agi.jetzt
DEEN

Modell-Landschaft

System One & Decision Models

Eine junge Modellklasse gibt keinen Text aus, sondern eine Auswahl, eine Stufe oder eine Wahrscheinlichkeit, die Software direkt weiterverarbeitet. TypeSafe AI nennt sie „System One Models“; agi.jetzt spricht allgemeiner von Decision Models.

Zuletzt geprüft: 10.10.2026

Was diese Klasse ist

Ein Decision Model bekommt einen Zustand – eine Nachricht, einen Datensatz, den aktuellen Stand einer Anwendung – und Fragen, deren mögliche Antworten vorab festgelegt sind. Es gibt eine dieser Antworten zurück, zusammen mit Wahrscheinlichkeiten. Es schreibt keine Antwort, keinen Code und keine Begründung.

Die Antwort ist für Software gemacht: Ein Programm liest sie, vergleicht sie mit einem Schwellenwert und handelt, leitet den Fall weiter oder übergibt ihn an einen Menschen.

Wofür ist es optimiert?
Für eine eng begrenzte Sache: eine schnelle Antwort aus festgelegten Möglichkeiten, zusammen mit einer Wahrscheinlichkeit, die Software weiterverarbeiten kann.
Worin unterscheidet es sich von einem Generalisten?
Ein Generalist schreibt eine offene Antwort für einen Leser. Ein Decision Model wählt unter Antworten, die vor dem Aufruf festgelegt wurden, für ein Programm. Anders sind die Schnittstelle, die Form der Ausgabe, der gedachte Einsatz und das Gewicht von Latenz und Kalibrierung.
Was gibt es aus?
Eine Auswahl unter Optionen, eine Ja/Nein-Wahrscheinlichkeit, eine Stufe auf einer Skala – jeweils mit Wahrscheinlichkeiten. Kein Text, kein Code, keine Begründung.
Wo ist es nützlich?
Überall dort, wo Software oft und schnell entscheiden muss: Anfragen weiterleiten, die Ausgabe anderer Modelle prüfen, einen Schritt eines Agenten freigeben oder anhalten, große Datenmengen sortieren.

Zwei Begriffe, nicht dasselbe

„System One Models“ ist ein Name, den TypeSafe AI im September 2026 mit seinem Modell Jev eingeführt hat. TypeSafes Dokumentation beschreibt sie als „a class of AI models built to make fast, structured decisions that software can use directly“ und leitet den Namen aus Daniel Kahnemans „Schnelles Denken, langsames Denken“ ab: System 1 ist schnell und intuitiv, System 2 langsamer und überlegter.

Eine etablierte Einteilung der Branche ist das nicht. Andere Anbieter beschreiben dieselbe Art von Modell als „decision model“ – Cloudflare, Liquid AI und H2O.ai verwenden diesen Begriff; Strands Labs schreibt „decision models or system one models“; Microsoft spricht von einem „decision-scoring model“ und OpenAI von einer „Decisions API“.

agi.jetzt verwendet deshalb Decision Models als Namen der Klasse und „System One Models“ für das, was TypeSafe so nennt. Die Klasse überschneidet sich mit älteren: Microsofts eigener Modellkatalog ordnet Microsoft-Decision-1 der Textklassifikation zu.

Quellen: TypeSafe-Dokumentation: System One, Cloudflare: Introducing Clef, Liquid-AI-Dokumentation: Decision models, Strands Agents: Introducing Strands Decider, Microsoft Foundry, Modellkatalog: Microsoft-Decision-1

Was anders ist als bei einem allgemeinen Modell

Der Unterschied liegt darin, was das Modell zurückgibt und für welche Schnittstelle es gebaut ist.

Allgemeines generatives Modell
  1. Kontext
  2. Allgemeines Modell
  3. Text, Code oder Medien

Die Ausgabe ist offen: alles, was sich schreiben lässt. Software muss sie erst zerlegen und prüfen, bevor sie danach handeln kann.

Decision Model
  1. Zustand + typisierte Frage
  2. Spezialisiertes Decision Model
  3. Auswahl, Stufe oder Wahrscheinlichkeit
  4. Aktion der Software

Die möglichen Ausgaben stehen vor dem Aufruf fest. Die Antwort ist eine davon, mit Wahrscheinlichkeiten, und Software kann direkt danach handeln.

Nicht: probabilistisch gegen nicht probabilistischAuch allgemeine Sprachmodelle arbeiten mit Wahrscheinlichkeiten: Sie berechnen für jedes mögliche nächste Token eine. Der Unterschied liegt in vier Dingen: der Schnittstelle, auf die das Modell ausgelegt ist, der Form seiner Ausgabe, dem gedachten Einsatz und dem Gewicht von Latenz und Kalibrierung – auf der einen Seite ein erzeugter Text für einen Leser, auf der anderen eine Wahrscheinlichkeit über festgelegte Antworten für ein Programm. OpenAIs Decisions API bietet solche Antworten an und nennt gpt-6-luna als Modell dahinter.

