
Ist Jev Open Source? Die Gewichte sind geschlossen, das Tooling ist es nicht
- typesafeNEUTypeSafe: Jev 1.132026-09-24$0.04 / $0.00 pro 1 Mio. Tokens · 349 tok/s
- OpenAINEUOpenAI: GPT-6 Luna2026-09-2237Intelligenz
- OpenAINEUOpenAI: GPT-6 Sol2026-09-2248Intelligenz
- AnthropicNEUAnthropic: Claude Opus 5.52026-09-2258Intelligenz
- xAINEUGrok 4.72026-09-2146Intelligenz
- OrcaNEUOrca: OrcaCyber Zero 1.02026-09-17$3.00 / $5.00 pro 1 Mio. Tokens · 208 tok/s
- OrcaNEUOrca: OrcaVerify Text 1.02026-09-16$2.00 / $0.00 pro 1 Mio. Tokens · 680 tok/s
- DeepSeekDeepSeek: DeepSeek V4.1 Flash2026-09-1040Intelligenz
- OpenAIOpenAI: GPT-6 Astra2026-09-0453Intelligenz77Coding
- GoogleGoogle: Gemini 3.8 Flash2026-09-0241Intelligenz76Coding
- AlibabaQwen: Qwen3.8 Max (0902)2026-09-0245Intelligenz76Coding
- AnthropicAnthropic: Claude Fable 5.12026-09-0153Intelligenz82Coding
- TencentTencent: Hy4 preview2026-08-28$0.83 / $2.50 pro 1 Mio. Tokens · 49 tok/s
- AlibabaQwen: Qwen3.8 Flash2026-08-26$0.15 / $0.47 pro 1 Mio. Tokens · 105 tok/s
- z-aiZ.ai: GLM 5.3 Flash2026-08-2642Intelligenz72Coding
- DeepSeekDeepSeek: DeepSeek V4 Flash Vision (Exp)2026-08-21$0.22 / $0.66 pro 1 Mio. Tokens · 219 tok/s
- z-aiZ.ai: GLM 5.32026-08-1845Intelligenz75Coding
- obsidianQwen3.8 27B2026-08-1534Intelligenz68Coding
- DeepSeekDeepSeek: DeepSeek V4 Pro 08132026-08-1236Intelligenz69Coding
- xAISpaceXAI: Grok 4.62026-08-1244Intelligenz77Coding
Nein. Jev 1.13 (typesafe/jev-1.13) ist nicht Open Source, es gibt kein Weights-Repository zu finden, und egal wie viel man durch TypeSafes GitHub-Organisation scrollt, man wird keinen Checkpoint, kein Architektur-Dokument und keine Parameteranzahl finden. Was es gibt, ist die Software rund um das Modell: elf öffentliche Repositories, jedes einzelne MIT oder Apache-2.0, keines davon enthält Jev selbst. Das ist die ehrliche Ein-Satz-Antwort – das Tooling ist offen, das Modell nicht – und es ist die Hälfte der Geschichte, die ein Leser aus „closed, hosted, unpublished“ allein nie erfährt. Zwei Daten rahmen sie ein. TypeSafe hat das Modell am 2026-09-15 veröffentlicht, was außerhalb des Sieben-Tage-Fensters liegt, für das dieser Blog schreibt, also ist dies kein Launch-Beitrag und nichts darin sollte als ein solcher gelesen werden. Das datierte Ereignis ist der 2026-09-24, als OrcaRouter typesafe/jev-1.13 in seinen eigenen Katalog aufnahm: das erste Mal, dass Jev über ein Drittanbieter-Gateway aufrufbar war und nicht nur über TypeSafes eigenen Endpunkt. Das ist die Ausnahme, auf der diese Seite läuft – ein Modell, das dort lauffähig wurde, wo es das nicht war.
