LONDON (IT BOLTWISE) – Ein Entwickler kündigt mit Jev einen neuen Transformer-Ansatz an, der bewusst ohne Textausgabe arbeitet. Statt Tokens zu generieren, liefert das Modell Wahrscheinlichkeiten und damit „calibrated decisions“ für klar definierte Aktionen. Das Ziel: KI-gestützte Automatisierung schneller und günstiger machen, ohne dass sich Systeme dabei auf unkontrollierbare Halluzinationen stützen müssen.
Hinter der aktuellen Aufregung um Jev steckt eine für viele Teams ziemlich praktische Unzufriedenheit: Künstliche Intelligenz kann zwar hervorragend Texte formulieren, aber diese Stärke skaliert nicht automatisch in Prozesse, in denen Software Entscheidungen treffen und ausführen muss. Diogo Almeida, der als OpenAI-Forscher an ChatGPT und an RLHF (Reinforcement Learning from Human Feedback) beteiligt war, beschreibt genau dieses Spannungsfeld. „We have lightning in a bottle, and yet it is not useful“, sagte Almeida in einem Bericht. „I’ve been battling that problem since then.“ Die Kernidee: Die Optimierung auf menschliche Sprache ist nicht identisch mit Optimierung auf maschinelle Nutzbarkeit, weil Computer intern „eine andere Sprache“ sprechen als die, die man in Trainingstexten sieht.
Almeida verließ vor rund zwei Jahren OpenAI und gründete TypeSafe AI, um dieses Problem aus einem anderen Winkel anzugehen. Jev ist laut Ankündigung ein transformer-basiertes Modell, aber ausdrücklich kein Large Language Model: Es generiert nicht Text, sondern produziert Wahrscheinlichkeiten, die die Firma als „calibrated decisions“ bezeichnet. Genau daraus leitet sich der technische und wirtschaftliche Effekt ab: Wenn Nutzer die Ausgaben im Voraus festlegen, bleibt die Ausgabeform kontrolliert. Im Gegensatz zu textgenerierenden Systemen entfällt damit ein großer Teil dessen, was in der Praxis als Halluzination wahrgenommen wird, weil das Modell nicht „irgendetwas Textuelles“ erfinden soll, sondern eine Wahrscheinlichkeit für zuvor definierte Entscheidungen liefert.
Für Entwickler, die Automatisierung bauen, ist vor allem das Kostenprofil relevant. Die Firma beschreibt Jev als „incredibly cheap and fast“, wobei ein wesentlicher Punkt die Token-Bepreisung sein soll: Ausgabe-Tokens seien frei, Eingabe-Tokens würden im Vergleich zu textbasierten Systemen offenbar deutlich weniger teuer abgerechnet, und zwar „by the billion, not the million“. Damit verschiebt sich das Engineering-Problem von „wie teuer ist ein Prompt“ hin zu „wie oft muss eine Entscheidung in Echtzeit neu bewertet werden“. Außerdem bleibt Jev durch die definierte Output-Semantik robuster in Pipeline-Setups: Während ein LLM häufig erst in einer zweiten Phase durch Validatoren oder Parser wieder „zurechtgebogen“ werden muss, kann Jev direkt als probabilistischer Entscheider in bestehende Logik eingespeist werden.
In der Praxis rücken damit Use Cases in den Vordergrund, bei denen Klassifikation, Regelentscheidung und Sicherheitsprüfung eng gekoppelt sind. Ein Beispiel kommt von Pranit Sharma, Software Engineer bei Vercel, das agentische Infrastruktur bereitstellt. Dort habe man zunächst OpenAIs ChatGPT „Luna 5.6“ genutzt, um einen Klassifikator zur Überprüfung von Befehlen auf Sicherheit zu betreiben. Als Vercel auf Jev umstellte, meldete das Unternehmen laut Quelle Ergebnisse „5 to 18 times more quickly“ und zugleich mit „greater accuracy“. Ein anderes Ergebnis liefert der Test von Bryo AI: CTO Nikhil Mudholkar habe Jev gegen Gemini bei der Klassifikation von Business-E-Mails verglichen. Dabei sei Gemini zwar leicht genauer gewesen, Jev jedoch deutlich günstiger („10 to 20 times more expensive“ war Gemini in Relation), und besonders interessant seien die Confidence Scores von Jev: Mudholkar hob hervor, dass nur dieses Modell „a real probability“ zurückgibt, was es für Workflows zur Automatisierung besonders geeignet mache.
