So verwendest du die Jev API: 20 Projekte zum Nachbauen

Was Jev ist und warum es verändert, wie ein „Projekt" aussieht

TypeSafe hat Jev am 15. September 2026 als erstes „System One Model" veröffentlicht. Der Pitch ist Kahneman: Heutige LLMs sind das langsame, deliberative System, und Jev ist das schnelle — außer dass „Intuition" hier eine kalibrierte Wahrscheinlichkeitsverteilung über von dir definierte Optionen ist, kein Prosatext.

Diese eine Design-Entscheidung ist der Grund, warum die Projekte unten nichts mit der üblichen „AI-Wrapper"-Liste gemein haben:

• Die Ausgabe ist typisiert. Du deklarierst Choice (wähle eine deiner Optionen), Score (bewerte gegen von dir benannte Stufen) oder Noul (Wahrscheinlichkeit, dass eine Ja/Nein-Aussage zutrifft). Es gibt nichts zu parsen und kein Schema, auf das man hoffen müsste.
• Jede Frage wird in einem Durchgang beantwortet. Der State wird einmal eingelesen und alle Fragen werden gemeinsam gegen ihn ausgewertet, sodass dreißig Fragen kaum mehr kosten als eine.
• Output ist kostenlos, weil es keinen Output gibt. Keine Strings auf der Antwortseite, keine sequenzielle Struktur, keine Output-Tokens — genau deshalb ist der Preis input-only.
• Das Modell handelt nicht. Es urteilt. Alles mit einem Seiteneffekt — Klicken, Fliegen, Bestellen, Löschen — bleibt in gewöhnlichem Code, gesteuert über einen Wahrscheinlichkeitsschwellenwert.

Sobald man diese Form erkennt, schreibt sich der Projektraum von selbst: Setze einen Jev-Aufruf überall dort ein, wo dein Programm kurz davor ist, eine kleine, hochfrequente Entscheidung zu treffen, die sich schwer in if ausdrücken lässt.

Die 20 Projekte auf einen Blick

Star-Zahlen geprüft am 22. September 2026.

#	Projekt	★	Sprache	Was es macht
1	browser-use/jev-ultrafast	16.972	Python	Browser-Agent, bei dem Jev die Operation und das Element wählt; ein LLM schreibt nur dann Text, wenn die Aktion TYPE_TEXT ist
2	tamaratran/fast-jev-compaction	6.122	TypeScript	Claude-Code-Plugin, das die Compaction-Zusammenfassung durch Jev-Löschungen ersetzt — nichts wird jemals umgeschrieben
3	vercel-labs/json-render	18.005	TypeScript	Generatives UI-Framework. Nicht Jev-native
4	itsmostafa/typesafe-mcp	238	Go	evaluate-MCP-Server für Claude Code, Claude Desktop, Codex und pi
5	jkudish/jev-mcp	257	JavaScript	Zehn typisierte Judgment-Tools über MCP bereitgestellt
6	sharziki/semdecide	32	Python	„grep für Bedeutung, jq für Urteilsvermögen" — typisierte Entscheidungen als Unix-Filter mit echten Exit-Codes
7	0xNatoshi/jev-codex-router	189	JavaScript	Modell- und Thinking-Effort-Routing pro Aufruf für Codex, gesteuert von Jev
8	GhalebDweikat/winnow	60	Python	Kontext-Sieb für Claude Code: Tool-Output, den Jev als nicht benötigt einstuft, wird ausgeblendet
9	devagrawal09/jev-review	516	TypeScript	Mehrstufiger Code-Review-Workflow mit lokalem Dashboard
10	ellipsis-dev/blink	56	TypeScript	Codebase-Suche über ein Ensemble Jev-gesteuerter Walker
11	lahfir/agent-desktop	1.454	Rust	Desktop-Computer-Nutzung über OS-Accessibility-Trees. Nicht Jev-native
12	fhshaik/typesafe-mario	343	Python	Jev spielt Super Mario Bros. aus dem Emulator-RAM, nie aus Screenshots
13	RomanSlack/jev-drone	122	Python	Quadrotor fliegt einen MuJoCo-Hindernisparcours; Jev liest die Situation mit ~2,5 Hz
14	emrickgarrett/OneVOneJev	20	TypeScript	Server-autoritativer Browser-FPS, in dem du gegen Jev kämpfst, First to 5 Kills
15	jarrodwatts/jev-trader	1.929	TypeScript	Eine Kauf-oder-Verkauf-Entscheidung pro Monad-Block auf dem Kuru MON-USDC-Buch
16	irfndi/prism-liquidity-agent	71	TypeScript	Solana Meteora DLMM Liquiditäts-Agent. Nicht Jev-native
17	jexp/neo4jev	84	Python	Graph-Navigation Hop für Hop, mit der Zielprüfung im selben Aufruf
18	AkashPriyadarshii/jev-curate	23	Rust	Datensatz-Sichter für JSONL- und Parquet-Korpora
19	qkal/Canny	32	JavaScript	Ein Wächter, der einen Coding-Agent nicht auf bloße Behauptung hin fertig werden lässt
20	monteduro/killmyidea	82	TypeScript	Acht bewertete Fragen, gewichtet zu KILL / FIX / SHIP

