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 · Q004707

System One

docs.typesafe.ai · Originalbericht öffnen ↗

Zusammenfassung

Kurz

Der Bericht stellt System One als TypeSafe-Modelle für schnelle, strukturierte Entscheidungen mit festgelegten Antworttypen und Wahrscheinlichkeiten vor; Jev sei das erste Modell und verstehe auch Bilder. Ein Beispiel zeigt, wie mehrere solcher Einschätzungen in einem Erstattungsfall mit Programmregeln kombiniert werden können. Die Kalibrierung gilt laut Text für Vorhersagegruppen und garantiert keine einzelne richtige Antwort; unabhängige Leistungsnachweise enthält der Bericht nicht.

Mittel

Der Bericht beschreibt System One als TypeSafe-Klasse von KI-Modellen für schnelle, strukturierte Entscheidungen. Die Modelle bewerten einen bereitgestellten Zustand und geben typisierte Antworten samt Wahrscheinlichkeiten aus. Jev gilt laut Anbieter als erstes und führendes Modell der Klasse; es soll Text und Bilder verstehen. Anders als ein LLM erzeugt System One dem Bericht zufolge keine freien Antworten, keinen Code und keine Erklärungen, sondern arbeitet mit vorgegebenen Antworttypen wie Auswahl, Bewertung, Ja-Nein-Wahrscheinlichkeit oder Bildkoordinaten.

Die Wahrscheinlichkeiten seien auf Kalibrierung ausgelegt, doch diese werde über Gruppen von Vorhersagen beurteilt und garantiere nicht die Richtigkeit einer einzelnen Antwort. Als Ablaufbeispiel nennt der Text einen Erstattungsfall: Eine Anwendung übergibt Nachricht, Transaktionen und Richtlinie, stellt mehrere Fragen und kombiniert die Ergebnisse mit festgelegten Programmprüfungen, um den Fall zu bearbeiten oder weiterzuleiten. Bei manchen Fragetypen gebe es auch Konfidenzwerte für Entscheidungen über Eskalation.

Aufgerufen wird das Modell über SDKs oder `POST /v1/systemone`; Beispiele verwenden `jev-latest`. Die Leistungsangaben sind Anbieterbeschreibungen. Unabhängige Messungen enthält der Bericht nicht, und die Beispielwerte sind ausdrücklich illustrativ.

Ausführlich lesen

Der Bericht stellt „System One“ als eine Klasse von KI-Modellen vor, die laut TypeSafe schnelle, strukturierte Entscheidungen für Software treffen sollen. Ein solches Modell bewertet einen bereitgestellten Zustand und gibt typisierte Antworten sowie Wahrscheinlichkeiten zurück. Jev wird als TypeSafe-Flaggschiff und erstes System-One-Modell bezeichnet; dem Bericht zufolge kann es neben natürlicher Sprache auch Bilder verarbeiten.

Als zentralen Unterschied zu großen Sprachmodellen beschreibt der Text, dass System-One-Modelle auf kalibrierte Entscheidungen ausgerichtet seien: Ihre Wahrscheinlichkeiten würden anhand von Ergebnissen optimiert, damit sie Unsicherheit widerspiegeln. Die Kalibrierung werde über Gruppen von Vorhersagen gemessen und garantiere ausdrücklich nicht, dass eine einzelne Antwort richtig ist. Anders als ein LLM sollen diese Modelle keine Antworten in freier Sprache, keinen Code und keine Erklärungen ihrer Überlegungen erzeugen. Stattdessen legen Entwickler mit sogenannten Primitives die möglichen Antworttypen und -räume fest.

Der Bericht nennt vier Beispiele: „Choice“ wählt etwa ein zuständiges Team aus einer vorgegebenen Liste; „Score“ gibt einen Wert für die vermutete Frustration aus; „Noul“ beantwortet eine Ja-Nein-Frage wie die nach einem Erstattungswunsch mit einem Wahrscheinlichkeitswert; und „Box“ beschreibt die Lage eines Schadens über Bildkoordinaten zwischen 0 und 1. Der Text weist darauf hin, dass diese Konfigurationen und Werte nur Beispiele sind und die jeweiligen Dokumentationsseiten weitere Optionen und Antwortfelder erläutern.

Für den Einsatz skizziert der Bericht einen Erstattungsfall. Eine Anwendung stellt zunächst eine Eingabe mit Kundennachricht, passenden Transaktionen und Erstattungsrichtlinie zusammen. Anschließend kann sie mehrere unabhängige Fragen gemeinsam stellen, etwa ob eine Erstattung verlangt wurde, ob Hinweise auf eine doppelte Abbuchung vorliegen und ob die Richtlinie eine Erstattung zulässt. Die Antworten lassen sich danach laut Darstellung mit festgelegten Prüfungen im Programm kombinieren, um den Fall weiterzuleiten oder zur Prüfung vorzulegen. Für manche Fragetypen enthalten Antworten zudem Konfidenzangaben; welche Typen dies betrifft, soll jeweils in deren Dokumentation stehen. Diese Angaben können nach Darstellung des Berichts dabei helfen, zwischen automatischem Handeln und Eskalation an eine Person oder ein Reasoning-Modell zu entscheiden.

