From 8a650606d5125e82f005f2e22e638e800fbfc2ee Mon Sep 17 00:00:00 2001 From: Hector Date: Sat, 19 Sep 2026 01:40:41 +0200 Subject: [PATCH] ingest(youtube): gary explains jev (rezeption, metadata-only) --- .../2026-09-18_gary-explains-jev-caveat.md | 36 +++++++++++++++++++ wiki/concepts/llm/system-one-models-jev.md | 6 +++- wiki/index.md | 4 ++- wiki/log.md | 9 +++++ 4 files changed, 53 insertions(+), 2 deletions(-) create mode 100644 raw/youtube/2026-09-18_gary-explains-jev-caveat.md diff --git a/raw/youtube/2026-09-18_gary-explains-jev-caveat.md b/raw/youtube/2026-09-18_gary-explains-jev-caveat.md new file mode 100644 index 0000000..195feb2 --- /dev/null +++ b/raw/youtube/2026-09-18_gary-explains-jev-caveat.md @@ -0,0 +1,36 @@ +--- +type: youtube +source_url: https://youtu.be/qdji39XXgEY +retrieved: 2026-09-18 +has_transcript: false +title: "Jev From TypeSafe is a New Class of AI Model that is FAST and CHEAP - But There is a Caveat!" +author: "Gary Explains (youtube.com/@GaryExplains)" +tags: [youtube, typesafe, jev, system-one-models, rezeption] +--- + +# Gary Explains — „Jev From TypeSafe is a New Class of AI Model that is FAST and CHEAP - But There is a Caveat!" + +## Quellenkontext + +Video von **Gary Explains** (englischer Tech-Erklärkanal), veröffentlicht **18.09.2026**; in der OME-Gruppe von plebcoach Andreas geteilt (18.09.2026). **Kein Transkript verfügbar** (keine `captionTracks` auf der Watch-Seite); die Angaben unten stammen aus oembed-Metadaten und der Videobeschreibung. + +## Metadaten + +- **Titel:** „Jev From TypeSafe is a New Class of AI Model that is FAST and CHEAP - But There is a Caveat!" +- **Kanal:** Gary Explains +- **Datum:** 18.09.2026 +- **Aufrufe zum Abruf:** 17.324 (18.09.2026) + +## Beschreibung (wörtlich) + +> „Jev is a new class of AI model from TypeSafe. It is FAST and CHEAP, but there is a caveat, it isn't an LLM. It is a model that understands natural language but it replies with structured responses along with a confidence level." + +Verweise in der Beschreibung: X `/garyexplains`, GitHub `github.com/garyexplains`. + +## Inhaltliche Einordnung + +Der Titel-Claim deckt sich mit der bereits dokumentierten Sache (`wiki/concepts/llm/system-one-models-jev.md`): Jev ist kein Textgenerator, sondern ein Modell für **strukturierte Entscheidungen mit Konfidenzwert**. Der Beitrag ist damit kein neuer Faktenlieferant, sondern ein **Rezeptions-Signal** — Jev erreicht die englischsprachige Mainstream-Tech-Erkläre­bene, zwei Tage nach der Ankündigung. + +## Abgrenzung + +⚠️ Kein Transkript: Der Inhalt des Videos ist **nicht** im Einzelnen ausgewertet; Zahlen und Aussagen im Video sind hier nicht wiedergegeben. Die im Videotitel und in der Beschreibung genannten „FAST and CHEAP"-Claims sind Hersteller-vermittelte Angaben, keine unabhängige Messung. Für die geprüfte Zahlenlage (193,6× / 444,6×, Quellenkritik der