Gruppe 1 — Agents, die entscheiden statt generieren

browser-use/jev-ultrafast (★16.972) ist die Referenzimplementierung und die, die man zuerst lesen sollte. Ein Browser-Agent bittet normalerweise ein Modell, eine JSON-Aktion auszugeben, was bedeutet, dass man bei jedem Schritt für Tokens bezahlt. Ultrafast teilt die Aufgabe auf: Jev wählt eine Operation und ein Element aus einem indexierten Aktionsraum, und ein kleines LLM wird nur dann aufgerufen, wenn die gewählte Operation TYPE_TEXT ist — der einzige Fall, der generierte Zeichen benötigt. Die Demo im README, eine echte Zürich → London-Suche auf Google Flights, schließt in 7,1 Sekunden ab, inklusive Textgenerierung und Seitenladezeiten. Wenn du verstehen willst, warum ein Decision-Model sinnvoll ist, ist dieses Repo das Argument.

lahfir/agent-desktop (★1.454) ist das Desktop-Pendant — und es ist nicht Jev. Es ist eine Rust-CLI und C-ABI-Bibliothek, die die echte UI-Struktur einer App über den OS-Accessibility-Tree liest, statt aus Pixeln zu raten, mit 54 operativen Befehlen und Snapshot-Refs, die über Aufrufe hinweg stabil bleiben. Das eigene README beansprucht 78–96% Token-Reduktion bei dichten Apps durch Skeleton-Traversal. Es wurde im Februar 2026 erstellt, lange vor Jev, und hängt nicht davon ab. Es verdient hier einen Platz aus einem Grund: Wenn du die Desktop-Version von Ultrafast baust, ist dies die Wahrnehmungsschicht, auf die du einen Jev-Aufruf setzen würdest.

Gruppe 2 — Coding-Agent-Infrastruktur

Hier ist das Ökosystem am dichtesten, weil Coding-Agents genau die zwei Dinge produzieren, die Jev am besten beurteilt: Ist das noch relevant? und Ist das wirklich fertig?

fast-jev-compaction (★6.122) nimmt das häufigste Muster — alten Kontext mit einem LLM zusammenfassen — und lehnt es ab. Eine Zusammenfassung ist verlustbehaftet; ein Dateipfad oder ein exakter Fehler kann verschwinden. Dieses Plugin schreibt nie etwas um. Es zeigt Jev die gesamte Konversation, fragt, welche Tool-Aufrufe und -Ergebnisse nicht mehr benötigt werden, und löscht nur diese. Nutzer- und Assistenten-Text bleibt wörtlich und in Reihenfolge erhalten.

winnow (★60) wendet dieselbe Idee auf einzelne Ergebnisse statt auf die Historie an. Jede große Read-, Bash- oder Grep-Ausgabe wird beurteilt, bevor sie in den Kontext gelangt; Blöcke, von denen Jev überzeugt ist, dass du sie nicht brauchst, werden durch einen dreizeiligen Stub mit einer Cheap-Model-Zusammenfassung und einem Schlüssel ersetzt, der den Volltext auf Anfrage wiederherstellt. Nichts geht verloren, es kostet nur keine Tokens mehr, bis du danach fragst. Winnow ist außerdem das sauberste Beispiel für einen graceful Fallback: Sein Adapter kann dieselben Fragen mit Claude Haiku 4.5 beantworten, wenn Jev nicht verfügbar ist — unkalibriert, aber die Pipeline läuft weiter.

