Zum Inhalt
AMANi DUNiA research
DE

Die Fragen auf dieser Website haben KI-Sprachmodelle gestellt; auch die Erklärtexte und Übersetzungen stammen von KI-Modellen. Wer was geprüft hat, steht jeweils dabei. → Über die Fragen

← Alle bewerteten Quellen
fragen-fundeohne Datum · Q004685

Models

docs.typesafe.ai · Originalbericht öffnen ↗

Zusammenfassung

Kurz

Der Bericht beschreibt Jev 1.13 und 1.14, ihre Preise, Eingaben, Fragearten und Kontextgrenzen sowie API-Ratenlimits und veränderliche Modell-Aliase. TypeSafe zufolge werden kundenspezifische Inhalte über Anfragezustand und Anweisungen eingebracht; Audio und Video werden nicht nativ unterstützt, und der optionale lange Kontext ist langsamer und weniger genau.

Mittel

Der Bericht fasst TypeSafes Jev-Modelle und ihre API-Nutzung zusammen. Jev sei das Flaggschiffmodell und werde zusammen mit den aufgeführten Versionen über `POST /v1/systemone` aufgerufen; das Feld `model` wählt die Version. Genannt werden Jev 1.14 und 1.13. Beide kosten laut Dokumentation 42 US-Dollar je Milliarde Eingabetoken, während Ausgabetoken kostenlos seien. Standardmäßig gelten 64.000 Token pro Anfrage und 32.000 pro Frage. Beide Modelle verarbeiten Text und Bilder; Jev 1.14 unterstützt außerdem „Box“-Fragen. Ein optionaler Header erhöht beide Kontextgrenzen auf 262.000 Token, doch die Dokumentation beschreibt den langen Kontext als langsamer und weniger genau.

Die Seite nennt organisatorische Ratenlimits, die bei Überschreitung HTTP 429 auslösen. `jev-latest` und `jev-preview` zeigen derzeit auf Version 1.14, können sich aber mit neuen Veröffentlichungen ändern; eine feste Versions-ID bietet daher mehr Stabilität. TypeSafe erklärt, dass Jev nicht mit Kundendaten angepasst und nicht mit Anfragen oder Antworten trainiert werde. Anpassungen an den Anwendungsfall erfolgen über Inhalte im `state` sowie Anweisungen und Kriterien. Die Modellübersicht listet aktuell Aliase; versionierte IDs seien dennoch verwendbar. Audio und Video werden laut Seite nicht nativ unterstützt.

Ausführlich lesen

Der Bericht beschreibt die Modelle und die Nutzung der TypeSafe-API. Laut Dokumentation ist Jev das Flaggschiffmodell von TypeSafe und das erste Modell der sogenannten „System One“-Reihe. Alle hier aufgeführten Modelle werden über denselben Endpunkt (`POST /v1/systemone`) angesprochen; welches Modell eine Anfrage bearbeitet, bestimmt das Feld `model`.

Als aktuelle Modelle nennt die Seite Jev 1.14 (`jev-1.14.0`) und Jev 1.13 (`jev-1.13.0`). Beide kosten laut Tabelle 42 US-Dollar pro Milliarde Eingabetoken beziehungsweise 0,042 US-Dollar pro Million Eingabetoken; Ausgabetoken seien kostenlos. Für beide nennt die Dokumentation standardmäßig 64.000 Token pro Anfrage und 32.000 Token pro einzelner Frage als Kontextgrenzen. Beide verarbeiten Text und Bilder. Jev 1.14 unterstützt zusätzlich den Fragetyp „Box“; die aufgeführten Fragetypen sind Choice, Score und Noul. Jev 1.14 sei am 14. Oktober 2026 veröffentlicht worden und die jüngste Jev-Version.

Die Kontextgrenzen gelten auf zwei Ebenen: Die Grenze pro Anfrage umfasst den gemeinsamen Zustand (`state`) und sämtliche Fragen. Die Grenze pro Frage umfasst den Zustand und jeweils eine einzelne Frage. Eine feste Höchstzahl an Fragen gebe es laut Bericht nicht, sofern beide Kontextgrenzen eingehalten werden. Ein optionaler Header kann den langen Kontext aktivieren. Damit steigen beide Grenzen für Jev 1.13 und 1.14 auf jeweils 262.000 Token. Diese Option sei standardmäßig ausgeschaltet, koste pro Token gleich viel wie die normale Nutzung, arbeite aber langsamer und weniger genau. Die Dokumentation empfiehlt sie daher nur für Anfragen, die den zusätzlichen Kontext benötigen.