Acht Einträge, in vier Gruppen

Jev ist nicht die ganze Klasse. Die Gruppen sagen, was für eine Art von Eintrag es jeweils ist; nichts hier ist eine Rangfolge.

TypeSafes „System One Models“

Der Name stammt von TypeSafe. Jev ist TypeSafes erstes und bisher einziges Modell unter diesem Namen.

Spezialisierte Entscheidungsmodelle

Für Entscheidungen trainierte Modelle, aufgebaut auf einem vorhandenen offenen Sprachmodell.

  • Microsoft

    Microsoft-Decision-1

    VerfügbarProduktmodellangekündigt am 09.10.2026
    Zweck
    Bewertet vorgegebene Antwortmöglichkeiten: Ja/Nein, Auswahl, Bewertung, Benotung nach Kriterien.
    Was daran bemerkenswert ist
    Laut Microsoft aus dem offenen Modell Qwen3.5-9B nachtrainiert; liefert für jede Option eine Wahrscheinlichkeit und keine Begründung.
    Warum es hier steht
    Ein großer Plattformanbieter bietet ein eigenes Entscheidungsmodell als Produkt an.
    Zugang
    In Microsoft Foundry, dort als allgemein verfügbar ausgewiesen.
    • HerstellerangabeMicrosoft hat das Modell in einem eigenen Vergleich über 36 Benchmarks geprüft, die der Beitrag nicht benennt.
    • GrenzeLaut Model Card nicht als alleiniger automatischer Entscheider bei folgenreichen Entscheidungen über Menschen gedacht.

    Quellen: Microsoft Command Line: Microsoft-Decision-1 (9 October 2026), Microsoft Foundry model catalog: Microsoft-Decision-1 · geprüft am 10.10.2026

    Modellseite im Register: Microsoft-Decision-1 →
  • H2O.ai

    H2O-Lightning-4B

    VerfügbarSpezialisierte VarianteDatum von der Quelle nicht genannt
    Zweck
    Auswahl, Ja/Nein und Bewertung zu Text und Bildern.
    Was daran bemerkenswert ist
    Laut Model Card in drei Stufen aus Qwen3.5-4B feinabgestimmt; eine Entscheidung ist ein Durchlauf mit einem Ausgabe-Token.
    Warum es hier steht
    Ein kleines offenes Entscheidungsmodell, das auch Bilder liest.
    Zugang
    Offene Gewichte unter Apache-2.0, zum Selbstbetrieb.
    • GrenzeLaut Model Card überwiegend auf Englisch geprüft; entscheidet am besten mit bis zu etwa 16 Optionen.

    Quellen: Hugging Face: h2oai/h2o-lightning-4b model card · geprüft am 10.10.2026

    Modellseite im Register: H2O-Lightning-4B →
  • Chinh Nguyen

    Quyet-1.0-Large

    VerfügbarSpezialisierte VarianteDatum von der Quelle nicht genannt
    Zweck
    Auswahl, Bewertung und Ja/Nein mit Wahrscheinlichkeiten.
    Was daran bemerkenswert ist
    Laut Model Card Gemma-4-31B-it mit eingearbeiteter LoRA-Feinabstimmung; die Antwort wird als Buchstabe der gewählten Option ausgelesen.
    Warum es hier steht
    Zeigt, wie ein großes offenes Modell mit einer schmalen Feinabstimmung zum Entscheidungsmodell wird.
    Zugang
    Offene Gewichte unter Apache-2.0; veröffentlicht von einer Einzelperson.
    • GrenzeLaut Model Card Englisch und Vietnamesisch; andere Sprachen mit geringerer Trefferquote.

    Quellen: Hugging Face: chinhnc/Quyet-1.0-Large model card · geprüft am 10.10.2026

    Modellseite im Register: Quyet-1.0-Large →
  • Invergent

    Surogate Rune 26B-A4B

    VerfügbarSpezialisierte VarianteDatum von der Quelle nicht genannt
    Zweck
    Entscheidungen zu Text und Bildern mit sehr großem Kontext.
    Was daran bemerkenswert ist
    Laut Anbieter 26 Mrd. Parameter, davon 4 Mrd. je Token aktiv; Kontext von 262.000 Token. Die Model Card nennt eigene Kalibrierungswerte.
    Warum es hier steht
    Der Anbieter veröffentlicht selbst, dass das Modell in der Voreinstellung zu sicher ist, und wie sich das korrigieren lässt.
    Zugang
    Offene Gewichte unter Apache 2.0.
    • HerstellerangabeEigene Messung des Anbieters: in der Voreinstellung 73,9 % Trefferquote bei 86,4 % mittlerer Konfidenz; mit höherer Entscheidungstemperatur sinkt der Kalibrierungsfehler von 12,5 % auf 2,2 %.

