Ein Modell, das keinen einzigen Satz schreiben kann, hat in unserem Test 49 von 50 Sprachbefehlen richtig verstanden. In 0,4 Sekunden und für 0,16 Cent insgesamt. Das offene Gegenstück, das lokal auf dem Rechner läuft, kam bei unbekannten Formulierungen auf 11 von 20.
Seit Mitte September 2026 gibt es eine neue Modellklasse, die nicht redet, sondern entscheidet. Wir haben die beiden verfügbaren Vertreter gegeneinander getestet: Jev von TypeSafe AI, erreichbar über eine Schnittstelle im Netz, und Laya, ein offenes Modell, das auf dem eigenen Rechner läuft. Dieser Artikel zeigt, was die beiden können, wo der Unterschied wirklich liegt und für welche Aufgaben im Unternehmen sich das lohnt.
Ein gewöhnliches Sprachmodell erzeugt Text, Wort für Wort. Das kostet Zeit, und das Ergebnis muss danach ausgewertet werden. Ein System-One-Modell überspringt diesen Schritt. Es bekommt einen Zustand und eine Frage mit fest vorgegebenen Antwortmöglichkeiten und gibt nur zurück, welche davon zutrifft, mit einer Wahrscheinlichkeit pro Möglichkeit.
Eine Support-Mail könnte so beantwortet werden: Buchhaltung 0,08 · Technik 0,85 · Vertrieb 0,07. Kein Text, keine erfundenen Felder, nichts zu entziffern. Der Name spielt auf das schnelle, unbewusste Denken an, das Daniel Kahneman System 1 nennt. Nicht klüger als ein großes Modell, aber schneller und billiger. Ein Reflex.
Beide Modelle kennen dieselben drei Fragetypen. Auswahl: eine Option aus einer Menge, die Sie selbst festlegen. Bewertung: eine Einordnung auf einer Skala mit 2 bis 10 Stufen, die Sie in Worten beschreiben. Ja/Nein: die Wahrscheinlichkeit, dass eine Aussage zutrifft.
Daraus folgt auch die Grenze. Diese Modelle wählen aus, sie formulieren nicht. Sie können eine Mail der Buchhaltung zuordnen, aber keine Antwort darauf schreiben. Sie erkennen, dass jemand einen Termin will, können aber Datum und Uhrzeit nicht in einen Kalender übertragen.
Jev kommt von TypeSafe AI aus San Francisco, läuft über eine Schnittstelle im Netz und kostet 0,042 Dollar je Million Eingabe-Token, die Ausgabe ist kostenlos. Die Schnittstelle ist seit dem 21. September ohne Warteliste offen, zusätzlich läuft Jev bei OpenRouter in der Beta über einen eigenen Entscheidungs-Endpunkt. Die Größe des Modells ist nicht veröffentlicht.
TypeSafe kam am 15. September mit 40 Millionen Dollar Seed-Finanzierung unter Führung von DCVC aus dem Stealth. Gegründet wurde die Firma 2024 von Diogo Almeida, der vorher bei OpenAI an den Methoden hinter ChatGPT gearbeitet hat, zusammen mit Erik Gafni und Sasha Sheng. Das Trainingsverfahren zielt ausdrücklich nicht auf möglichst viele richtige Antworten, sondern auf ehrliche Wahrscheinlichkeiten.
Laya ist quelloffen unter Apache 2.0, stammt von Convai Innovations und läuft auf dem eigenen Rechner, ohne laufende Kosten. Es kommt in drei Ausführungen: einer englischen mit 421 Millionen Parametern, einer mehrsprachigen mit 322 Millionen für über 100 Sprachen und einer dritten, die auf einen bestimmten Aufgabentyp nachtrainiert ist. Ein vorgeschalteter Erkenner prüft in unter einer halben Millisekunde die Schrift und wählt die passende Variante.
Beide sprechen dieselbe Sprache: Zustand rein, typisierte Entscheidung mit Wahrscheinlichkeiten raus. Man kann sie deshalb im selben Programm gegeneinander austauschen, was unseren Test erst möglich gemacht hat.
Als Aufgabe haben wir Sprachbefehle an einen Mac gewählt: „Öffne die Notizen-App“, „Such bei Google nach Wetter München“, „Nächstes Lied“. Beide Modelle bekamen denselben Zustand und dieselbe Frage, nämlich welche von zwölf Aktionen gemeint ist, und mussten eine davon wählen. Die Aufgabe eignet sich gut, weil sie den Alltagsfall im Unternehmen spiegelt: viele kurze Eingaben, eine feste Menge möglicher Antworten, und jede falsche Entscheidung hat Folgen.
Getestet haben wir 50 Sätze, je zur Hälfte deutsch und englisch, auf einem MacBook Pro mit M1 Pro. Entscheidend ist die Aufteilung: 30 bekannte Sätze, mit denen wir die Fragestellung verbessert haben, und 20 neue Sätze, formuliert nach dieser Verbesserung und den Modellen wie uns unbekannt.