Was das für einen Leser ändert, ist eng umrissen und praktisch. Vor dem 24.09.2026 bedeutete die Evaluierung von Jev, eine zweite Anbieterbeziehung zu eröffnen, bevor Sie auch nur eine einzige Entscheidung testen konnten. Danach läuft Jev unter demselben Schlüssel wie die generative Hälfte desselben Workflows: eine API für 200+ Modelle, 0 % Aufschlag (Listenpreis des Anbieters wird durchgereicht, sodass Preissenkungen von Anbietern hier am selben Tag live sind), mit dem unter typesafe/jev-1.13 erreichbaren Modell. Sie rufen es weiterhin in seiner eigenen Form auf – POST /v1/systemone, nicht streamend –, weil das nicht die OpenAI-Chat-Completions-Route ist, aber der Vertrag, den Sie unterzeichnen, und der Schlüssel, den Sie rotieren, sind die, die Sie bereits haben.
Die Antwort besteht aus zwei Antworten, und beide sind erforderlich.
„Ist Jev Open Source?“ klingt wie eine Ja/Nein-Frage und verhält sich wie eine zweiteilige Frage. Teil eins: das Modell. Es ist geschlossen. TypeSafe hat keine Gewichte, keine Architektur, keine Angabe zum Trainings-Compute und keine Parameteranzahl für Jev 1.13 veröffentlicht, und es gibt kein nach ihm benanntes Repository. Teil zwei: die umgebende Software. Sie ist offen, aktiv gepflegt und wirklich nützlich, und sie ist der Grund, warum ein Leser, der nach einem Repository sucht, nicht einfach Pech hat.
Die Verwechslung der beiden führt in beide Richtungen zu falschen Schlussfolgerungen. Nimm an, das Ganze sei offen, und du wirst einen Nachmittag damit verbringen, nach einem Kontrollpunkt zu suchen, den es nicht gibt. Nimm an, das Ganze sei geschlossen, und du wirst genau das Stück verpassen, auf das es tatsächlich ankommt, wenn du dir Sorgen über Lock-in machst – einen MIT-lizenzierten Adapter, mit dem du gegen die Schnittstelle für typisierte Entscheidungen entwickeln und ändern kannst, was dahintersteckt.
Was TypeSafe tatsächlich veröffentlicht
Gelesen am 30.09.2026: Die Organisation verfügt über elf öffentliche Repositories. Die Anzahl der Stars und die Push-Zeitpunkte ändern sich, betrachten Sie dies daher als Momentaufnahme und nicht als feste Eigenschaft des Projekts. Jede Lizenz ist MIT oder Apache-2.0, sofern nicht anders angegeben.

• skills — MIT, etwa 2,4k Sterne, zuletzt gepusht am 2026-09-12. „Agent-Skills für die Entwicklung mit TypeSafes System One API.“
• system-one-adapter-python — MIT, 356 Sterne, zuletzt gepusht am 22.09.2026. „Drop-in-Ersatz für TypeSafeClient, unterstützt durch LLM-APIs."
• typesafe-sdk-js — MIT, 257 Sterne, zuletzt gepusht am 15.09.2026. Die offizielle TypeScript/JavaScript-Bibliothek für die TypeSafe-API.
• typesafe-sdk-python — MIT, 254 Sterne, zuletzt gepusht am 2026-09-26. Die offizielle Python-Bibliothek; v0.7.2 fügte an diesem Tag ein `http2`-Extra hinzu, und v0.7.1 fügte am 2026-09-21 Beispiele für die Verwendung mit KI-Gateways hinzu.
• daggerverse — Apache-2.0, 23 Stars, zuletzt gepusht am 2026-09-25. Eine Sammlung von Dagger-Modulen.
• WorkflowEvals — Apache-2.0, 7 Sterne, zuletzt gepusht am 2026-09-29. „Workflow-Code von evals.typesafe.ai veröffentlicht.“
• n8n-nodes-typesafe-ai — MIT, 1 Stern, zuletzt gepusht am 2026-09-29.
• typesafe-ai.github.io — keine Lizenz angegeben, 2 Sterne, zuletzt gepusht am 2026-06-04.
Drei weitere sind Forks unabhängiger Projekte und werden unten behandelt: pulumi-clickhouse, LLaDA und vllm.
