die Software danach wieder auseinandernehmen muss. Man gibt ein JSON-Schema mit, hofft, dass sich das Modell daran hält, parst, validiert, und baut einen Zweig für den Fall, dass doch Unsinn zurückkommt.
TypeSafe AI hat am 15.09.2026 ein Modell vorgestellt, das diesen Schritt streicht. Jev erzeugt überhaupt keine Zeichenketten mehr. Eingabe ist unstrukturierter Zustand, Ausgabe sind typisierte Werte mit Wahrscheinlichkeiten. Hinter der Firma steht Diogo Almeida, vorher bei OpenAI an den Methoden beteiligt, aus denen ChatGPT wurde. Zwei Jahre Stealth, jetzt Early Access mit Warteliste.
Was daran anders ist
Die Kategorie nennt Almeida "System One Models" und stellt sie bewusst neben die üblichen LLMs:
| Übliche LLMs | Jev | |
|---|---|---|
| Ausgabe | Zeichenketten, müssen geparst und validiert werden | typisierte Werte, Struktur vorab festgelegt |
| Sampling | sequenziell, Token für Token | parallel, alle Ausgaben in einer Abfrage |
| Konfidenz | auf Nachfrage, meist überkonfident | kalibrierte Wahrscheinlichkeit zu jeder Antwort |
| Trainiert mit | RLHF und RLVR | RLCD, Reinforcement Learning for Calibrated Decisions |
| Antwortzeit | laut Anbieter 3 bis 329 Sekunden | 70 bis 500 Millisekunden |
| Input-Preis | 0,20 bis 10 Dollar je Million Token | 0,042 Dollar je Million Token |
| Output-Preis | etwa fünffacher Input-Preis | kostenlos |
Gedacht ist das für einen Bereich, den TypeSafe "smart if-statements" nennt: klassifizieren, routen, bewerten, extrahieren, verzweigen. Überall dort, wo handgeschriebene Logik zu spröde wird, ein ganzer Agent aber überdimensioniert wäre. Chatbots und Coding-Agenten fallen ausdrücklich heraus. Dazu Map-Reduce über große Datenmengen und Echtzeitanwendungen, bei denen eine Sekunde Wartezeit die Oberfläche kaputtmacht.
Wer sich vorher noch nie gefragt hat, wie ein Modell überhaupt in den eigenen Code kommt, findet das bei uns unter KI per API erklärt.
"Kann nicht halluzinieren" heißt nicht, was es zu heißen scheint
Das ist der Satz, an dem sich alles entscheidet. TypeSafe formuliert ihn selbst deutlich vorsichtiger als die Schlagzeile.
Garantiert ist: Die Ausgabe passt immer zum vorgegebenen Schema. Typfehler, erfundene Enum-Werte und abgeschnittene JSON-Strukturen sind damit ausgeschlossen. Gemessen hat das niemand, es folgt aus der Bauweise. In den eigenen Anmerkungen steht genau das: Die Null in ihrem Diagramm ist keine empirische Zahl, sondern eine Folge der erzwungenen Schema-Konformität.
Nicht garantiert ist, dass die Antwort stimmt. Ein Modell, das aus einer Liste zulässiger Werte immer einen zulässigen Wert wählt, kann trotzdem konsequent den falschen wählen, und die Pipeline dahinter merkt davon nichts, weil formal ja alles passt. Die Zusage "kann nicht halluzinieren" betrifft also die Form der Antwort. Über ihren Wahrheitsgehalt sagt sie nichts.
Das entwertet den Ansatz nicht. In einer Pipeline lässt sich ein sicher geformter Falschwert mit ehrlicher Wahrscheinlichkeit daneben deutlich leichter behandeln als ein Text, der manchmal parst und manchmal nicht. Man sollte nur wissen, welches der beiden Probleme man gerade loswird.
Was sich prüfen lässt und was nicht
TypeSafe macht es Skeptikern ungewöhnlich leicht. Das ist der sympathischste Teil der Ankündigung. Unter jedem Ergebnis steht ein Abschnitt "Nuance", in dem sie die Schwächen des eigenen Belegs selbst benennen, von der Auswahl der Vergleichsmodelle bis zu der Frage, wer die Testfälle gebaut hat.
Nachprüfbar: Geschwindigkeit und Preis, beide offengelegt. Die Typsicherheit wäre mit einem einzigen Gegenbeispiel widerlegt. Die Workflow-Evals stehen mit Beispielen, Abfragen und Abweichungen öffentlich im Netz, ebenso der Adapter, mit dem sie die Vergleichs-LLMs auf dasselbe Ausgabeformat zwingen.
Mit Vorbehalt: Als Referenzantwort dient der Mittelwert von GPT-6 Astra und Fable 5.1. Es gibt also keine unabhängige Wahrheit, sondern eine Angleichung an zwei teure Modelle. Zugunsten von OpenAI und Anthropic verzerrt das die Ergebnisse, wie TypeSafe selbst schreibt. Gebaut hat die Workflows außerdem das eigene Team, wenn auch nicht aus den Trainingsdaten.
Nicht prüfbar: Ob der Preis quersubventioniert ist. Das schreiben sie ebenfalls selbst hin, mit dem Zusatz, dass sie eher mit sinkenden als mit steigenden Preisen rechnen. Bei einem Anbieter, der zwei Jahre im Stealth war und heute in den Early Access geht, ist das eine Wette auf die Zukunft und keine Zusage, an der man in einem Jahr eine Kalkulation aufhängen sollte.
Aus diesen Workflow-Evals stammen auch die 193,6-fache Geschwindigkeit und die 444,6-fache Kostenersparnis, mit denen die Startseite wirbt. Selbst TypeSafe nennt sie das obere Ende dessen, was praktisch herauskommt. Im Fließtext der Ankündigung stehen mit 40- bis 200-fach die ehrlicheren Zahlen.
Lohnt sich das Hinschauen
Für Teams mit vielen kleinen, gleichförmigen Modellaufrufen im Code: ja. Genau dort ist ein großes Chatmodell am schlechtesten begründet. Und genau dort kosten Latenz und Parse-Fehler am meisten Nerven.
Drei Dinge sprechen im Moment gegen einen Produktionsversuch. Es gibt keine offenen Gewichte, der Anbieter ist neu und klein, und das Modell hängt an einem einzigen Dienst an der US-Westküste. Wer aus DSGVO-Gründen bisher zu selbst gehosteten Modellen gegriffen hat, findet hier keine Alternative, sondern eine weitere Abhängigkeit. Unser Überblick dazu steht unter Offene Gewichte und Souveränität.
Spannender als das Produkt ist ohnehin die These dahinter: Ein erheblicher Anteil dessen, wofür heute Sprachmodelle verheizt werden, braucht gar keine Sprache. Sollte das stimmen, bleibt es nicht bei einem Anbieter.