Diese Trennung ist der wichtigste Teil des Aufbaus. Wer nur auf den Sätzen misst, an denen er sein System geschliffen hat, misst sich selbst. Laya kam auf den bekannten Sätzen mit ein paar festen Regeln auf 28 von 30. Ein Wert, den wir fast veröffentlicht hätten, bevor uns die neuen Sätze eines Besseren belehrt haben.
Auf den 20 neuen Sätzen traf Jev 20 von 20, Laya 11 von 20. Aufgeteilt nach Sprache: Jev 10 von 10 auf Deutsch und 10 von 10 auf Englisch, Laya 4 von 10 auf Deutsch und 7 von 10 auf Englisch. Über alle 50 Sätze kam Jev auf 49 von 50, Laya auf 19 von 30 im bekannten Teil.
Die Antwortzeit lag bei Jev im Mittel bei 405 Millisekunden inklusive Internet, bei Laya bei 35 Millisekunden lokal. Die Kosten für alle 50 Anfragen: 0,0016 Dollar bei Jev, nichts bei Laya.
Jev hat einen einzigen Satz verfehlt, und zwar auf die unschädliche Art: Bei „Copy that“ hat es keine Aktion gewählt, statt die falsche auszuführen. Laya war zehnmal schneller als Jev, was wenig nützt, wenn jede zweite deutsche Anweisung daneben geht.
Unsere Messung deckt sich mit den Angaben beider Seiten. TypeSafe gibt für Jev 70 bis 500 Millisekunden von Anfrage bis Antwort an, wir lagen im Mittel bei 405. Der Laya-Entwickler misst auf einer Tesla-T4-Grafikkarte 32,8 bis 39,5 Millisekunden pro Frage, gebündelt 7,2, und wir lagen lokal bei 35.
Der Laya-Entwickler veröffentlicht seine Vergleiche offen, auch die unbequemen. Auf dem Banking77-Vergleich mit rund 77 möglichen Kategorien erreicht Jev 0,870, Laya 0,425. Die Ursache ist bauartbedingt: Laya teilt allen Antwortmöglichkeiten ein festes Kontingent an Zeichen zu. Bei vielen Optionen bleiben pro Option nur drei bis vier übrig, und die Bezeichnungen werden ununterscheidbar. Bis etwa 20 Optionen ist das kein Problem, darüber fällt die Trefferquote ab.
Umgekehrt gibt es einen Fall, in dem Laya vorn liegt. Auf einem Aufgabentyp, für den die dritte Variante eigens nachtrainiert wurde, kommt Laya auf 0,766 gegenüber 0,727 für Jev. Das ist das Muster, das wir aus vielen Projekten kennen: Ein kleines Modell, das auf genau eine Aufgabe trainiert ist, schlägt ein allgemeines Modell auf genau dieser Aufgabe. Einordnen muss man dabei zweierlei. Der Vergleich läuft auf dem Testteil eben jener Daten, und die Jev-Werte hat das Laya-Team nicht selbst gemessen, weil es keinen Zugang zur Schnittstelle hatte.
Bei mehrsprachigen Aufgaben zeigt sich unser Ergebnis auch in den veröffentlichten Zahlen. Auf einem Standardvergleich mit 20 Absichten erreicht die englische Variante 0,783, die mehrsprachige auf nicht-englischen Sprachen 0,451. Auf Skalen mit Abstufungen ist Laya schwach, dort steht 0,372.
Jede Entscheidung kommt mit einer Zahl zwischen 0 und 1. Wenn diese Zahl verlässlich ist, lässt sich eine Schwelle ziehen: Darunter passiert nichts, oder ein Mensch übernimmt. Dann sind Fehler kein Schaden mehr, sondern nur noch Mehrarbeit.
Genau hier lagen die beiden am weitesten auseinander. Bei einer Schwelle von 0,6 führte Jev in den 20 neuen Sätzen 19 Aktionen aus, alle richtig, und keine einzige falsche. Laya hätte bei derselben Schwelle 5 von 20 falsch ausgeführt: „Zeig mir Videos von Katzen auf YouTube“ hielt es zu 88 Prozent für „App öffnen“, „Ganz nach oben“ hätte die Lautstärke verstellt. Selbstbewusst daneben ist der teuerste Fehler, den ein Modell machen kann, weil keine Schwelle ihn abfängt.
Der Entwickler dokumentiert das offen. Seine Modelle kommen ab Werk zu selbstsicher aus dem Training, der Kalibrierungsfehler liegt zwischen 0,213 und 0,466. Nach einer Nachjustierung, die man mit eigenen Beispielen in wenigen Minuten erledigt, sinkt er auf 0,081 bis 0,106. Diese Nachjustierung ist bei einem lokalen Einsatz kein Detail, sondern ein Pflichtschritt. Das drastischste Beispiel steht ebenfalls im Repository: Die englische Variante erreicht auf Khmer eine Trefferquote von 0,000 bei 95,2 Prozent Zuversicht. Sein Gegenmittel ist der vorgeschaltete Schrifterkenner. Für Deutsch hilft der nicht, weil Deutsch und Englisch dieselbe Schrift benutzen.