Nichts in dieser Liste ist das Modell. Es gibt kein Jev-Repository, keine Gewichtsdateien, keinen Tokenizer, keine Serving-Konfiguration – nichts, womit man eine funktionierende Kopie aufsetzen könnte. Die Repos sind clientseitiges Beiwerk: zwei offizielle SDKs, ein Agent-Skills-Paket, eine CI-Modulsammlung, eine veröffentlichte Eval-Suite, ein n8n-Node, die Org-Website und der Adapter. Das ist eine echte und gut gepflegte Oberfläche, und es ist nicht das Modell.
Das eine Repository, auf das es ankommt, wenn Sie Lock-in vermeiden möchten
system-one-adapter-python ist der Eintrag mit den größten Auswirkungen für alle, die eine Adoptionsentscheidung treffen, und seine eigene Beschreibung bringt es auf den Punkt: ein „Drop-in-Ersatz für TypeSafeClient, unterstützt durch LLM-APIs“.
Lies das aufmerksam, denn es tut etwas ganz Bestimmtes. Der dauerhafte Wert in einer Integration mit System One ist die Schnittstelle, nicht der dahinterliegende Endpunkt: Du definierst einen Zustand und eine Menge benannter Fragen, und etwas liefert pro Frage eine typisierte Antwort zurück. Dieser Vertrag ist das, worum herum deine Codebasis letztlich geformt wird. Der Adapter entkoppelt den Vertrag von der Implementierung — du baust weiterhin gegen die Schnittstelle für typisierte Entscheidungen, und das, was die Entscheidungen erzeugt, ist darunter ein austauschbarer LLM-API-Aufruf.
Zwei ehrliche Einschränkungen. Ein Adapter ist nicht das Modell: Antworten, die ein allgemeines LLM über diesen Pfad erzeugt, sind nicht die kalibrierten Wahrscheinlichkeiten, die Jev zurückgibt; er ist also eine Möglichkeit, die Schnittstelle portabel zu halten, keine Möglichkeit, Jevs Verhalten ohne Jev zu bekommen. Und es ist ausdrücklich ein TypeSafe-Projekt – die Notluke wird von dem Anbieter gebaut, dem man vielleicht entkommen möchte, was besser als nichts und nicht dasselbe wie eine unabhängige ist.
Die beiden Gabelungen und die Schlussfolgerung, zu der sie einladen
Drei der elf Repositories sind Forks. pulumi-clickhouse ist ein Pulumi-Provider für ClickHouse Cloud, Apache-2.0, 3 Sterne, zuletzt gepusht am 2026-07-08. Die anderen beiden sind diejenigen, die als Beleg gelesen werden, und beide Lesarten sind falsch.
• vllm — Apache-2.0, 3 Sterne, zuletzt gepusht am 2025-05-23. Ein Fork der Hochdurchsatz-Inferenz- und Serving-Engine.
• LLaDA — MIT, 12 Sterne, zuletzt gepusht am 17.06.2025. Ein Fork der offiziellen PyTorch-Implementierung für „Large Language Diffusion Models“.
Der faule Schluss schreibt sich von selbst: Man hat ein Diffusion-Language-Model-Repository geforkt, also muss Jev auf Diffusion basieren. Das ist nicht der Fall, und der Fork verrät nichts über Jevs Architektur. Ein Fork ist eine Kopie fremden Codes unter fremder Lizenz, der aus Gründen in einer Organisation liegt, die sein eigenes Last-Push-Datum offensichtlich macht – Mai und Juni 2025, mehr als ein Jahr, bevor Jev öffentlich veröffentlicht wurde, und seitdem unangetastet. Keines der beiden Repositories ist Teil dessen, was TypeSafe im September veröffentlicht hat. Wenn man wissen möchte, wie Jev funktioniert: TypeSafe hat das nicht veröffentlicht, und kein Fork in seiner Organisation füllt diese Lücke.
Was dich das Schließen der Gewichte tatsächlich kostet
Vier Dinge, und sie sind konkret statt philosophisch.
• Sie können kein Self-Hosting betreiben. Es gibt kein Artefakt zum Ausführen, daher sind ein Anbieterausfall oder eine Änderung des Zugriffs nichts, was Sie umgehen können, indem Sie Ihre eigene Kopie aufsetzen.