Canny (★32) greift den entgegengesetzten Fehlerfall an. Agents behaupten Erfolg. Canny hängt sich in Claude Code und Codex CLI ein, führt ein Ledger darüber, was der Agent tatsächlich getan hat, und weigert sich, ihn auf bloße Behauptung hin fertig werden zu lassen — es beurteilt Tool-Output, Diffs und Testergebnisse gegen die Fertigstellungsaussage.

jev-review (★516) läuft, bevor ein Mensch den Diff sieht: zuerst eine Noul-Risikomatrix, dann Choice- und Score-Aufrufe für Dateiprofile, Evidenzauswahl, Mechanismus-Klassifizierung und Schweregrad, wobei das Reviewer-Routing durch bedingte Choice entschieden wird. Schwellenwerte und Policy bleiben im Code, und die Ergebnisse landen in einem lokalen Dashboard.

blink (★56) nutzt Jev als Codebase-Navigator: Walker steigen den Dateibaum hinab und fragen auf jeder Ebene, welche Dateien für die Anfrage relevant sind. Beachte die Lizenz — das Repository hat keine Lizenzdatei, was wichtig ist, wenn du es ausliefern willst.

jev-codex-router (★189) ist dasjenige, das deine Rechnung berührt. Es bettet einen Codex-Router-Fork ein und lässt Jev ein Modell und einen Thinking-Effort für jeden Modellaufruf wählen, einschließlich Fortsetzungen nach Tools. Das README berichtet von einer historischen Simulation von ungefähr −60% gegenüber dem Betrieb von vollem Astra über 237 Turns — und ist sorgfältig darin zu sagen, dass dies kein gemessenes eingespartes Codex-Kontingent ist und nicht die aktuelle Policy beschreibt. Behandle es als Methode, nicht als Garantie.

Gruppe 3 — MCP-Server, wenn du einfach nur die Tools willst

jkudish/jev-mcp (★257) registriert zehn Judgments als MCP-Tools: jev_verify (Behauptungen gegen Evidenz), jev_screen (Inhalt, bevor er in den Kontext gelangt), jev_find und jev_rerank (Kandidatenauswahl und -sortierung), jev_classify, jev_decide, jev_compare, jev_extract, jev_review und mehr. Jeder MCP-Client kann sie aufrufen.

itsmostafa/typesafe-mcp (★238) ist die kleinere, meinungsstärkere Option: ein einzelner evaluate-Server in Go, mit Ein-Befehl-Setup — evaluate setup mcp verdrahtet ihn in Claude Code, Claude Desktop und Codex, wenn es sie findet, und evaluate setup pi deckt pi ab. Fang hier an, wenn du in fünf Minuten ein funktionierendes Tool willst statt einer Toolbox zum Konfigurieren.

TypeSafe liefert keinen eigenen MCP-Server aus; beide sind Community-Arbeit.

Gruppe 4 — Shell-, CI- und Datenpipelines

semdecide (★32) ist das am stärksten Unix-geformte Projekt im Set, und die Beschreibung ist exakt: grep für Bedeutung, jq für Urteilsvermögen. Pipe Text oder JSONL hinein, erhalte ein Prädikat, eine Route, einen Score, einen gefilterten Stream und einen echten Prozess-Exit-Code heraus — ohne Prompt-, Parsing-, Retry- oder Confidence-Handling-Glue zu schreiben. Das README-Beispiel fragt, ob ein Login aus einem neuen Land gefolgt von Auszahlungsänderungen „einen plausiblen Account-Takeover beschreibt" und bekommt TRUE probability=0.860 threshold=0.700 zurück. Das ist etwas, das du heute in ein Shell-Skript, eine GitHub Action oder einen Cron-Job packen kannst.

jev-curate (★23) ist die Batch-Version für Trainingsdaten: Streame JSONL- und Parquet-Korpora durch typisierte Choice- / Score- / Noul-Entscheidungen mit spekulativem Fan-out. Das README zielt auf 1.500+ Datensätze pro Sekunde; das ist ein Design-Ziel, keine unabhängig reproduzierte Zahl, also benchmarke es auf deinen eigenen Daten, bevor du dem Durchsatz vertraust.