Benchmarks, Type-Safety vs. Wahrheitsgarantie) gilt weiterhin die Wiki-Hauptseite. diff --git a/wiki/concepts/llm/system-one-models-jev.md b/wiki/concepts/llm/system-one-models-jev.md index 304268e..c759772 100644 --- a/wiki/concepts/llm/system-one-models-jev.md +++ b/wiki/concepts/llm/system-one-models-jev.md @@ -1,7 +1,7 @@ --- created: 2026-09-17 updated: 2026-09-18 -sources: [blog/2026-09-15_typesafe-system-one-models-jev.md, blog/2026-09-15_every-mike-taylor-jev-vibe-check.md, youtube/2026-09-17_aicopium-typesafe-jev.md, blog/2026-09-16_theregister-typesafe-jev-doom.md, blog/2026-09-16_vercel-jev-ai-gateway.md, xpost/2026-09-18_gregisenberg-jev-vercel-gateway.md, xpost/2026-09-15_almeida-jev-launch-post.md, youtube/2026-09-18_berman-jev.md, other/2026-09-17_typesafe-workflow-evals.md, blog/2026-09-17_devto-jev-vs-luna-bake-off.md, other/2026-09-18_typesafe-docs-jev-spezifikation.md, xpost/2026-09-18_cjzafir-jev-3-40-dollar-erfahrung.md] +sources: [blog/2026-09-15_typesafe-system-one-models-jev.md, blog/2026-09-15_every-mike-taylor-jev-vibe-check.md, youtube/2026-09-17_aicopium-typesafe-jev.md, blog/2026-09-16_theregister-typesafe-jev-doom.md, blog/2026-09-16_vercel-jev-ai-gateway.md, xpost/2026-09-18_gregisenberg-jev-vercel-gateway.md, xpost/2026-09-15_almeida-jev-launch-post.md, youtube/2026-09-18_berman-jev.md, other/2026-09-17_typesafe-workflow-evals.md, blog/2026-09-17_devto-jev-vs-luna-bake-off.md, other/2026-09-18_typesafe-docs-jev-spezifikation.md, xpost/2026-09-18_cjzafir-jev-3-40-dollar-erfahrung.md, youtube/2026-09-18_gary-explains-jev-caveat.md] tags: [concept, llm, typesafe, jev, system-one-models, rlcd, structured-outputs, calibrated-decisions, parallel-sampling, inference-cost, automation, harness] --- @@ -163,6 +163,10 @@ Der Launch-Post von Diogo Almeida ([@CompleteSkeptic](https://x.com/CompleteSkep Neben Benchmarks und Verteilung entstand eine Welle öffentlicher Bauprojekte — Doom, Wikipedia-Races, Kleinstadt-Simulation, Schach gegen Frontier-LLMs, Ad-Blocker, Jev-Modellrouter. Diese Demos zeigen das Modell **im Loop** und liefern damit Evidenz, die kein Standard-Eval abfragt. Abstufung, Gegenprüfung und Grenzen: [[jev-praxis-demos.md]]. +## Rezeption in der Erklärebene (18.09.2026) + +Zwei Tage nach der Ankündigung erreicht Jev die allgemeine Tech-Erklärebene: **Gary Explains** veröffentlichte am 18.09.2026 ein Video („…is a New Class of AI Model that is FAST and CHEAP - But There is a Caveat!"), dessen Beschreibung den Kern sauber benennt: Jev ist **kein LLM**, sondern „versteht natürliche Sprache und antwortet mit strukturierten Antworten samt Konfidenzwert". Kein neuer Faktenlieferant, sondern ein Verbreitungssignal. Metadata-only, kein Transkript: `raw/youtube/2026-09-18_gary-explains-jev-caveat.md`. + ## Offene Punkte - ⚠️ **Alle Leistungszahlen sind Anbieterangaben** außer dem einen Every-Einzeltest (37 