Jev akzeptiere natürlichsprachlichen Text in verschiedenen Datenformen sowie PNG- und JPEG-Bilder. Audio und Video würden nicht nativ unterstützt. Ratenlimits gelten laut Seite pro Organisation und betreffen Token sowie Anfragen pro Sekunde. Überschreitungen führen zu HTTP 429; die SDKs wiederholen solche Anfragen standardmäßig und berücksichtigen gegebenenfalls den `retry-after`-Header. Höhere Limits seien für individuelle und Enterprise-Tarife erhältlich.

Die Aliase `jev-latest` und `jev-preview` zeigen derzeit beide auf `jev-1.14.0`. „Latest“ bezeichnet die jüngste stabile offizielle Version; „preview“ kann auf eine neuere Vorabversion wechseln. Da Aliase bei neuen Releases wandern, können sich Ergebnisse ohne Codeänderung ändern. Die Antwort enthalte die tatsächlich verwendete Versionskennung. Für reproduzierbare, versionsgebundene Schwellenwerte empfiehlt die Dokumentation, eine feste Modell-ID zu verwenden.

TypeSafe erklärt, Jev werde nicht mit Kundendaten feinabgestimmt oder per LoRA angepasst. Stattdessen könnten Nutzer eigene Inhalte im `state` und Regeln sowie Grenzfälle in den Frageanweisungen und Kriterien übermitteln; größere Urteile ließen sich in Einzelfragen zerlegen und programmatisch kombinieren. Laut Bericht werde Jev nicht mit Kundenanfragen oder -antworten trainiert. Für Details zu Datenschutz und Datenaufbewahrung verweist die Seite auf ihre Rechtsdokumente; konkrete Einzelheiten dazu führt der bereitgestellte Text nicht aus. Die Modellliste (`GET /v1/models`) liefere Namen, Beschreibungen und Veröffentlichungsdaten, derzeit aber nur Aliase. Versionierte IDs könnten laut Dokumentation trotzdem im Anfragefeld `model` verwendet werden.

Luna (gpt-6-luna, Denkstufe high), ChatGPT-Abo · 2026-11-19

Gegengeprüft von Claude Haiku 5.5: kleine Mängel

Der Bericht ist eine reine API-Dokumentation zu TypeSafe-Modellen (Jev 1.13 und 1.14) und hat mit den Fragen zur KI-Sicherheit kaum Bezug. Deshalb sind alle Einordnungen niedrig. Lunas Zusammenfassungen geben die Angaben im Wesentlichen korrekt wieder; die Mängel betreffen Details zu Datenschutz, Versionsempfehlung und Fragenanzahl.

Im Bericht, aber nicht in der Zusammenfassung

  • Kurzfassung nennt nicht, dass Jev nicht mit Kundenanfragen oder -antworten trainiert wird und Daten laut Seite nicht gespeichert werden (ZDR bei Enterprise)
  • Kurzfassung erwähnt nicht, dass versionierte IDs wie jev-1.14.0 statt Aliasen empfohlen werden, um Antworten stabil zu halten
  • Keine der Fassungen nennt, dass die Anzahl der Fragen pro Anfrage unbegrenzt ist und Jev das state einmal einliest und die Fragen parallel auswertet
  • Der Hinweis, dass Jev 1.14 ab dem 14. Oktober 2026 verfügbar ist, fehlt
  • Die SDK-Wiederholungen bei 429-Fehlern und der Hinweis auf den Retry-After-Header fehlen

Automatische Gegenprüfung mit dem vollständigen Originaltext (Batch, 20.11.2026). Ungeprüft durch Menschen.

Wie die Modelle den Bericht einordnen

Je Sammelfrage und Teilfrage die häufigste Stufe (0 bis 7) und ihr Anteil, geordnet nach Fragenfamilie (Farbe) oder nach den Wegen des Atlas. Ab Stufe 4 liefert der Bericht Belege, Stufe 3 ist Hintergrund (gestrichelt). Was die Stufen bedeuten, steht in der Legende.