Technisch interessant wird Jev damit nicht nur als Ersatz für LLMs in ausgewählten Aufgaben, sondern auch als „Kontrollschicht“ darüber. Almeida argumentiert, dass Systeme mit Agenten-Unter-Agenten schnell teuer werden können, wenn man sie ausschließlich mit großen Sprachmodellen überwachen will. Jev könne stattdessen als günstiger Probabilitätsprüfer laufen, um etwa LLM-Agent-„traces“ zu beobachten und Jailbreaks zu verhindern. Auch Armin Ronacher, CTO von Earendil und Hersteller des Open-Source-Modell-Harness Pi, liefert dafür eine konkrete Denkrichtung. In seinen Worten: Nutzer müssten die Wahrscheinlichkeit interpretieren („if this only comes back with 50% probability, maybe this is a coin toss, and I disregard it“), während bei hohen Werten („95%“) automatische Aktionen wieder vertretbar seien. Damit wird „Unsicherheit“ zu einem Steuerparameter der Automatisierung statt zu einem Risiko, das erst nachträglich abgefedert werden muss.
Ein weiterer Hebel, den Ronacher anspricht, ist Model Routing: Die Frage, welches Modell für eine konkrete Anfrage nötig ist, entscheidet oft über Latenz und Kosten. Wenn man diese Sortierung mit einem LLM vornimmt, zahlt man fürs „Entscheiden“ selbst wieder teuer ein. Jev soll durch seine niedrigen Kosten und die Geschwindigkeit genau solche Entscheidungen in Echtzeit ermöglichen. Der große strategische Kontext dahinter ist auch historisch: Das Modell ist nach William Stanley Jevons benannt, dessen Jevons-Paradox beschreibt, wie sinkende Kosten dazu führen, dass ein Gut stärker nachgefragt wird. Übertragen auf KI soll sinkende „Intelligenz-Kosten“ bedeuten, dass KI-Funktionalitäten künftig überall in Software auftauchen, nicht nur in wenigen Mega-Apps, sondern eher „emergent and distributed“ – in der Sprache des Internets von heute eher als Infrastruktur denn als Einzelanwendung.
Damit Jev diese Rolle spielen kann, setzt TypeSafe laut Quelle auf einen speziellen Trainingsansatz: Die Firma trainiere ausschließlich auf synthetischen Daten und nutzt ein Verfahren, das Almeida „reinforcement learning from calibrated decisions“ nennt. Außerdem bleibt die Architektur öffentlich nur begrenzt greifbar; Beobachter vermuten, dass das Modell auf einem Open-Weight-LLM aufsetzt, während TypeSafe das Modell als „System One“ beschreibt – also intuitionsorientiert statt reasoning-lastig und gezielt für die „richtige Aufgabe“ trainiert. Für Unternehmen heißt das vor allem: In Automatisierungsarchitekturen lohnt sich künftig die Aufteilung nach Aufgabenprofil. Dort, wo Wahrscheinlichkeiten direkt in Entscheidungslogik übersetzt werden müssen, könnte ein Modell wie Jev den bisherigen Standard aus LLMs und nachgelagerten Prüfungen teilweise ersetzen oder ergänzen. Ronacher erwartet zudem, dass Konkurrenz folgen wird, sobald der Nutzen sichtbar ist – und TypeSafe kündigt bereits weitere Varianten in neuen Modalitäten an.
Für Teams, die bereits heute Agenten und Workflow-Orchestrierung betreiben, ist die praktische Frage damit klar: Muss jede einzelne Entscheidung überhaupt Text erzeugen, oder reicht eine kalibrierte Wahrscheinlichkeit für die nächsten Schritte? Jev ist in dieser Hinsicht weniger ein „neues Sprachmodell“, sondern ein Versuch, KI-Entscheidungen als günstigen, deterministischen Baustein in Software zu verankern. Wenn sich die Token-Ökonomie und die Messbarkeit der Confidence Scores so in produktiven Systemen bestätigen lassen, könnten sich die Kostenstrukturen für sicherheitskritische Klassifikationen, Guardrails und Echtzeit-Routing spürbar verändern – und damit auch die Bereitschaft, KI häufiger als bisher direkt in bestehende Automatisierungslogik einzubetten.
💳 Amazon-Kreditkarte mit 2.000 Euro Limit bestellen!
🔥 Heutige Hot Deals bei Amazon: Bis zu 80% Rabatte!
