Entscheidungsmodelle · Quellen geprüft am 27. September 2026
Jev vs. Kev
Beide beantworten klar begrenzte Fragen mit strukturierten Wahrscheinlichkeiten. Jev ist eine verwaltete API; Kev ist eine offene Modellfamilie zum eigenen Trainieren und Betreiben.
Gehostete API
Jev
Zustand und Fragen an Jev senden und Antworten erhalten, ohne selbst einen Modellserver zu betreiben.
Offene Gewichte
Kev
Ein Qwen-basiertes Entscheidungsmodell lokal oder am eigenen Endpunkt betreiben und mit eigenen Labels feinabstimmen.
Direkter Vergleich
Die praktischen Unterschiede
Kev verwendet das System-One-Anfrageformat mit Noul-, Choice- und Score-Fragen. Entscheidend ist vor allem, wer das Modell betreibt und wie stark es angepasst werden soll.
Bereitstellung
Verwaltete TypeSafe-API; keine eigene Modellinfrastruktur nötig.
Lokaler Server, eigene GPU oder selbst bereitgestellter Cloud-Endpunkt.
Lizenz
Proprietäres, gehostetes Modell.
Projekt und Basismodelle unter Apache-2.0; Trainingsdatensätze haben eigene Lizenzen.
Modellauswahl
Gehostetes Jev-Modell über die API.
Veröffentlichte Checkpoints mit 0,8B, 4B, 9B und 27B Parametern und unterschiedlichem Hardwarebedarf.
Schnittstelle
System-One-API mit Noul-, Choice- und Score-Fragen.
Kompatibles /v1/systemone-Format; das TypeSafe-Python-SDK kann auf einen Kev-Server zeigen.
Anpassung
Fragen und Kriterien in jeder Anfrage festlegen.
Fragen festlegen und veröffentlichte Checkpoints mit eigenen gelabelten Beispielen feinabstimmen.
Wahrscheinlichkeiten
Liefert Wahrscheinlichkeiten für Entscheidungsschwellen in Anwendungen.
Checkpoints enthalten eine angepasste Temperatur; Schwellen mit eigenen Daten validieren.
Veröffentlichte Bewertung
Genauigkeitswerte richtig einordnen
Die Kev-README nennt die Genauigkeit auf neuen Quellen im Entwicklungsdatensatz. Höher ist besser; diese Werte veröffentlicht das Projekt für Jev und Kev-27B.
Jev
85.7%
Genauigkeit auf neuen Quellen im Entwicklungsdatensatz. Ein Testwert für Jev wird dort nicht veröffentlicht.
Kev-27B
84.8%
Genauigkeit auf neuen Quellen im Entwicklungsdatensatz. Die README nennt außerdem 89,6 % im Kev-Testdatensatz.
Die Werte stammen aus Kevs eigener Bewertung, nicht aus einem unabhängig kontrollierten Architekturvergleich. Eine Überschneidung mit Jevs Trainingsdaten ist unbekannt; nur für Kev liegt ein Testwert vor. Beide Modelle sollten auf eigenen gelabelten Fällen geprüft werden. Kev-README und Modelltabelle
Die passende Wahl
Von den Betriebsanforderungen ausgehen
Jev für eine verwaltete API
Strukturierte Entscheidungen einbinden, ohne GPUs, Checkpoints oder Modellaktualisierungen selbst zu betreiben.
Kev für mehr Kontrolle
Offene Gewichte, lokalen Betrieb oder Feinabstimmung auf eigene gelabelte Entscheidungen nutzen und den Serving-Stack selbst betreiben.
Kev ist ein unabhängiges Projekt von Jared Palmer. Jev AI ist weder mit Kev noch mit TypeSafe verbunden oder von ihnen unterstützt. Angaben geprüft am 27. September 2026.