Gruppe 5 — Echtzeit-, physische und adversariale Systeme

Das sind Demos, und sie sind der beste Beweis, dass die Architektur trägt: In jeder bleibt die schwierige, sicherheitskritische Schleife in gewöhnlichem Code, und Jev beantwortet nur eine kleine Frage.

typesafe-mario (★343) zeigt Jev nie einen Screenshot. Das Harness konvertiert Emulator-Telemetrie und RAM in kompaktes JSON — Bewegung, Sprungtrajektorie, kommende Gegner, Terrain, gemessene Input-Verzögerung, jüngste Steuerungsergebnisse — und Jev wählt aus einem kleinen legalen Aktionsset (noop, right, right_jump, right_run, right_run_jump, jump).

jev-drone (★122) fliegt ein echtes Airframe-Modell (die Skydio X2 aus MuJoCo Menagerie) um einen Hindernisparcours mit fünf Stationen, nur mit ihrer Onboard-Kamera. Die Schichtung ist explizit: Ein 500-Hz-Geometrie-Controller fliegt, eine 50-Hz-Guidance-Schicht besitzt immer die Sicherheit, und Jev sitzt bei ungefähr 2,5 Hz und entscheidet, was die Situation bedeutet. Das README sagt es klar — Jev ist kein Vision-Model und kann nicht mit Control-Rate laufen.

OneVOneJev (★20) ist ein server-autoritativer Browser-FPS, in dem Jev der Gegner ist: einreihen, in einem rustikalen Industriehof gegen ihn kämpfen, First to 5 Kills, Zuschauer schauen von der Seitenlinie zu. Jeder Decision-Tick muss Bewegung, Zielen, Feuern und Springen beantworten.

jev-trader (★1.929) platziert eine Post-Only-Limit-Order pro Monad-Block auf dem Kuru MON-USDC-Buch, einen Tick innerhalb des Touch, und ersetzt die vorherige. Ohne PRIVATE_KEY läuft es im Dry-Run gegen das echte Buch mit simulierten Fills — und beachte, dass das Standardmodell mock ist, ein Momentum-Heuristik-Ersatz, sodass der Bot läuft, bevor du überhaupt einen Key hast.

prism-liquidity-agent (★71) ist das dritte nicht-Jev-native Projekt: ein regelbasierter Agent, der konzentrierte Liquiditätspositionen auf Solanas Meteora DLMM alle zehn Minuten über einen Recall → Observe → Reason → Simulate → Decide-Zyklus rebalanciert. Es wurde im Juni 2026 erstellt und verwendet Jev nicht. Es ist enthalten, weil es das klarste veröffentlichte Beispiel für die Form ist — deterministische Schleife, begrenzte Entscheidung am Ende — in die ein Jev-Aufruf passen würde.

Gruppe 6 — Graphen, Struktur und Ideen

neo4jev (★84) navigiert einen Neo4j-Graphen Hop für Hop. An jedem Knoten werden die ausgehenden Beziehungen zu Choice-Optionen mit ihren Eigenschaften, und eine Noul-Frage — „wurde das Ziel erreicht?" — reist im selben systemone-Aufruf mit, sodass jeder Hop genau einen Round-Trip kostet, egal wie viele Fragen du stellst. Top-k-Auswahl über die zurückgegebenen Wahrscheinlichkeiten macht daraus eine Beam Search, sortiert nach summierten Log-Wahrscheinlichkeiten. Wenn du sehen willst, wie parallele Fragen gut genutzt werden, lies dieses.

json-render (★18.005) ist das größte Repo in der Tabelle und das am wenigsten verwandte: Vercel Labs' generatives UI-Framework, erstellt im Januar 2026, das dynamische Interfaces aus vordefinierten Komponenten und Aktionen statt aus rohem JSON rendert. Es ist nicht Jev-native. Die Verbindung ist konzeptionell — der Pitch lautet „lass ein Modell unter sicheren, vordefinierten Optionen wählen, statt freie Ausgabe zu emittieren", was Jevs Pitch auf UI angewandt ist. Aus diesem Grund taucht es in vielen Jev-Roundups auf; erwarte keine TypeSafe-Abhängigkeit in package.json.