Dokumente, 12 Passagen, 1.709 Judgments). Keine peer-reviewte Evaluation, keine breite Fremdprüfung. diff --git a/wiki/index.md b/wiki/index.md index aa8e62d..6f231e0 100644 --- a/wiki/index.md +++ b/wiki/index.md @@ -2,7 +2,8 @@ *Auto-generated: 2026-07-07* -*Letzte Aktualisierung: 2026-09-18 (225. Update — Jev-Spezifikation aus den Anbieter-Docs + erster Nutzungs-Kostenwert. Anlass: X-Post von CJ Zafir („I burned **$3.40 on Jev in 24 hours**. It's not Jev vs current LLMs. It'll be Jev + LLMs") von Pit in OME Topic „JEV" (22:48 UTC). **Lokal gelesen:** [docs.typesafe.ai/models](https://docs.typesafe.ai/models) (HTTP 200, 338.781 Byte) — Modell **Jev 1.13 / `jev-1.13.0`**, $42/Btok bzw. $0,042/Mtok Input, Output kostenlos, **Rate Limits 250.000 Token/Sekunde · 1.200 Requests/Minute**, **Kontext 64k pro Request / 32k für State + längste Frage**, **Eingabe nur Text — keine Bild-, Audio- oder Video-Eingabe**. Zwei Korrekturen damit belegt: (a) die kursierende „32k-Kontext"-Angabe ist die **engere** der beiden Grenzen (CJ Zafir nennt nur sie), das versprochene **1M-Fenster hat in der Doku keine Grundlage**; (b) **Text-Only relativiert die Desktop-/Browser-Demos** — ein Agent muss den Bildschirmzustand erst in Text übersetzen, Jev „sieht" nichts (betrifft direkt die Andy-Gao-Demo). **Kosten-Gegenrechnung:** $3,40 / $0,042 pro MTok ≈ **81 Mio. Input-Token** — rund **19 Durchläufe** des bekannten 4,2-Mio.-Postfachs (1.700 Mails). Erster Ausgabenwert aus echter Nutzung (bisher nur Anbieterpreise). Weitere Befunde zum Post: Kernthese „Jev + LLMs" (System-1-Controller für Routing/Tool-Wahl/Scoring) trägt; ⚠️ „lernt aus einem Prompt" überzeichnet (Konfiguration, nicht Lernen); Punkte 3/4/5/7/8/9/10 decken sich mit Doku-Anbieterangaben (Choice/Score/Noul, paralleles Sampling, RLCD, 70–500 ms, 193,6×/444,6× als Spannen-Obergrenzen). Wiki: `people/cj-zafir.md` (neu); Update `concepts/llm/system-one-models-jev.md` (neuer Abschnitt „Spezifikation (Anbieter-Docs)" mit Doku-Tabelle und den zwei Korrekturen). Raw: `raw/other/2026-09-18_typesafe-docs-jev-spezifikation.md` (neu), `raw/xpost/2026-09-18_cjzafir-jev-3-40-dollar-erfahrung.md` (neu).)* +*Letzte Aktualisierung: 2026-09-18 (226. Update — Jev-Rezeption in der Erklärebene: Gary-Explains-Video (18.09.2026, „FAST and CHEAP - But There is a Caveat!", 17.324 Aufrufe; kein Transkript) — Beschreibung benennt Jev als „kein LLM", sondern strukturierte Antworten mit Konfidenzwert. Raw: `raw/youtube/2026-09-18_gary-explains-jev-caveat.md` (neu, metadata-only). Wiki-Update: `concepts/llm/system-one-models-jev.md` (Abschnitt Rezeption; eingeordnet als Verbreitungssignal, kein neuer Faktenlieferant).) +*Vorherige Aktualisierung: 2026-09-18 (225. Update — Jev-Spezifikation aus den Anbieter-Docs + erster Nutzungs-Kostenwert. Anlass: X-Post von CJ Zafir („I burned **$3.40 on Jev in 24 hours**. It's not Jev vs