Der Name knüpft an Daniel Kahnemans Unterscheidung zwischen schnellem, intuitivem System-1-Denken und langsamerem, überlegtem System-2-Denken an. Technisch können Modelle über Client-SDKs oder den HTTP-Endpunkt `POST /v1/systemone` aufgerufen werden. Das Feld `model` bestimmt das Modell; die Beispiele verwenden `jev-latest`, das laut Bericht auch SDK-Standard ist. Der Text verweist für Eingaben, Fragetypen, verfügbare Modelle und den vollständigen Ablauf auf weitere TypeSafe-Dokumentation.

Die Aussagen zu Leistungsfähigkeit und Eignung sind Darstellungen des Anbieters, keine im Bericht ausgewiesenen unabhängigen Testergebnisse. Konkrete Messwerte zur Genauigkeit, Kalibrierung, Geschwindigkeit oder zu Preisen enthält der Text nicht; die Beispielwerte sind ausdrücklich illustrativ. Zudem schließt die beschriebene gruppenbezogene Kalibrierung die Fehlerhaftigkeit einzelner Vorhersagen nicht aus.

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

Gegengeprüft von Claude Haiku 5.5: kleine Mängel

Beide vorgelegten Zusammenfassungen von Luna wurden geprüft; die Angaben zu „Anteil“ in der Sammelfrage-Liste sind nicht Teil dieser Prüfung. Die Einordnung stützt sich nur auf den Bericht selbst.

Im Bericht, aber nicht in der Zusammenfassung

  • Die Herkunft des Namens „System One“ aus Kahnemans Buch „Thinking, Fast and Slow“ mit der Unterscheidung von System 1 und System 2
  • Die vier Primitive Choice, Score, Noul und Box mit ihren Beispielen, die den Kern der Antworttypen bilden
  • Der Hinweis, dass Konfidenzwerte bei manchen Fragetypen helfen, zu entscheiden, wann an einen Menschen oder ein Reasoning-Modell eskaliert wird (nur in der mittleren Zusammenfassung angedeutet)

In der Zusammenfassung, laut Prüfung nicht im Bericht belegt

  • Die Angabe, Leistungsangaben seien Anbieterbeschreibungen, steht so nicht im Bericht; der Bericht nennt nur Kalibrierung über Gruppen und illustrative Beispielwerte.