killmyidea (★82) ist das kleinste vollständige Produkt hier: Beschreibe eine Startup-Idee, und Jev beantwortet acht Indie-Hacker-Fragen mit 0–4 bewertet plus Kategorie und Klarheit in einer einzigen parallelen Anfrage. Jeder Score wird mit 25 multipliziert, zu einem Durchschnitt gewichtet, durch ein Klarheits-Gate geführt und als KILL IT, FIX IT oder SHIP IT zurückgegeben. Kein generatives LLM irgendwo in der Schleife.

Deine erste Anfrage

Hol dir einen Key und rufe dann den nativen Vertrag auf — nicht Chat Completions:

curl -X POST "https://apimaster.ai/v1/systemone" \
  -H "Authorization: Bearer $APIMASTER_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "state": "Help! My payouts have been failing for 3 days.",
    "model": "jev-latest",
    "questions": {
      "is_urgent": { "type": "noul", "instructions": "Does this convey urgency?" },
      "category":  { "type": "choice", "options": ["billing", "technical", "other"],
                     "instructions": "Which team should handle this?" }
    }
  }'

Wähle dann ein Projekt aus der Tabelle, lies sein README und beginne mit der kleinsten Integration auf der Liste — semdecide, wenn du im Terminal lebst, jev-mcp, wenn du in einem Agent lebst. Behalte Schwellenwerte und Seiteneffekte in deinem eigenen Code und behandle die zurückgegebene Wahrscheinlichkeit als das, worüber du steuerst, statt als das, dem du gehorchst.

Bevor du eines davon installierst

• Das Alter ist das Risiko, nicht die Idee. Fünfzehn von zwanzig Repos wurden zwischen dem 16. und 18. September 2026 erstellt. Sie sind Tage alt, meist von einem einzigen Autor, und einige wurden seit dem Tag ihrer Veröffentlichung nicht mehr angefasst.
• Stars messen Aufmerksamkeit. Ein Repo mit 16.972 Stars, das vor sechs Tagen erstellt wurde, hatte enorme Sichtbarkeit und fast keine Produktions-Exposition. Lies den Code, bevor er eine Wallet, ein Repo, das dir wichtig ist, oder einen Kunden berührt.
• Drei sind nicht Jev-native. json-render (Januar 2026), agent-desktop (Februar 2026) und prism-liquidity-agent (Juni 2026) existierten alle vor Jev und laufen ohne es.
• Prüfe Lizenzen. Die meisten sind MIT, json-render und agent-desktop sind Apache-2.0, und blink hat überhaupt keine Lizenzdatei.
• Nichts hier ist offiziell. Die einzige von TypeSafe veröffentlichte Integration ist der Agent-Skill typesafe-ai/skills. Jedes Projekt in dieser Liste ist Community-Arbeit.
• Finanz- und Physik-Demos sind Demos. jev-trader verwendet standardmäßig ein Mock-Modell und Dry-Run-Fills; jev-drone ist eine Simulation. Lies keines von beiden als Signal über Live-Performance.

Welches solltest du tatsächlich ausprobieren

Wenn du … willst	Fang an mit	Warum
verstehen, wofür ein Decision-Model gut ist	jev-ultrafast	Die 7,1-Sekunden-Google-Flights-Demo macht die Aufteilung offensichtlich
heute Agent-Kontextkosten senken	fast-jev-compaction oder winnow	Installieren und messen, keine Architekturänderung
Jev in fünf Minuten in deinen Agent bekommen	typesafe-mcp	Ein Befehl verdrahtet drei Clients
Jev aus einer Shell oder CI nutzen	semdecide	Echte Exit-Codes, kein Glue-Code
Agents davon abhalten, über Fertigstellung zu lügen	Canny	Ledger plus eine Weigerung, eine Behauptung zu akzeptieren
Modellausgaben pro Turn steuern	jev-codex-router	Routing ist der Punkt, an dem Jev sich selbst bezahlt
parallele Fragen richtig genutzt sehen	neo4jev	Choice und Noul in einem Aufruf, ein Round-Trip pro Hop

FAQ

Was ist die Jev API? Jev ist das System One Model von TypeSafe AI. Die API ist ein einziger Endpoint, POST /v1/systemone: Sende einen state plus eine Map typisierter Fragen und erhalte kalibrierte Wahrscheinlichkeiten als Choice-, Score- und Noul-Antworten zurück. Es generiert nie Text.