• Sie können kein Audit durchführen. TypeSafe veröffentlicht zwar eine Jaggedness-Seite für Jev 1.13 – zuletzt überprüft am 2026-09-17 –, die benennt, wo das Modell unzuverlässig ist: wörtliche Auslegung des Wortlauts statt der Absicht, alles, was mit Arithmetik zu tun hat, Datums- und Zeitvergleiche, Indirektheit und doppelte Verneinungen, große Zustände voller irrelevanter Details, adversariale Inhalte im Zustand, widersprüchliche Anweisungen und Kriterien sowie strukturelle Invarianten, die es nicht garantiert, etwa wenn eine Wahr/Falsch-Antwort und die entsprechende Ja/Nein-Option voneinander abweichen. Diese Seite ist ungewöhnlich freimütig, und dennoch ist es der Anbieter, der seine eigenen Hausaufgaben benotet. Niemand außerhalb von TypeSafe hat die Gewichte überprüft.
• Sie können kein Fine-Tuning durchführen. Es gibt kein Basismodell, das angepasst werden könnte, daher bleibt eine Entscheidungsaufgabe, die Jev schlecht bewältigt, schlecht bewältigt, bis der Anbieter sie ändert – die Abhilfemaßnahmen der Jaggedness-Seite selbst sind Workarounds in Ihrem Code, keine Trainingsläufe.
• Man kann eine Version nicht über den Alias des Anbieters hinaus festlegen. typesafe/jev-1.13 ist ein gehosteter Name, also ist das, was nächsten Monat einen Aufruf beantwortet, das, was TypeSafe dann unter diesem Namen ausliefert.
Davon ist nichts einzigartig für Jev, und nichts davon ist ein Skandal; es ist der Kompromiss, den ein gehostetes Entscheidungsmodell eingeht, und das Gegengewicht ist, dass man nie einen Checkpoint, eine GPU-Rechnung oder einen Inferenz-Stack mit sich herumschleppen muss. Es lohnt sich zu wissen, auf welcher Seite dieses Kompromisses man steht, bevor man darauf aufbaut.
Was Jev ist, jetzt, da man es anrufen kann

Jev ist kein Chat-Modell und erzeugt keine Prosa. Du sendest einen Zustand – das zu beurteilende Material, als Text, ein Objekt oder ein Array – plus eine Reihe benannter Fragen, und es gibt eine strukturierte Antwort pro Frage zurück. Jede Frage ist eine von drei Primitiven:
• noul — ein Wahr/Falsch-Urteil, zurückgegeben mit einer kalibrierten Wahrscheinlichkeit.
• Auswahl — wählen Sie eine von bis zu 255 beschrifteten Optionen.
• Bewertung — auf einer geordneten Skala von 2 bis 10 Stufen bewerten.
TypeSafes eigene Dokumentation zeigt ein Beispiel für einen 0-indizierten Score; die Modellkarte von Jev 1.13 veröffentlicht 2–10 Stufen. Beide sind Material des Anbieters selbst, und diese Seite erfindet keine Übereinstimmung zwischen ihnen.
Die Trainingsmethode ist eine eigene Wortschöpfung von TypeSafe: Reinforcement Learning for Calibrated Decisions (RLCD), beschrieben im Launch-Post gegen RLHF und RLVR auf der Achse kalibrierter Entscheidungen mit ehrlichen Wahrscheinlichkeiten. RLCD ist ein Begriff von TypeSafe, kein generisches Machine-Learning-Akronym, und sollte als Anbieterbeschreibung gelesen werden, nicht als unabhängig charakterisierte Technik.
Der Zugang ist nicht mehr beschränkt: Jev ist seit 2026-09-21 allgemein verfügbar, und „waitlisted“ wurde eingestellt. „Early access“ ist weiterhin TypeSafes eigene aktuelle Formulierung auf der Homepage, also keine Behauptung, die man abtun sollte – es ist einfach die Bezeichnung des Anbieters, und die Betriebsgrenzen, die er daneben veröffentlicht, sind konkret.
