APIMaster Blog

So verwendest du die Jev API mit APIMaster

Lerne, wie du Jev mit APIMaster verwendest. Sende typisierte Fragen an jev-latest über den nativen System-One-Endpunkt, prüfe Wahrscheinlichkeiten und verbinde das Ergebnis mit deiner Anwendung, ohne Jev wie ein Chat-Modell zu behandeln.

Jev APIHow to use JevTypeSafeSystem OneAI API integrationAI API pricingAPIMaster

Published 2026-09-21

Preisvergleich: Der Live-Preis von 0,042 1 Mio. Input-Token entspricht dem veroeffentlichten TypeSafe-Preis (kein Aufschlag).

Kurze Antwort

Du kannst Jev heute über APIMaster aufrufen. Erstelle einen APIMaster-API-Schlüssel, sende eine POST-Anfrage an https://apimaster.ai/v1/systemone, setze model auf jev-latest und gib einen state sowie eine oder mehrere typisierte questions an. Jev liefert strukturierte Entscheidungen und Wahrscheinlichkeiten zurück; es ist kein Chat-Modell und gibt keine Assistenten-Nachricht zurück.

Aktuelle APIMaster-Verfügbarkeit, geprüft am 21. September 2026:

Modell-ID: jev-latest (die Live-Route löst derzeit auf Jev 1.13 auf)
Endpunkt: POST https://apimaster.ai/v1/systemone
Preis: $0,042 pro 1M Input-Tokens; Output kostet $0
Im Angebot befindliche Routen: 1 aktive Route
Eingabe: Text, JSON-Objekte oder Arrays in state
Ausgabe: typisierte Choice-, Score- oder Noul-Antworten mit Wahrscheinlichkeiten und Konfidenz

Die Jev-Marketplace-Karte ist die maßgebliche Quelle für Live-Preis und Verfügbarkeit. Der APIMaster-Artikel zur Jev API erklärt das Modell und seine Grenzen im Detail; diese Seite konzentriert sich auf die kürzeste funktionierende Integration.

Was Jev tut

Jev ist ein Entscheidungsmodell aus der System-One-Familie von TypeSafe. Es ist nützlich, wenn deine Anwendung etwas klassifizieren, bewerten, verifizieren oder weiterleiten muss und die Antwort in ein Schema passen soll, das du im Voraus definierst.

Anstatt Freitext anzufordern, beschreibst du die Entscheidungen in questions:

Noul: ein Ja/Nein-Urteil mit einer Wahrscheinlichkeit
Choice: eine aus einer Liste ausgewählte Option, mit Wahrscheinlichkeiten für die Optionen
Score: eine Bewertung anhand von Stufen, die du definierst

Das macht Jev zu einer guten Wahl für Moderations-Gates, Intent-Klassifizierung, Browser-Aktionen, Routing, Extraktion und Agent-Prüfungen. Behalte Arithmetik, Datumsangaben, Zählung und Textgenerierung im Anwendungscode oder in einem generativen Modell. Jev entscheidet; eine andere Komponente kann die Antwort schreiben.

Jev über APIMaster aufrufen

1. Einen APIMaster-Schlüssel erstellen

Erstelle ein Konto bei APIMaster, lade Pay-as-you-go-Guthaben auf und erstelle einen Schlüssel unter API Keys. Speichere den Schlüssel als Umgebungsvariable:

export APIMASTER_API_KEY="your_api_key"

2. Eine erste Anfrage senden

Die APIMaster-Jev-Route behält die native System-One-Anfrageform von Jev bei. Sende kein messages, prompt oder eine OpenAI-Chat-Completions-Nutzlast.

curl -X POST "https://apimaster.ai/v1/systemone" \
  -H "Authorization: Bearer $APIMASTER_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "jev-latest",
    "state": "A user says: I was charged twice for the same order.",
    "questions": {
      "intent": {
        "type": "choice",
        "criteria": {
          "billing_issue": "Charges, refunds, invoices, or payments.",
          "technical_issue": "Bugs, outages, or integration problems.",
          "general_question": "All other general support questions."
        },
        "instructions": "Choose the user's primary support intent."
      },
      "needs_human": {
        "type": "noul",
        "instructions": "Should a human support agent review this case?"
      }
    }
  }'

Die Antwort enthält eine Antwort für jede Frage, einschließlich des ausgewählten Werts und der Wahrscheinlichkeitsdaten. Verwende einen Schwellenwert in deinem Code, bevor du eine irreversible Aktion ausführst. Leite beispielsweise nur dann an einen automatischen Ablauf weiter, wenn die Konfidenz von intent über dem Schwellenwert liegt, den dein Team validiert hat.

3. Die Antwort in Python verwenden

import os
import requests

response = requests.post(
    "https://apimaster.ai/systemone",
    headers={
        "Authorization": f"Bearer {os.environ['APIMASTER_API_KEY']}",
        "Content-Type": "application/json",
    },
    json={
        "model": "jev-latest",
        "state": {"message": "The checkout page crashes after I upload a receipt."},
        "questions": {
            "category": {
                "type": "choice",
                "criteria": {
                    "bug": "A technical fault or product error.",
                    "billing": "A charge, refund, invoice, or payment issue.",
                    "account": "Account access, identity, or settings."
                },
                "instructions": "Classify the support request.",
            },
            "urgent": {
                "type": "noul",
                "instructions": "Does the request require urgent handling?",
            },
        },
    },
    timeout=30,
)
response.raise_for_status()
result = response.json()
print(result)

Derselbe APIMaster-Schlüssel kann für Jev und für die generativen Modelle verwendet werden, die deine Anwendung nach der Entscheidung aufruft. Das ist nützlich für einen zweistufigen Ablauf: Lass Jev zuerst klassifizieren oder weiterleiten und sende dann nur die ausgewählten Fälle an ein Textmodell.