current LLMs. It'll be Jev + LLMs") von Pit in OME Topic „JEV" (22:48 UTC). **Lokal gelesen:** [docs.typesafe.ai/models](https://docs.typesafe.ai/models) (HTTP 200, 338.781 Byte) — Modell **Jev 1.13 / `jev-1.13.0`**, $42/Btok bzw. $0,042/Mtok Input, Output kostenlos, **Rate Limits 250.000 Token/Sekunde · 1.200 Requests/Minute**, **Kontext 64k pro Request / 32k für State + längste Frage**, **Eingabe nur Text — keine Bild-, Audio- oder Video-Eingabe**. Zwei Korrekturen damit belegt: (a) die kursierende „32k-Kontext"-Angabe ist die **engere** der beiden Grenzen (CJ Zafir nennt nur sie), das versprochene **1M-Fenster hat in der Doku keine Grundlage**; (b) **Text-Only relativiert die Desktop-/Browser-Demos** — ein Agent muss den Bildschirmzustand erst in Text übersetzen, Jev „sieht" nichts (betrifft direkt die Andy-Gao-Demo). **Kosten-Gegenrechnung:** $3,40 / $0,042 pro MTok ≈ **81 Mio. Input-Token** — rund **19 Durchläufe** des bekannten 4,2-Mio.-Postfachs (1.700 Mails). Erster Ausgabenwert aus echter Nutzung (bisher nur Anbieterpreise). Weitere Befunde zum Post: Kernthese „Jev + LLMs" (System-1-Controller für Routing/Tool-Wahl/Scoring) trägt; ⚠️ „lernt aus einem Prompt" überzeichnet (Konfiguration, nicht Lernen); Punkte 3/4/5/7/8/9/10 decken sich mit Doku-Anbieterangaben (Choice/Score/Noul, paralleles Sampling, RLCD, 70–500 ms, 193,6×/444,6× als Spannen-Obergrenzen). Wiki: `people/cj-zafir.md` (neu); Update `concepts/llm/system-one-models-jev.md` (neuer Abschnitt „Spezifikation (Anbieter-Docs)" mit Doku-Tabelle und den zwei Korrekturen). Raw: `raw/other/2026-09-18_typesafe-docs-jev-spezifikation.md` (neu), `raw/xpost/2026-09-18_cjzafir-jev-3-40-dollar-erfahrung.md` (neu).)* *Vorherige Aktualisierung: 2026-09-18 (224. Update — Jev als Desktop-Agent: sprachgesteuerter Mac-Computer-Use (Andy Gao) — **lokal geprüft**. Anlass: X-Link von Pit in OME Topic „JEV" (22:45 UTC). Post: 563-Follower-Account, aber **139.442 Views / 2.038 Likes** in ~17,6 h. **Video lokal ausgewertet** (6,58 MB, 48 s): STT-Transkript (Grok STT, `en`, 428 Zeichen) + **9 Standbilder** (imageio-ffmpeg nachinstalliert, da das `ffmpeg-static`-Symlink-Ziel fehlt). **Kernaussage am Material bestätigt:** Standbild Sekunde 6 zeigt das Overlay „…en up the Notes app for me? And, um," bei **bereits offenem Notes-Fenster**; Sekunde 12 zeigt „…ew node, let's make the title say hello." bei **bereits angelegter Notiz mit Titel „hello"** — Zielzustände sichtbar, während der Satz noch läuft. Damit ist die Post-Behauptung „opens before I even finish my sentence" für diesen Ablauf belegt (belastbarste Einzelaussage der ganzen Demo-Welle). Kette: Notes → neue Notiz → Arc → Google „Norbert Wiener" → x.com → Photo Booth (Countdown, Auslösung). Screenshot-Analyse fand **kein Terminal, kein Schema, keine Latenz-/Modellangabe** — nur Desktop-Ablauf mit Live-Transkript-Overlay. ⚠️ Keine