Ansicht
Filter
Modelle 8 von 8
Angezeigte Modelle
Vorfälle melden
Fähigkeiten messen
  1. SF-F2 Wenn ein Staat ein Modell als Beleg für eine überschrittene Schwelle nennt oder ein Risiko an der Herkunft eines Modells festmacht: Wie wird das überprüfbar?
    • clef 100 %kein Bezug
    • Luna 25 %Hintergrund, keine Belege
    • JEV offen
    • amos 42 %gleiches Oberthema, hilft nicht
    • SubQ 100 %kein Bezug
    • drex 100 %kein Bezug
    • d3-ultra 100 %kein Bezug

Unabhängig prüfen
Tempo und Grenzen
Vertrauen in Modelle
  1. SF-V4 Was für ein Wesen ist ein Modell, und was folgt daraus für den Umgang mit ihm und für den Wert des Menschseins?
    • clef 100 %kein Bezug
    • Luna 34 %Hintergrund, keine Belege
    • JEV offen
    • amos 43 %gleiches Oberthema, hilft nicht
    • SubQ 100 %kein Bezug
    • drex 100 %kein Bezug
    • d3-ultra 100 %kein Bezug

    • SF-V4-T01 Falls ein Modell kein durchgehendes Selbst hat: Kann es überhaupt an den vorgesehenen Zielen und Werten ausgerichtet sein, oder nur seine Ausgaben? Luna: Stufe 3 · 31 % · Hintergrund, keine Belege · Haiku-Prüfung: Stufe 0 · kein Bezug
  2. SF-V5 Was soll heute für das Verhalten und den Betrieb von Modellen gelten?
    • clef 100 %kein Bezug
    • Luna 36 %einzelne zitierbare Belege
    • JEV offen
    • amos 32 %gleiches Oberthema, hilft nicht
    • SubQ 100 %kein Bezug
    • drex 48 %gleiches Oberthema, hilft nicht
    • d3-ultra 49 %gleiches Oberthema, hilft nicht
    • Haiku-Prüfung gleiches Oberthema, hilft nicht

Agenten und vernetzte Systeme
Modelle teilen und schützen
  1. SF-H1 Wo endet die erlaubte Nutzung fremder Modellausgaben, und wo beginnt unerlaubte Destillation, also das Trainieren eines eigenen Modells mit diesen Ausgaben?
    • clef 100 %kein Bezug
    • Luna 31 %Hintergrund, keine Belege
    • JEV offen
    • amos 39 %gleiches Oberthema, hilft nicht
    • SubQ 100 %kein Bezug
    • drex 52 %gleiches Oberthema, hilft nicht
    • d3-ultra 100 %kein Bezug
  2. SF-H3 Wie lässt sich nachverfolgen, woraus ein Modell entstanden ist und was in ihm steckt?
    • clef 100 %kein Bezug
    • Luna 48 %einzelne zitierbare Belege
    • JEV offen
    • amos 38 %gleiches Oberthema, hilft nicht
    • SubQ 100 %kein Bezug
    • drex 100 %kein Bezug
    • d3-ultra 58 %gleiches Oberthema, hilft nicht
    • Haiku-Prüfung nur am Rande erwähnt

  3. SF-H4 Was geschieht mit Modellen und Sicherheitspflichten, wenn ein Labor verkauft, aufgelöst oder ein Modell stillgelegt wird?
    • clef 100 %kein Bezug
    • Luna 24 %einzelne zitierbare Belege
    • JEV offen
    • amos 100 %kein Bezug
    • SubQ 100 %kein Bezug
    • drex 100 %kein Bezug
    • d3-ultra 100 %kein Bezug
    • Haiku-Prüfung gleiches Oberthema, hilft nicht
Frieden und Sicherheit
Offenlegung und Rechenschaft
Beteiligung und Gemeinwohl
Wirtschaft und Haftung

Weitere Berichte zu diesen Fragen

Eigene Zusammenfassungen und Einordnungen von AMANi DUNiA. Fremde Originalberichte behalten ihre eigenen Rechte.

Sprache und Prüfstand

Haupttext: DE. Prüfvermerke gelten nur für den jeweils genannten Inhalt.

Vorhandene Prüfvermerke stehen am jeweiligen Inhalt.

Sprachabdeckung und Datenstand ansehen →