Ein praktisches Routing-Muster

Jev ist am nützlichsten als Steuerungsschicht um ein generatives Modell herum. Ein typischer Anfrageablauf ist:

Lege die relevanten Nutzereingaben oder Dokumentfelder in state ab.
Stelle mehrere kleine Fragen in einer Anfrage, statt eine Anfrage pro Frage zu senden.
Prüfe die zurückgegebenen Wahrscheinlichkeiten im Anwendungscode.
Wähle eine Warteschlange, ein Tool, ein Modell oder einen Fallback basierend auf deinen Schwellenwerten.
Rufe ein generatives Modell nur dann auf, wenn deine Anwendung Text, Code oder eine ausführliche Antwort benötigt.

Beispielsweise kann eine Support-Anwendung Jev verwenden, um in einem Aufruf Intent, Dringlichkeit und die Notwendigkeit eines Konto-Lookups zu identifizieren. Anschließend kann sie das Ticket an einen Menschen weiterleiten, die richtigen Kontodaten abrufen oder ein Textmodell aufrufen, um die Antwort zu entwerfen.

Diese Aufteilung unterscheidet sich davon, ein LLM zu bitten, JSON zurückzugeben, und zu hoffen, dass es dem Schema folgt. Jevs Ausgabetypen sind Teil des Anfragevertrags. Das bedeutet auch, dass du Jev nicht für Aufgaben verwenden solltest, die das Schreiben der endgültigen Antwort erfordern.

Jev versus ein Chat-Modell

Bedarf	Jev verwenden	Ein generatives Modell verwenden
Ein Label aus einer bekannten Menge auswählen	Ja	Normalerweise unnötig
Einschätzen, ob eine Bedingung wahr ist	Ja	Möglich, aber schwerer einzuschränken
Eine Anfrage an ein Tool oder Modell weiterleiten	Ja	Möglich, aber teurer
Ein Dokument zusammenfassen	Nein	Ja
Eine nutzergerichtete Antwort schreiben	Nein	Ja
Arithmetik oder exaktes Zählen durchführen	Im Code behalten	Im Code behalten

Zur Architektur, den Grenzen und den veröffentlichten Anwendungsfällen des Modells siehe Jev API: was es ist und wann man es verwendet. Für einen direkten Vergleich mit LLM-basiertem Judging siehe Jev vs LLMs.

Häufige Integrationsfehler

Eine Chat-Nutzlast senden. https://apimaster.ai/v1/systemone erwartet state und questions, nicht messages und temperature.

Textausgabe erwarten. Jev liefert typisierte Entscheidungen. Verwende ein generatives Modell für die endgültige Erklärung oder Antwort.

Eine Anfrage pro Frage senden. Fasse zusammengehörige Fragen in derselben Anfrage zusammen, damit das Modell sie anhand eines gemeinsamen Zustands bewerten kann.

Konfidenz als Garantie behandeln. Eine Wahrscheinlichkeit ist ein Signal für Routing und Überprüfung. Validiere Schwellenwerte anhand deiner eigenen Beispiele, bevor du sie für Produktionsentscheidungen verwendest.

Claude Code oder Codex direkt auf Jev richten. Diese Tools erwarten Anthropic-Messages- oder OpenAI-Responses-kompatibles Modellverhalten. Jev ist besser in einem Skill, Hook, MCP-Tool oder Router aufgehoben. Siehe So verwendest du Jev mit Claude Code und Codex für funktionierende Muster.

FAQ

Ist Jev über APIMaster verfügbar?

Ja. Verwende jev-latest mit POST https://apimaster.ai/v1/systemone. Die Live-Marketplace-Karte zeigt derzeit eine aktive Route zu $0,042 pro 1M Input-Tokens, ohne Output-Gebühr.

Ist der Jev-Endpunkt OpenAI-kompatibel?

Nein. APIMaster stellt für dieses Modell Jevs nativen System-One-Vertrag bereit. Verwende state und typisierte questions; verwende nicht /chat/completions.

Kann Jev eine Zusammenfassung oder Antwort generieren?

Nein. Jev liefert typisierte Entscheidungen und Wahrscheinlichkeiten. Übergib das Ergebnis an ein generatives Modell, wenn deine Anwendung Text benötigt.

Kann ich denselben APIMaster-Schlüssel für andere Modelle verwenden?

Ja. Ein APIMaster-Schlüssel kann Jev und die anderen für dein Konto freigeschalteten Modelle aufrufen. Prüfe jede Marketplace-Karte auf die aktuelle Modell-ID, Route und den Preis.

Wo sollte ich anfangen?

Beginne mit der obigen Anfrage, sammle repräsentative Beispiele und validiere deine Schwellenwerte, bevor du Jev zu einer automatischen Aktion hinzufügst. Lies dann den vollständigen Jev-API-Leitfaden und den Claude Code/Codex-Integrationsleitfaden.

Erstelle ein APIMaster-Konto, lade Guthaben auf, erstelle einen Schlüssel unter API Keys und rufe jev-latest über https://apimaster.ai/v1/systemone auf.

Back to Blog