IT之家 Meldung vom 5. Oktober: Laut einem Bericht des Wall Street Journal hat ein KI-Modell namens Jev, das erst vor drei Wochen erschienen ist, bereits in Silicon-Valley-Kreisen für Aufsehen gesorgt. Man beginnt, Alternativwege jenseits großer Sprachmodelle zu erörtern, und das Modell hat zudem zahlreiche Nachahmerprodukte hervorgebracht.
Das Start-up TypeSafe AI veröffentlichte Jev am 15. September Ortszeit. Das Modell funktioniert anders als Chatbots: Es erzeugt keinen Text. Stattdessen ordnet es mithilfe maschinellen Lernens Eingaben einer Gruppe vordefinierter Ausgabeergebnisse zu: Antwort „Ja“ oder „Nein“, Ausgabe eines numerischen Werts oder eine Antwort aus einer festgelegten Liste. Das Unternehmen nennt diesen technischen Ansatz „Reinforcement Learning für kalibrierte Entscheidungen“.
An der Spitze des Start-ups steht Diogo Almeida, der zuvor bei OpenAI arbeitete, an der Entwicklung von ChatGPT beteiligt war und das Unternehmen 2024 verließ. Mit der offiziellen Veröffentlichung von Jev beendete auch TypeSafe seinen Geheimbetrieb; zuvor hatte es bereits 40 Millionen US-Dollar (IT之家-Hinweis: zum aktuellen Wechselkurs umgerechnet rund 269 Millionen Yuan) von der Risikokapitalfirma DCVC erhalten.
Almeida setzt darauf, dass Jevs schlanker technischer Ansatz schneller und kostengünstiger ist und reproduzierbare Ergebnisse liefert, womit er einige Schwächen traditioneller großer Sprachmodelle beheben könnte – nämlich das Problem unvorhersehbarer Ergebnisse. In einem Interview am vergangenen Montag Ortszeit erklärte Almeida,derzeit nutzten bereits etwa 25 Prozent der Fortune-Global-500-Unternehmen das Modell.
„Vor etwa einer Woche,erreichte die Anzahl der von uns täglich verarbeiteten Token eine Billion“, sagte er, „und das Geschäft wächst offensichtlich weiterhin exponentiell.“
Das Unternehmen brachte Jev auf den Markt und positionierte es als die besser für die Einbettung in Automatisierungssoftware geeignete Option. Almeida verglich das Modell mit den derzeit gängigen großen Sprachmodellen. Seiner Ansicht nach können gängige große Sprachmodelle zwar Aufgaben mit menschlicher Beteiligung erledigen, sind aber „in Automatisierungsszenarien absurderweise schlecht“.
„Die Funktionsweise von Software besteht in der Regel darin, eine stabile Grundschicht zu errichten, auf der man weiterentwickeln kann, Schicht um Schicht aufbauen und immer wieder aufrufen“, sagte er. „Chatbots können das überhaupt nicht, weil sie selbst nicht nach diesem Modus funktionieren.“
Berichten zufolge haben Investoren bereits auf das Unternehmen aufmerksam. Letzte Woche berichtete The Information, das Unternehmen verhandle über eine neue Finanzierungsrunde mit einem Zielvolumen von 1 Milliarde US-Dollar (zum aktuellen Wechselkurs umgerechnet rund 6,72 Milliarden Yuan) oder mehr; einige interessierte Investoren bewerten das Unternehmen bereits mit über 10 Milliarden US-Dollar (zum aktuellen Wechselkurs umgerechnet rund 67,201 Milliarden Yuan). Zu dieser Finanzierungsnachricht wollte sich Almeida nicht äußern.
Dieser Hype hat auch eine Vielzahl ähnlicher Produkte hervorgebracht, sowohl Open-Source-Modelle als auch entsprechende Tools etablierter Großunternehmen. Am vergangenen Dienstag Ortszeit brachte OpenAI ein Tool namens Decisions API (Entscheidungs-Anwendungsschnittstelle) heraus, das auf dem hauseigenen Luna-Modell basiert und dazu dient, „eine Reihe vom Nutzer selbst festgelegter spezifischer Fragen zu beantworten, wobei die Antworten auf mehrere vordefinierte Ergebnisse beschränkt sind“. Einen Tag später veröffentlichte das Datenanalyse-Start-up Databricks eine Funktion namens ai_decide. In der Zwischenzeit hatte Cloudflare letzte Woche das quelloffene Clef / Clef-flash vorgestellt, das Qwen3.8-27B und Qwen3.5-9B als eingefrorene Basismodelle verwendet und mit einem speziellen Routing-Kopf (einem Ausgabemodul, das speziell für die Auswahl zwischen Kandidatenpfaden oder -optionen zuständig ist) Kandidatenantworten direkt bewertet, ohne eine autoregressive Token-für-Token-Generierung durchzuführen; das zuvor von Amazon vorgestellte Strands Decider 2B gehört ebenfalls zu diesem Ansatz. Es bildet sich eine neue Modellklasse heraus: Generative Modelle übernehmen komplexe Schlussfolgerungen, während Entscheidungsmodelle Routing, Klassifizierung, Genehmigungen und die nächsten Agentenschritte mit hoher Frequenz und begrenzten Optionen übernehmen.
Almeida erklärte, er habe Wettbewerbskopien früh erwartet, glaube aber weiterhin, dass Jev über stärkere Fähigkeiten und ein höheres Intelligenzniveau verfügt. Seiner Ansicht nach markiert Jev den Anfang „einer völlig neuen Klasse künstlicher Intelligenz“; zugleich hofft er, dass diese Produkteinführung eine breitere Branchendiskussion über Alternativen zu großen Sprachmodellen anstoßen wird.
„Es gibt tatsächlich noch sehr viele unerschlossene Grenzgebiete“, sagte Almeida. „TypeSafe hat nur als Erster den ersten Schritt in das nächste Grenzgebiet getan; künftig werden noch viele neue Richtungen hervortreten.“