Jev von TypeSafe: Schnelle KI-Klassifizierung statt geschwätziger LLMs

X-PostRuben Hassid21. September 2026Tool

Ruben Hassid beschreibt das Tool Jev des Anbieters TypeSafe als extrem schnelles, kostengünstiges Entscheidungsmodell. Statt wie herkömmliche LLMs lange Textantworten Wort für Wort zu generieren, liefert Jev direkte Auswahlen aus vorgegebenen Optionen inklusive Konfidenzwert. Hassid zeigt Setups in Claude Code sowie Codex und demonstriert Anwendungsfälle zur Filterung von Kontakten aus LinkedIn und Gmail.

Das Wichtigste

Jev wurde laut Hassid von einem Mitgründer von ChatGPT entwickelt und über TypeSafe (typesafe.ai) bereitgestellt.
Das System verzichtet auf Textgenerierung und antwortet ähnlich wie bei Multiple-Choice-Fragen in Millisekunden mit einer Entscheidung und einem Konfidenzwert.
Laut Autor ist Jev etwa 200-mal schneller und 400-mal günstiger als typische Chatbot-LLMs.
Die Integration erfolgt als Plugin-Skill in Claude Code oder Codex unter Verwendung von Modellen wie Opus 5-Low oder Sol-Low.
Hassid nutzt Jev unter anderem zur automatisierten Klassifizierung von Zehntausenden Kontakten aus LinkedIn- und Google-Exports in Verbindung mit GitHub, Vercel und Apify.

Warum das relevant ist

Viele Workflows in der Softwareentwicklung und Automatisierung benötigen keine generierten Absätze, sondern deterministische Ja/Nein- oder Kategorieneinstufungen. Wenn Modelle Entscheidungen ohne zeitraubende Textausgabe und Halluzinationsrisiken treffen, sinken Latenz und API-Kosten drastisch.

Einordnung

Hassid positioniert Jev als Werkzeug für strukturierte Micro-Decisions. Der gezeigte Ansatz trennt die schwere Entwicklungs- und Orchestrierungsarbeit (ausgeführt durch Claude Code, Vercel und Apify) von der massenhaften Einzelbewertung von Datenzeilen. Durch die Konzentration auf reine Multiple-Choice-Antworten werden JSON-Parsing-Fehler und Antwortlatenzen klassischer LLMs vermieden, was insbesondere bei Batch-Klassifizierungen großer Datensätze relevant ist.

Original-Post

Ruben Hassid

@rubenhassid · 21. September 2026

If you are confused about why 𝗝𝗲𝘃 is being called the "Internet" moment for the AI industry. This is 100% worth your time. In fact, you should watch it: It tells LLMs what to do next, in milliseconds & at almost zero cost. If you set it up correctly, you will have the AI t.co/YKu1cktufp t.co/NqEQyoHEO1

622 Likes24 Antworten1632 Lesezeichen112.511 Aufrufe

Auf X ansehen

Ausgewählte Antworten (5)

@PromptDeskAI @rubenhassid Every guide like this works perfectly on the author's machine. What breaks for everyone else is the context the author supplies without noticing. Their file naming, their client, their idea of a clean output. Worth asking what you paste in every single time before it works at
@perpetualcontra @rubenhassid I’d like to know how much these guys get paid to show up in my timeline for these coordinated promos.
@theargonaut04 @rubenhassid > Use Jet to classify your contacts 👈 This is the part nobody has yet to explain in detail! What does “Use Jev” mean? Explain the part where you created the classifications and how you did it? Pretty sure that is where a traditional LLM comes in and then has to do the setup. No?
@salisedesign @rubenhassid the whole process of connecting Claude to GitHub and using Jev to classify contacts is really cool, great tips!
@jatingargiitk @rubenhassid Speculative execution works when the cost of a wrong prediction is lower than the latency saved by guessing right most of the time. If Jev's branch predictor maintains high accuracy under varied workloads, that tradeoff holds.

Erwähnte Links

Zusammenfassung von KI erstellt (Gemini 3.8 Flash, 27. September 2026). Sie kann Fehler enthalten – maßgeblich ist die Originalquelle.

Inhaltlich ähnlich, ermittelt über die KI-Suche.

Video
Video:CURT25. Sep. 2026
Entwurfsmuster für Jev: Wie Entscheidungsmodelle Workflows steuern
Das Video stellt das Entscheidungsmodell Jev von TypeSafe vor, das für schnelle, kostengünstige Mikro-Entscheidungen statt für Freitext-Antworten konzipiert ist. Anhand von konkreten Beispielen werden drei Antworttypen, zehn funktionale Formen und vier Architekturmuster erläutert.
KI & AI· Anleitung
Artikel:vercel.com27. Sep. 2026
Jev bricht Adoptionsrekorde auf Vercels AI Gateway
Das spezialisierte Entscheidungsmodell Jev von TypeSafe AI verzeichnete innerhalb von 24 Stunden nach der Veröffentlichung auf dem Vercel AI Gateway die bisher schnellste Akzeptanz aller Modelle.
KI & AI· Ankündigung
X-Post:Guillermo Rauch19. Sep. 2026
Jev bricht Adoptionsrekorde im Vercel AI Gateway
Laut Guillermo Rauch und Vercel ist das probabilistische Entscheidungsmodell Jev von TypeSafe AI das bisher am schnellsten adoptierte Modell im Vercel AI Gateway. Binnen 24 Stunden nach dem Launch nutzten es rund 13 Prozent der zahlenden Teams.
303Lesezeichen123.537Aufrufe
KI & AI· News
X-Post:Riley Brown17. Sep. 2026
Agenten mit integriertem Model-Router über Jev und Vercel AI Gateway erstellen
Riley Brown und Agent Native zeigen einen Prompt, mit dem sich über Claude oder Codex ein KI-Agent mit dynamischem Modell-Routing aufsetzen lässt. Als Router dient Jev (von typesafe), angebunden über Vercels AI Gateway und das Framework eve.
498Lesezeichen40.653Aufrufe
KI & AI· Anleitung
Video
Video:CURT24. Sep. 2026
Lokalen Klassifikator nach Jev-Vorbild mit Claude Opus 5.5 erstellen
CURT zeigt, wie sich mithilfe von Claude Opus 5.5 ein lokales, auf Reiseangebote spezialisiertes Klassifikationsmodell trainieren lässt. Inspiriert von Jev ordnet das System Eigenschaften wie Stornierungsbedingungen oder Poolzugang ein und kombiniert Textklassifikation mit Bilderkennung.
KI & AI· Anleitung
X-Post:netrunner24. Sep. 2026
CLM-8B: Kontrastives Sprachmodell als schnelle Open-Source-Alternative zu Jev
Ein Team von Forschern aus Stanford und von NVIDIA um Jacky Kwok hat CLM-8B vorgestellt, ein unter Apache 2.0 lizenziertes Modell. Laut Entwicklern bietet es eine vergleichbare Leistung zu Jev bei bis zu neunfach schnellerer Inferenz.
634Lesezeichen86.185Aufrufe
KI & AI· Ankündigung