Im späteren Alltagsbetrieb mit Jev haben wir dieselbe Mechanik von der guten Seite gesehen. Auf „Gehe auf den Reiter WLAN“, etwas, das keine der zwölf Aktionen abdeckt, riet Jev auf den Dunkelmodus, aber nur mit 0,38. Die Schwelle hat es gestoppt, und es passierte schlicht nichts. Das ist das Verhalten, das man in einem Geschäftsprozess braucht.
Sprachsteuerung ist die Vorführung, nicht der Nutzen. Der Nutzen liegt überall dort, wo heute jemand etwas einsortieren muss, bevor die eigentliche Arbeit beginnt. Jede eingehende Mail, jedes Ticket, jede Formularanfrage braucht eine Zuordnung: Wer ist zuständig, wie dringend ist es, ist es eine Beschwerde, ist es Spam, will der Kunde kündigen? Das erledigt heute ein Mensch im Posteingang oder ein großes Sprachmodell, das für diese Aufgabe deutlich überqualifiziert und entsprechend teuer ist.
Die Rechnung dazu: Bei 10.000 Anfragen im Monat und ungefähr 500 Zeichen Kontext je Anfrage liegen die Modellkosten bei Jev im niedrigen einstelligen Eurobereich pro Monat. Ein großes Sprachmodell kostet für dieselbe Menge ein Vielfaches und braucht statt einer halben Sekunde mehrere. Der sinnvolle Aufbau ist deshalb zweistufig: Das schnelle Modell entscheidet, das große Modell formuliert nur dort, wo wirklich Text entstehen muss.
Bei der Frage lokal oder Cloud geht es weniger um Rechenleistung als um Inhalte. Wer Kundenkommunikation verarbeitet, schickt mit jeder Anfrage personenbezogene Daten an einen Anbieter in den USA. Das ist regelbar, braucht aber einen Auftragsverarbeitungsvertrag und eine bewusste Entscheidung. Ein lokales Modell umgeht das vollständig. Nach unserem Test taugt Laya dafür aber nur, wenn man es mit eigenen Beispielen nachtrainiert, die Wahrscheinlichkeiten nachjustiert und die Aufgabe auf wenige, klar getrennte Kategorien beschränkt. Das ist Aufwand, und dieser Aufwand ist die eigentliche Projektarbeit.
Drei Dinge gehören in jedes solche Projekt: eine Zuversichtsschwelle mit einem definierten Weg für die Fälle darunter, eine Messung auf Sätzen, die bei der Entwicklung niemand gesehen hat, und ein Protokoll jeder Entscheidung, damit man nach vier Wochen weiß, wie gut das System tatsächlich läuft.
Für die Praxis ist Jev heute die bessere Wahl, und zwar nicht wegen der Geschwindigkeit, sondern weil man seinen Wahrscheinlichkeiten trauen kann. Laya ist ein bemerkenswertes Einzelprojekt und die richtige Wahl, wenn Daten den Rechner nicht verlassen dürfen, die Aufgabe wenige Kategorien hat und man bereit ist, das Modell auf die eigenen Daten nachzutrainieren.
Was wir nicht wissen: 50 Sätze sind eine kleine Stichprobe, und es waren kurze, klar gesprochene Befehle. Über längere Texte, Fachsprache und verschachtelte Anfragen sagt unser Test nichts. Beide Modelle sind wenige Tage alt, und die Zahlen von heute können in drei Monaten überholt sein. Wer darauf einen Geschäftsprozess aufbaut, sollte das Protokoll mitlaufen lassen und selbst nachmessen.
Stand: 23. September 2026. Eigene Messungen vom 22.09.2026 auf einem MacBook Pro mit M1 Pro. Quellen: TypeSafe AI, „Introducing System One Models & Jev“ und Dokumentation · Laya auf GitHub (NandhaKishorM/laya), README und BENCHMARKS · OpenRouter, Entscheidungs-Endpunkt und Modellseite · Berichte zur Finanzierungsrunde vom 15./16.09.2026. Alle Quellen am 23.09.2026 abgerufen.
Entstehung: Dieser Artikel wurde mit Unterstützung von KI geschrieben und von uns inhaltlich gegengeprüft. Die Messwerte stammen aus unserem eigenen Test.
Dieser Beitrag dient der allgemeinen Information. Ob und wie Sie ein Modell in der Cloud einsetzen dürfen, hängt von Ihrem Einzelfall ab und braucht eine eigene datenschutzrechtliche Prüfung, etwa zu Auftragsverarbeitung und Drittlandtransfer. Wir übernehmen keine Gewähr für Richtigkeit, Vollständigkeit und Aktualität der Angaben. Eine Haftung für Schäden aus der Nutzung dieser Informationen ist ausgeschlossen, soweit gesetzlich zulässig.