Die Zahlen auf unserer Karte: ein Kontext von 65.536 Tokens, wobei der Anbieter rund 64K Eingabe über den kombinierten Zustand plus Fragen hinweg dokumentiert. Wenn Sie für Jev eine kleinere Zahl genannt gesehen haben, ist das nur das Zustandsbudget und keine konkurrierende Messung; die beiden sollten nicht als Widerspruch dargestellt werden. Der Preis beträgt $0.042 pro Million Eingabe-Tokens, wobei die Ausgabe mit null abgerechnet wird — es gibt keine Ausgabe-Tokens zu messen, weil eine getippte Entscheidung keine Prosa ist.
Unsere eigenen Serving-Daten – aus unserem Traffic und nicht aus dem Benchmark des Anbieters – über die sieben Tage bis zum 30.09.2026: p50 151 ms, p95 247 ms, etwa 349 Ausgabe-Tokens pro Sekunde, eine Fehlerrate von 0,49 % und 76,2 Mio. bereitgestellte Tokens. Die täglichen p50-Werte in diesem Zeitraum verliefen 175 → 170 → 163 → 161 → 170 → 147 → 143 ms, mit einem echten Ausreißer – einem p95 von 2.448 ms am 28.09.2026, der in die Reihe gehört, ohne die Norm zu sein.
Die Schlagzeilen-Behauptungen von TypeSafe, als die des Anbieters gekennzeichnet und nicht unabhängig repliziert: „193,6x schneller, 444,6x günstiger“, mit Fußnote zu den Workflows von System One; ein durchgerechnetes Beispiel von 0,000081 $ in 0,114 s gegenüber 0,013880 $ in 8,566 s für LLMs; „42 US-Dollar pro Milliarde Eingabe-Tokens“; und „Null Halluzinationen“, wobei es sich um eine Aussage über Konfidenzschätzungen und nicht um einen Beweis für null Fehler handelt – die Fehlerquote von 0,49 % unserer Benchmark-Karte ist das ehrliche Gegengewicht. TypeSafe sagt außerdem klar und deutlich, dass es nicht beweisen kann, dass seine Preisgestaltung nicht subventioniert ist, und dass seine veröffentlichten Evaluierungen im Allgemeinen von Laptops an der Westküste aus durchgeführt wurden, wo der Dienst ansässig ist. Die eigene Benchmark-Karte ist nach wie vor als ausstehend markiert.
Die Drittanbieter-Repositories existieren, und wir bürgen nicht für sie.
Die Suche nach „jev github“ bringt schließlich Repositories zum Vorschein, die nicht von TypeSafe stammen: Wrapper, Prompt-Sammlungen, Adapter-Experimente und die vertraute „Awesome“-Liste, die rund um jedes neue Modell auftaucht. Sie sind nicht Teil dessen, was der Anbieter veröffentlicht, sie wurden nicht vom Anbieter begutachtet, und ihre Sternzahlen messen Neugier statt Korrektheit. Sie mögen nützlich sein; sie sind keine Dokumentation, und nichts in ihnen ist eine Aussage darüber, wie Jev funktioniert.
Was würde diese Antwort ändern?
Ein Gewichte-Release, eine veröffentlichte Architektur oder eine unabhängige Bewertung der Entscheidungsqualität statt der Latenz. Jedes dieser drei würde das erste Wort dieser Seite umdrehen. Bis dahin hat die Suche eine stabile Antwort, und der Teil davon, bei dem es sich zu handeln lohnt, ist die Toolchain: Wenn die typisierte Entscheidungsschnittstelle das ist, gegen die Sie entwickeln, ist ein MIT-lizenzierter Adapter, der das zugrunde liegende Modell austauscht, der Unterschied zwischen einer Entscheidung, die Sie überdenken können, und einer, die Sie nicht überdenken können.
Jev 1.13 ist in unserem Katalog unter typesafe/jev-1.13, unter demselben Key wie der Rest eines Stacks und wird über den dedizierten systemone-Endpunkt geleitet statt über die chat-completions-Form. Das Modell ist geschlossen, das Tooling ist offen, und beide Hälften davon sind jetzt von einem Ort aus erreichbar.

