---
type: youtube
source_url: https://www.youtube.com/watch?v=ymgH8jS6Wb8
retrieved: 2026-09-19
channel: "Nate Herk | AI Automation"
author_url: https://www.youtube.com/@nateherk
duration_sec:
has_transcript: false
tags: [jev, typesafe-ai, nate-herk, praxistest, email-triage, kommentar-routing, evals, golden-dataset, kosten, rezeption]
---

# Nate Herk: „I Tested Jev on 12 Real Use Cases. My Honest Thoughts." (19.09.2026)

## Metadaten (lokal verifiziert, Abruf 19.09.2026 ~21:25 UTC)

- **Titel:** „I Tested Jev on 12 Real Use Cases. My Honest Thoughts." (YouTube-oEmbed)
- **Kanal:** **Nate Herk | AI Automation** ([@nateherk](https://www.youtube.com/@nateherk))
- **Video-ID:** `ymgH8jS6Wb8`
- **Aufrufe beim Abruf:** **13.549**
- **Länge:** ~16:08 (Angabe aus dem Bot-Briefing; auf der Watch-Seite kein `lengthSeconds`-Feld auslesbar)
- **Veröffentlicht:** 19.09.2026 (Tagesangabe aus dem Begleitkontext; kein `publishDate` im Seitencode)
- **Geteilt von:** Pit Weber, OME Topic „JEV", 19.09.2026 21:24 UTC
- **Kein Transkript:** 0 × `captionTracks`; yt-dlp scheitert erneut am Bot-Check („Sign in to confirm you're not a bot", auch mit `--js-runtimes node`)

## Beschreibung (wörtlich, aus der strukturierten Videobeschreibung)

> Jev is an AI model built to make fast, low-cost decisions instead of writing or chatting.
>
> In this video, I test it across 12 real use cases, compare its speed and cost with traditional models, and show live builds including an X feed classifier and a real-time paper-trading prototype. You'll see where Jev fits, where it does not, and how to evaluate it before adding it to a production automation.

Kapitelmarken der Beschreibung:

```
0:00  12 Jev Use Cases
0:41  What Jev Is
2:40  Speed, Cost & Limits
5:28  Email Classification Benchmark
8:33  Comments, Communities & Automations
10:00 X Feed Chrome Extension
10:57 Meetings & Video Clips
12:50 Evals & More Use Cases
14:13 Real-Time Trading & Handoffs
15:45 Final Thoughts
```

Sponsor/Partner in der Beschreibung: Glaido (Sprach-zu-Text, Affiliate-Code), Hostinger (VPS, Rabattcode) — **werbliche Einbettung vorhanden**, aber nicht als „paid promotion" ausgewiesen.

## Zahlen aus dem Video (über das Bot-Briefing von Herman, nicht am Video verifiziert)

⚠️ **Diese Werte stammen aus der Zusammenfassung von HermanButlerBot im OME-Topic, nicht aus eigener Videoauswertung** (kein Transkript erreichbar). Die Beschreibung stützt nur die Themen (E-Mail-Klassifikations-Benchmark, X-Feed-Classifier, Paper-Trading-Prototyp, „wie man vor dem Produktiveinsatz evaluiert").

| Test | laut Briefing |
|------|----------------|
| 1.000 E-Mails, 7 Entscheidungsregeln | zuerst ~**70 s / 9 Cent**, nach Parallelisierung **~6 s / 9 Cent** |
| Vergleich im Video: LLM-Workflow für dasselbe | ~**5 min / 62 Cent** |
| 1.000 E-Mails, eine Ja/Nein-Regel | ~**4 s / 5 Cent** |
| 1.000 YouTube-Kommentare | ~**5 s / 5 Cent** |
| Jev-Dashboard | knapp **20.000 Requests für 85 Cent** |

## Eigene Rechnung (19.09.2026)

Grundlage: dokumentierter Preis **$0,042/MTok Input**, dokumentierte Rate Limits **250.000 Token/s · 1.200 Requests/Minute** (`raw/other/2026-09-18_typesafe-docs-jev-spezifikation.md`).