Messung, kein Code/Repo, kein Nachweis des Jev-Anteils (ein lokales STT + Schlüsselwort-Matching würde dieselben Bilder erzeugen), nur lokal skriptbare Standard-Apps. Wiki: `concepts/agents/jev-sprachsteuerung-computer-use.md` (neu — Demo-Auswertung, Prüfung der Kernaussage, Gegenstück zur Schach-Lehre), `people/andy-gao.md` (neu); Update `concepts/llm/jev-praxis-demos.md` (Zeile + Cross-Ref). Raw: `raw/xpost/2026-09-18_andy-gao-jev-voice-computer-use.md` (neu).)* *Vorherige Aktualisierung: 2026-09-18 (223. Update — Jev-Episode per Briefing-Transcript: Token-Aufschlüsselung und Episodenzahlen. Anlass: Pit postete in OME Topic „JEV" das fertige deutsche Audio-Briefing (09:42) zur Episode „Jev is HERE. How to use it" (Isenberg/Vogel) als mp4. **Transkribiert** mit `~/workspace/scripts/grok-stt.sh --language de` (xAI Grok STT, 8.677 Zeichen, exit 0; STT-Fehler im Rohtext belassen: JEF/Jeff/Jed=Jev, Eisenberg=Isenberg, Ryan Fogel=Vogel, Vessel Gateway=Vercel AI Gateway). **Neue Zahlen:** 1.700 E-Mails · **4,2 Mio. Input-Token · 500k Output-Token · 18 US-Cent** (gegen `4,2 Mio. × $0,042 = $0,176` gerechnet → plausibel; die „~$0,16" einer Auto-Videobeschreibung ist Rundungsvariante), **~200 ms pro Anfrage** (⚠️ Briefing-Verdichtung der 70–500-ms-Spanne), **17 Highlights aus 1,1 Mio. Token in ~3 s** (Clipping), **Flug Zürich→London in 7,1 s** vs. 1–3 min bei herkömmlichen Agenten, Lead-Score 0–1 mit „98 % Qualität". ⚠️ Nur im Briefing, kein Originaltranscript — alle Episodenzahlen nicht am Original prüfbar. **These des Briefings:** Arbeit verschiebt sich „zu 100 % auf das Design der Aufgabenstruktur" — nicht Antworten sind das Produkt, sondern **Kategorien-Design**. Wiki: `concepts/llm/jev-vercel-ai-gateway.md` (neuer Abschnitt „Episodeninhalt (Briefing-Transkript)", Kennzahlen-Tabelle, 18-Cent-Herkunft präzisiert). Raw: `raw/other/2026-09-18_herman-briefing-jev-transcript.md` (neu — Volltext + Zahlen-Deckungstabelle).)* *Vorherige Aktualisierung: 2026-09-18 (222. Update — Jev-Benchmarklage: Evals-Seite lokal ausgewertet + Vercel-`fx`-Guardrail-Tausch + Label-Kritik. Anlass: Zusammenfassung von DeltaKralle (@DeltaKrallenbot) in OME Topic „JEV", die Jev als „auf Augenhöhe mit Luna/Terra/Sonnet 5, **über Opus 5**" beschreibt — **invertiert**. **Lokal verifiziert:** [evals.typesafe.ai](https://evals.typesafe.ai/) HTTP 200/65.008 Byte, Text vollständig extrahierbar. Aggregat (Workflow-Modus, vier Workflows gleichgewichtet): **Jev 67,8 % · $0,0004 · 0,4 s** · luna 66,8 %/$0,0033/12,9 s · terra **67,9 %**/$0,0304/10,1 s · sonnet 5 **67,8 %**/$0,1174/78,1 s · **sol 74,1 %**/$0,0836/23,3 s · **opus 5 73,1 %**/$0,1761/37,8 s · haiku 4.5 53,6 % · DS v4 flash 64,4 % · DS v4 pro 65,5 %. Jev liegt also **auf Augenhöhe mit Terra/Sonnet 5, einen Punkt über Luna — und ~5 Punkte UNTER Opus 5 sowie ~6 unter Sol.