🎉 Amazon Haul-Store für absolute Schnäppchenjäger!
- ★ 23-stufiges KI-Go-Training – Für Spieler mit Grundkenntnissen der Regeln – Entwickelt als intelligenter Trainingspartner passt sich die KI Spielern von 18K bis 9D an. Ideal für alle, die die Grundregeln bereits beherrschen und ihr Spiel verbessern möchten.
- IHR EMOTIONALER AI-BEGLEITER: Eiliko ist mehr als nur ein Anhänger, es ist ein charismatischer KI-Freund. Mit einem dynamischen LED-Bildschirm, der eine Vielzahl von animierten Gesichtern und Ausdrucksformen anzeigt, reagiert er auf Ihre Interaktionen mit einzigartiger Persönlichkeit und Charme.
- 【MEHR LEBEN FÜR DEINEN SCHREIBTISCH】 Lerne Eilik kennen – deinen kleinen Roboter-Freund mit Persönlichkeit. Mit liebevollen Animationen, ausdrucksstarken Reaktionen und spielerischen Interaktionen bringt Eilik mehr Freude in deinen Alltag. Ob auf dem Schreibtisch, im Büro oder am Nachttisch – Eilik wird schnell zu einem vertrauten Begleiter für besondere Momente.
- 【XL-Größe für gedeihende Pflanzen】Geben Sie Ihren Pflanzen den Raum, den sie verdienen! Unser verbessertes, großes 13,7 cm großes Design bietet Platz für Pflanzen mit einem Durchmesser von bis zu 8,9 cm und damit deutlich mehr Platz für Wurzelwachstum und Pflanzengesundheit im Vergleich zu kleineren, veralteten Modellen. Die Produktabmessungen betragen 13,6 x 13,6 x 13,2 cm und das Gerät wiegt nur 355 g.
- V28 Update - JETZT MIT NEUEN FUNKTIONEN! Als Reaktion auf das Ladeproblem von Loona haben wir das automatische Aufladen 2.0 verbessert. Diese Optimierung hilft Loona, die Ladewege in verschiedenen Szenarien zu erkennen und anzupassen, um die Erfolgsquote beim automatischen Aufladen zu erhöhen. Mobile Hotspots können sich mit Loona verbinden und überwinden WLAN-Einschränkungen, sodass Sie jederzeit und überall mit Loona interagieren können.
- Die besten Bücher rund um KI & Robotik!
- Die besten KI-News kostenlos per eMail erhalten!
- Zur Startseite von IT BOLTWISE® für aktuelle KI-News!
- IT BOLTWISE® kostenlos auf Patreon unterstützen!
- Aktuelle KI-Jobs auf StepStone finden und bewerben!
- Künstliche Intelligenz: Dem Menschen überlegen – wie KI uns rettet und bedroht | Der Neurowissenschaftler, Psychiater und SPIEGEL-Bestsellerautor von »Digitale Demenz«
Du hast einen wertvollen Beitrag oder Kommentar zum Artikel "Jev: Neuer Transformer ohne Text soll KI-Entscheidungen für Automatisierung günstiger machen" für unsere Leser?
#Sophos
#AmazonPrime
#Bestseller
Es werden alle Kommentare moderiert!
Für eine offene Diskussion behalten wir uns vor, jeden Kommentar zu löschen, der nicht direkt auf das Thema abzielt oder nur den Zweck hat, Leser oder Autoren herabzuwürdigen.
Wir möchten, dass respektvoll miteinander kommuniziert wird, so als ob die Diskussion mit real anwesenden Personen geführt wird. Dies machen wir für den Großteil unserer Leser, der sachlich und konstruktiv über ein Thema sprechen möchte.
Du willst nichts verpassen?
Du möchtest über ähnliche News und Beiträge wie "Jev: Neuer Transformer ohne Text soll KI-Entscheidungen für Automatisierung günstiger machen" informiert werden? Neben der E-Mail-Benachrichtigung habt ihr auch die Möglichkeit, den Feed dieses Beitrags zu abonnieren. Wer natürlich alles lesen möchte, der sollte den RSS-Hauptfeed oder IT BOLTWISE® bei Google News wie auch bei Bing News abonnieren.
Nutze die Google-Suchmaschine für eine weitere Themenrecherche: »Jev: Neuer Transformer ohne Text soll KI-Entscheidungen für Automatisierung günstiger machen« bei Google Deutschland suchen, bei Bing oder Google News!