**a) Die Kostenwerte sind intern konsistent und passen zum Preismodell.**

| Angabe | Ableitung aus dem Preis | Token pro Einheit |
|--------|------------------------|-------------------|
| 9 Cent (1.000 Mails, 7 Regeln) | **2,14 Mio. Token** | ~**2.143 Token pro Mail** |
| 5 Cent (1.000 Mails, 1 Regel) | **1,19 Mio. Token** | ~**1.190 Token pro Mail** |
| 5 Cent (1.000 Kommentare) | **1,19 Mio. Token** | ~**1.190 Token pro Kommentar** |
| 85 Cent (20.000 Requests) | **20,24 Mio. Token** | ~**1.012 Token pro Request** |

Die Differenz zwischen der 7-Regel- und der 1-Regel-Variante (≈950 Token) entspricht rund **160 Token pro zusätzlicher Frage** — plausible Größenordnung für kurze Frageformulierungen. Die 1.012 Token pro Request aus dem Dashboard liegen zwischen den beiden Mail-Werten und sind mit beiden vereinbar.

**b) Die Laufzeiten liegen dagegen an oder über den dokumentierten Rate Limits.**

| Lauf | Token (aus dem Preis) | nötige Rate | dokumentiertes Limit |
|------|----------------------|-------------|----------------------|
| 6 s für 2,14 Mio. Token | 2,14 Mio. | **~357.000 Token/s** | 250.000 Token/s → **1,43× darüber** |
| 4 s für 1,19 Mio. Token | 1,19 Mio. | ~298.000 Token/s | → **1,19× darüber** |
| 5 s für 1,19 Mio. Token | 1,19 Mio. | ~238.000 Token/s | ✅ innerhalb |
| 70 s für 2,14 Mio. Token (erster Lauf) | 2,14 Mio. | ~30.600 Token/s | ✅ weit innerhalb |

Zusätzlich die Request-Seite: Bei **einem Aufruf pro Mail** wären 1.000 Requests in 6 s rechnerisch **10.000 Requests/Minute** — das Achtfache des dokumentierten Limits von 1.200. Möglich ist das nur, wenn **mehrere Mails pro Aufruf gebündelt** werden (die 64k/32k-Kontextgrenzen erlauben bei ~2.100 Token pro Mail etwa 14 Mails pro Request), oder wenn für den Lauf ein höheres Kontingent galt. Die Zeitangaben des Videos sind damit **nicht als Widerspruch geführt, sondern als offene Frage**: entweder sind die Doku-Limits konservativ, oder es wurde ein erhöhtes Kontingent genutzt, oder die Stoppuhr ist optimistisch.

## Weitere Angaben aus dem Briefing (nicht am Video verifiziert)

- **Anwendungen:** E-Mail-/Support-Triage (Rechnung, Scam, Dringlichkeit, zuständiges Team, Sponsor-Fit); Kommentar-/Community-Routing (Antwort nötig, Kaufinteresse, Ideen, Sentiment, Churn-Risiko); X-Chrome-Erweiterung („Breaking", „Golden Nugget", „AI Slop"); Vorfilter für Clips, CRM-Einträge, Meeting-Transkripte, Verträge, Leads; Prototyp Paper-Trading.
- **Grenzen laut Video:** Jev ersetzt kein LLM — es schreibt nicht, fasst nicht frei zusammen, erkennt keine offenen/unbekannten Muster; es braucht vorab definierte Fragen, Kategorien und Skalen. Für Browser-Steuerung muss es an ein Modell oder Werkzeug übergeben, das tatsächlich handelt.
- **Empfehlung des Autors:** **Evals mit Golden Dataset** gegen stärkere LLMs — Genauigkeit, Kosten und Latenz je Workflow messen, bevor Jev in eine Produktionsautomatisierung wandert.

## Offene Punkte

- ⚠️ **Kein Transkript**, alle Zahlen über das Bot-Briefing — nicht am Video verifiziert.
- ⚠️ Die Genauigkeit der Klassifikation (Trefferquote) wird im Briefing **nicht** als Zahl genannt; das Video vergleicht laut Beschreibung Geschwindigkeit und Kosten, nicht Korrektheit.
- ⚠️ Werblicher Kontext (Glaido, Hostinger) in der Beschreibung; ob Aussagen zur Leistung davon berührt sind, ist nicht erkennbar.
- Offen: ob die 6-Sekunden-Angabe Wandzeit oder reine Modellzeit misst.