** Je Workflow streut das Mittel stark: Customer Service 76,0 % (sol 78,3), Agent Trace 71,6 % (sol 76,6), Security Incidents 61,7 % (opus 5 66,2), **Invoice Processing 61,8 % (sol 79,1 — fast 18 Punkte zurück)**. Referenzlabels = Durchschnitt aus GPT-6 Astra + Fable 5.1 (kein Mensch, keine Ground Truth; wer gegen einen gemeinsamen Blindfleck richtig liegt, wird abgewertet); Seite legt Harness-Annahme offen („we assume that the code is correct"). **Zweiter Neubefund:** Vercel-CEO Guillermo Rauch ([@rauchg](https://x.com/rauchg), 871.158 Follower) tauscht den Sicherheits-Reviewer in `fx` (Modus „auto", prüft jeden Befehl) von GPT-5.6 Luna auf Jev — „up to 18x faster (p95) and more accurate", „likely new default"; Vercel-Bauer Pranit (@fazxes): „~5-18x faster and more accurate". ⚠️ **Benchmark nicht veröffentlicht.** Wiki: `people/gabriel-anhaia.md` (neu — Autor der Label-Kritik + Prüf-Maßstab für Guardrail-Tausche); Update `concepts/llm/system-one-models-jev.md` (neue Abschnitte „Benchmark-Lage" und „Guardrail-Tausch bei Vercel fx", Genauigkeits-Fehllektüre markiert, offene Punkte korrigiert). Raw: `raw/other/2026-09-17_typesafe-workflow-evals.md` (neu), `raw/blog/2026-09-17_devto-jev-vs-luna-bake-off.md` (neu).)* @@ -729,3 +730,4 @@ | `raw/other/2026-09-18_typesafe-docs-jev-spezifikation.md` | other | TypeSafe **Docs-Spezifikation** (https://docs.typesafe.ai/models + /primitives, lokal gelesen, HTTP 200): Jev **1.13 / `jev-1.13.0`**, $42/Btok bzw. $0,042/Mtok, Output frei, **250.000 Token/s · 1.200 Requests/min**, **64k pro Request / 32k für State + längste Frage**, **Eingabe nur Text** (keine Bild-/Audio-/Video-Eingabe). Primitive: Noul/Choice/Score, eine Frage ist eine Frage („no context-rot" beim Hinzufügen). Rate-Limit-Abgleich: 1,1 Mio. Token ≈ 4,4 s theoretische Mindestdauer gegen die 3 s des Briefings. Wiki: `concepts/llm/system-one-models-jev.md` | | `raw/xpost/2026-09-18_cjzafir-jev-3-40-dollar-erfahrung.md` | xpost | CJ Zafir (@cjzafir, 64.375 Follower): „I burned $3.40 on Jev in 24 hours. It's not Jev vs current LLMs. It'll be Jev + LLMs" (https://x.com/cjzafir/status/2100991512020725788, 18.09.2026 16:53 UTC; 33.238 Views / 517 Likes; geteilt von Pit in OME Topic „JEV"). Zehn Punkte mit Volltext-Prüfung: ✅ Punkte 3/4/5/7/8/9/10 dokukonform; ⚠️ Punkt 2 („learn from 1 prompt" = Konfiguration) und Punkt 6 (32k→1M-RAG) überzeichnet; Text-Only-Grenze nicht erwähnt. Kosten-Gegenrechnung ≈81 Mio. Input-Token. Wiki: `people/cj-zafir.md` (neu) | | `raw/xpost/2026-09-15_almeida-jev-launch-post.md` | xpost | Diogo Almeida ([@CompleteSkeptic](https://x.com/CompleteSkeptic), 113.333 Follower; Bio „co-created RLHF/ChatGPT @ @openai … (ceo @typesafeai)"): **Jev-Launch-Post** (15.09.2026 18:17 UTC, 34.903.594 Views / 69.647 Likes bei Abruf). Wortlaut: „After co-inventing ChatGPT…"; Zahlen als **Spannen** „20-200x faster / 40-400x cheaper (w/ output tokens free)" — die kursierenden 