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
  1. SF-M4 Wie kommen Meldungen von Laboren, Betreibern und Nutzern schnell und geschützt zu den Stellen, die handeln müssen, auch über Grenzen hinweg?
    • clef 100 %kein Bezug
    • Luna 38 %Hintergrund, keine Belege
    • JEV 100 %kein Bezug
    • amos 54 %gleiches Oberthema, hilft nicht
    • SubQ 100 %kein Bezug
    • drex 100 %kein Bezug
    • d3-ultra 100 %kein Bezug
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 36 %Hintergrund, keine Belege
    • JEV 29 %gleiches Oberthema, hilft nicht
    • amos 42 %gleiches Oberthema, hilft nicht
    • SubQ 100 %kein Bezug
    • drex 100 %kein Bezug
    • d3-ultra 100 %kein Bezug
  2. SF-F4 Für welche Modelle, Entwickler und Einsätze gelten Prüfregeln, und wann muss neu geprüft werden?
    • clef 100 %kein Bezug
    • Luna 56 %Hintergrund, keine Belege
    • JEV 100 %kein Bezug
    • amos 48 %gleiches Oberthema, hilft nicht
    • SubQ 100 %kein Bezug
    • drex 66 %gleiches Oberthema, hilft nicht
    • d3-ultra 100 %kein Bezug
    • Haiku-Prüfung gleiches Oberthema, hilft nicht
Unabhängig prüfen
Tempo und Grenzen
  1. SF-T1 Welche messbaren Schwellen sollen eine Pause auslösen, und wer prüft sie?
    • clef 100 %kein Bezug
    • Luna 55 %Hintergrund, keine Belege
    • JEV 34 %Hintergrund, keine Belege
    • amos 40 %gleiches Oberthema, hilft nicht
    • SubQ 100 %kein Bezug
    • drex 63 %gleiches Oberthema, hilft nicht
    • d3-ultra 100 %kein Bezug
  2. SF-T3 Woran erkennt man, dass KI beginnt, ihre eigene Weiterentwicklung voranzutreiben, und wer darf das erlauben?
    • clef 100 %kein Bezug
    • Luna 34 %Hintergrund, keine Belege
    • JEV 100 %kein Bezug
    • amos 52 %gleiches Oberthema, hilft nicht
    • SubQ 100 %kein Bezug
    • drex 77 %gleiches Oberthema, hilft nicht
    • d3-ultra 100 %kein Bezug
Vertrauen in Modelle
  1. SF-V1 Was zählt als Beleg für die Werte eines Modells, wenn sein sichtbares Denken und seine Selbstauskünfte allein nicht genügen?
    • clef 100 %kein Bezug
    • Luna 48 %Hintergrund, keine Belege
    • JEV 100 %kein Bezug
    • amos 41 %gleiches Oberthema, hilft nicht
    • SubQ 100 %kein Bezug
    • drex 60 %gleiches Oberthema, hilft nicht
    • d3-ultra 100 %kein Bezug
  2. SF-V3 Halten die Werte eines Modells, wenn niemand zusieht oder die Lage neu ist?
    • clef 100 %kein Bezug
    • Luna 60 %Hintergrund, keine Belege
    • JEV 100 %kein Bezug
    • amos 43 %gleiches Oberthema, hilft nicht
    • SubQ 100 %kein Bezug
    • drex 75 %gleiches Oberthema, hilft nicht
    • d3-ultra 100 %kein Bezug
    • Haiku-Prüfung nur am Rande erwähnt
  3. 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 36 %Hintergrund, keine Belege
    • JEV 42 %einzelne zitierbare Belege
    • amos 41 %gleiches Oberthema, hilft nicht
    • SubQ 100 %kein Bezug
    • drex 50 %gleiches Oberthema, hilft nicht
    • d3-ultra 100 %kein Bezug
  4. SF-V5 Was soll heute für das Verhalten und den Betrieb von Modellen gelten?
    • clef 100 %kein Bezug
    • Luna 40 %einzelne zitierbare Belege
    • JEV 34 %einzelne zitierbare Belege
    • amos 29 %gleiches Oberthema, hilft nicht
    • SubQ 100 %kein Bezug
    • drex 55 %gleiches Oberthema, hilft nicht
    • d3-ultra 48 %gleiches Oberthema, hilft nicht
    • Haiku-Prüfung gleiches Oberthema, hilft nicht
Agenten und vernetzte Systeme
  1. SF-A1 Welche Befugnisse darf ein KI-Agent haben, also eine KI, die selbstständig mit Werkzeugen handelt? Wer entzieht sie ihm, und wie prüft man, dass er in seinem Auftrag bleibt?
    • clef 100 %kein Bezug
    • Luna 43 %Hintergrund, keine Belege
    • JEV 29 %Hintergrund, keine Belege
    • amos 35 %gleiches Oberthema, hilft nicht
    • SubQ 100 %kein Bezug
    • drex 51 %gleiches Oberthema, hilft nicht
    • d3-ultra 100 %kein Bezug
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 43 %Hintergrund, keine Belege
    • JEV 100 %kein Bezug
    • amos 42 %gleiches Oberthema, hilft nicht
    • SubQ 100 %kein Bezug
    • drex 100 %kein Bezug
    • 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 41 %Hintergrund, keine Belege
    • JEV 39 %Hintergrund, keine Belege
    • amos 45 %gleiches Oberthema, hilft nicht
    • SubQ 100 %kein Bezug
    • drex 100 %kein Bezug
    • d3-ultra 100 %kein Bezug
  3. SF-H4 Was geschieht mit Modellen und Sicherheitspflichten, wenn ein Labor verkauft, aufgelöst oder ein Modell stillgelegt wird?
    • clef 100 %kein Bezug
    • Luna 43 %Hintergrund, keine Belege
    • JEV 100 %kein Bezug
    • amos 100 %kein Bezug
    • SubQ 100 %kein Bezug
    • drex 52 %gleiches Oberthema, hilft nicht
    • d3-ultra 100 %kein Bezug
Frieden und Sicherheit
Offenlegung und Rechenschaft
Beteiligung und Gemeinwohl
  1. SF-E4 Wie bleibt KI ein gemeinsames Gut, statt Abhängigkeit und Marktmacht zu vertiefen?
    • clef 100 %kein Bezug
    • Luna 51 %Hintergrund, keine Belege
    • JEV 100 %kein Bezug
    • amos 48 %gleiches Oberthema, hilft nicht
    • SubQ 100 %kein Bezug
    • drex 100 %kein Bezug
    • d3-ultra 100 %kein Bezug
  2. SF-E5 Welche Mitsprache haben die Menschen, die mit KI leben, bei Tempo und Grenzen, und welche Entscheidungen müssen bei ihnen bleiben?
    • clef 100 %kein Bezug
    • Luna 34 %Hintergrund, keine Belege
    • JEV 44 %einzelne zitierbare Belege
    • amos 53 %gleiches Oberthema, hilft nicht
    • SubQ 100 %kein Bezug
    • drex 56 %gleiches Oberthema, hilft nicht
    • d3-ultra 100 %kein Bezug
Wirtschaft und Haftung
Information und Öffentlichkeit
  1. SF-I1 Wie erkennt man KI-erzeugte Inhalte und KI-erzeugte Einflussnahme, ohne die Meinungsfreiheit zu beschneiden?
    • clef 100 %kein Bezug
    • Luna 40 %Hintergrund, keine Belege
    • JEV 100 %kein Bezug
    • amos 100 %kein Bezug
    • SubQ 100 %kein Bezug
    • drex 54 %gleiches Oberthema, hilft nicht
    • d3-ultra 100 %kein Bezug

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 →