Was ist die Jev-Modell-ID und der Preis? jev-1.13.0, mit jev-latest und jev-preview als Aliassen. Der Preis beträgt $42 pro Milliarde Input-Tokens — $0,042 pro 1M — und Output ist kostenlos, weil es keine Output-Tokens gibt.

Sind diese Projekte offizielle TypeSafe-Projekte? Nein. Alle zwanzig sind Community-Arbeit. Die einzige offiziell veröffentlichte Integration ist der TypeSafe-Agent-Skill typesafe-ai/skills.

Welche davon kann ich ohne Jev-Key nutzen? json-render, agent-desktop und prism-liquidity-agent, weil sie nicht Jev-native sind. jev-trader läuft außerdem keyless im Dry-Run-Modus mit seinem Standard-Mock-Modell.

Kann ich Jev mit Claude Code oder Codex als Modell verwenden? Nein. Beide CLIs sprechen das Wire-Format ihres Anbieters, und Jev hat keinen OpenAI-kompatiblen oder Anthropic-kompatiblen Endpoint. Was funktioniert, ist, Jev in den Agent hineinzulegen — als MCP-Tool, Hook oder Router — was die Projekte in Gruppe 2 und 3 tun.

Was kostet ein Jev-Aufruf tatsächlich? Die Abrechnung ist input-only bei $0,042 pro 1M Tokens, und jede Frage in einer Anfrage wird gegen denselben State in einem Durchgang ausgewertet. Dreißig Fragen zu stellen kostet etwas mehr als eine, nicht dreißigmal so viel — dieses Verhältnis ist der ganze Sinn der Architektur.

Ist Jev auf APIMaster verfügbar? Ja, als jev-latest, auf dem nativen POST https://apimaster.ai/v1/systemone-Vertrag zu $0,042 pro 1M Input-Tokens mit kostenlosem Output (eine aktive Route, geprüft am 22. September 2026). Kombiniere es mit einem Textmodell auf demselben Key, wenn ein Schritt generierten Text benötigt.

Quellen und Verifikation

• Repository-Metadaten, Star-Zahlen, Sprachen und Lizenzen für alle zwanzig Projekte — GitHub API und Repository-READMEs, geprüft am 22. September 2026
• TypeSafe — Models — Modell-ID, Aliase, $42/Btok-Preis, Rate Limits und Kontextbudget
• TypeSafe — API reference und Quick start — Endpoint, Request- und Response-Formen
• TypeSafe — Jev 1.13 scope — die Bereiche, die TypeSafe selbst ausklammert, mit dem empfohlenen Muster für jeden
• typesafe-ai/skills — die einzige offiziell veröffentlichte Integration

APIMasters jev-latest-Route und die begleitenden Textmodell-Preise wurden am 22. September 2026 geprüft. Projektstatus, Star-Zahlen und Preise ändern sich — verifiziere auf der Live-Karte und im Repository, bevor du eine Workload festlegst.

Fang mit dem Key an

Erstelle ein APIMaster-Konto, füge Pay-as-you-go-Guthaben ab $1 hinzu und erstelle einen Key in der Konsole. Richte deinen Client auf https://apimaster.ai/v1 und sende deine erste Anfrage an POST https://apimaster.ai/v1/systemone mit Modell jev-latest — $0,042 pro 1M Input-Tokens, kostenloser Output, und derselbe Key deckt die GPT-, Claude-, GLM-, DeepSeek- und Gemini-Tiers ab, mit denen du es kombinieren wirst. Prüfe die Jev-Karte auf Live-Verfügbarkeit vor Produktions-Traffic und nutze den Model Tester, um zu bestätigen, dass sich eine Route wie erwartet verhält.