200×/400× sind die Obergrenzen. Wiki: `people/diogo-almeida.md` (Launch-Post-Abschnitt), `concepts/llm/system-one-models-jev.md` | +| `raw/youtube/2026-09-18_gary-explains-jev-caveat.md` | youtube | Gary Explains (18.09.2026, geteilt von plebcoach Andreas in OME): „Jev From TypeSafe is a New Class of AI Model that is FAST and CHEAP - But There is a Caveat!" — 17.324 Aufrufe beim Abruf; **kein Transkript** (keine captionTracks), Angaben aus oembed + Videobeschreibung. Beschreibung: „Jev is a new class of AI model from TypeSafe. It is FAST and CHEAP, but there is a caveat, it isn't an LLM. It is a model that understands natural language but it replies with structured responses along with a confidence level." Wiki: `concepts/llm/system-one-models-jev.md` (Rezeptions-Abschnitt). ⚠️ Videoinhalt nicht ausgewertet; Zahlen im Video = Hersteller-vermittelt | diff --git a/wiki/log.md b/wiki/log.md index ea28b0e..b8cb65c 100644 --- a/wiki/log.md +++ b/wiki/log.md @@ -2,6 +2,15 @@ *Append-only changelog. Start: 2026-06-05* +## 2026-09-18 — Jev-Rezeption: Gary-Explains-Video („FAST and CHEAP - But There is a Caveat!") + +**Type:** ingest | **Scope:** raw/youtube, wiki/concepts/llm, wiki/index, wiki/log +**Source:** plebcoach Andreas teilte in der OME-Gruppe https://youtu.be/qdji39XXgEY (18.09.2026, 23:37 UTC) mit Bitte um Einschätzung. +**Inhalt:** Video von **Gary Explains**, 18.09.2026, 17.324 Aufrufe beim Abruf. **Kein Transkript verfügbar** (keine `captionTracks`); Angaben stammen aus oembed-Metadaten und der Videobeschreibung. Kernaussage der Beschreibung: Jev ist kein LLM, sondern antwortet mit strukturierten Antworten samt Konfidenzwert. +**Einordnung:** Kein neuer Faktenlieferant — die geprüfte Faktenlage steht bereits in `concepts/llm/system-one-models-jev.md` (Anbieterzahlen 193,6×/444,6×, Quellenkritik, Type-Safety vs. Wahrheitsgarantie, Every-Einzeltest). Das Video ist ein **Verbreitungssignal**: Jev erreicht zwei Tage nach der Ankündigung die allgemeine englischsprachige Erklärebene. +**Diskussionsstand:** HermanButlerBot ordnete Jev als zugeschnittenes Klassifikationsprodukt ein (stark bei Triage/Routing/Moderation, Kalibrierung pro Anwendungsfall zu messen, Logik-Fail im Video gezeigt, 193×/440× = Marketing ohne Protokoll, kein Ersatz für Agentenarchitektur), und verknüpfte es mit Stefan Weimars Meetup-Punkt: Der Gewinn entsteht durch die vorab definierte Aufgabe, nicht durch das Modell allein. +**Dateien:** raw (NEW) `raw/youtube/2026-09-18_gary-explains-jev-caveat.md`; wiki (UPDATED) `wiki/concepts/llm/system-one-models-jev.md` (Rezeptions-Abschnitt + Frontmatter-Source); `wiki/index.md` (226. Update-Zeile, Raw-Row); `wiki/log.md`. + ## 2026-09-18 — Jev: Anbieter-Spezifikation aus den Docs + erster Nutzungs-Kostenwert **Type:** ingest + wiki-update | **Scope:** raw/other, raw/xpost, wiki/concepts/llm, wiki/people, wiki/index, wiki/log