    Quellen: Hugging Face: surogate/rune-26b-a4b model card, Invergent: Rune · geprüft am 10.10.2026

    Modellseite im Register: Surogate Rune 26B-A4B →

Generalisten hinter einer Entscheidungs-Schnittstelle

Ein allgemeines Modell, erreichbar über einen Endpunkt, der typisierte Entscheidungen zurückgibt.

  • OpenAI

    OpenAI Decisions API

    VerfügbarVorschauModell + HarnessDatum von der Quelle nicht genannt · in Vergleichen auch „GPT-6 Luna Decisions“
    Zweck
    Typisierte Antworten zu Text und Bildern: Bedingung prüfen, Option wählen, Stufe vergeben.
    Was daran bemerkenswert ist
    Kein eigener Modellname: eine Entscheidungs-Schnittstelle vor einem Generalisten. Ob dahinter eigene Gewichte stehen, ist nicht dokumentiert.
    Warum es hier steht
    Zeigt den zweiten Weg zu Entscheidungen: ein Generalist hinter einer Entscheidungs-Schnittstelle statt eines eigenen Modells.
    Zugang
    Öffentliche Beta in der OpenAI-API; einziges Modell dahinter ist derzeit gpt-6-luna.
    • GrenzeOpenAI empfiehlt, Schwellenwerte an beschrifteten Beispielen aus der eigenen Anwendung festzulegen.

    Quellen: OpenAI API docs: Decisions guide · geprüft am 10.10.2026

Forschungs- und Vergleichssysteme

Experimente und Verfahren, die in Vergleichen auftauchen; keine Produkte.

  • Strands Labs

    Strands-Decider 2B

    VerfügbarForschungsmodellDatum von der Quelle nicht genannt
    Zweck
    Schnelle Entscheidungen in Agenten-Abläufen.
    Was daran bemerkenswert ist
    Der Teil des Basismodells, der Text erzeugt, ist entfernt und durch einen Kopf ersetzt, der nur die angebotenen Optionen bewertet.
    Warum es hier steht
    Hier ist die Entscheidung nicht antrainiert, sondern Bauform: Das Modell kann keinen Text mehr erzeugen.
    Zugang
    Offener Quellcode und Gewichte unter Apache-2.0; als experimentelles Projekt veröffentlicht.
    • HerstellerangabeEigene Angabe: Antworten mit einer Konfidenz ab 0,9 stimmen in etwa 95 % der Fälle.

    Quellen: GitHub: strands-labs/strands-decider, Strands Agents: Introducing Strands Decider · geprüft am 10.10.2026

    Modellseite im Register: Strands-Decider 2B →
  • krishna-gogineni-765

    deck-31B

    VerfügbarModell + HarnessDatum von der Quelle nicht genannt
    Zweck
    Liest Entscheidungen aus einem unveränderten Sprachmodell aus.
    Was daran bemerkenswert ist
    Nichts wurde trainiert: ein eingefrorenes Gemma-4-31B-it mit einem Ausleseverfahren für Optionsbuchstaben.
    Warum es hier steht
    Als Gegenprobe: was ein unverändertes Modell mit der richtigen Auslese leistet, ohne jedes Training.
    Zugang
    Offener Server-Code eines einzelnen GitHub-Kontos; eigene Gewichte gibt es nicht.

    Quellen: GitHub: krishna-gogineni-765/deck31b · geprüft am 10.10.2026

Keine RanglisteDie Reihenfolge ist die Reihenfolge dieser Liste. agi.jetzt benotet diese Modelle nicht und vergleicht sie nicht miteinander.

Woran man Decision Models beschreibt

Diese Modelle brauchen andere Beschreibungsgrößen als ein allgemeines Modell. Sie zählen, weil eine Maschine die Antwort weiterverarbeitet: Dort sind Antwortzeit und verlässliche Wahrscheinlichkeiten eigene Anforderungen.

Art der Ausgabe
Eine Auswahl, eine Ja/Nein-Entscheidung, eine Stufe, eine Reihenfolge, eine Wahrscheinlichkeitsverteilung oder ein strukturiertes Objekt.
Kalibrierung
Ob die genannten Wahrscheinlichkeiten dazu passen, wie oft das Modell richtig liegt. Siehe unten.
Latenz
Wie lange eine Entscheidung dauert. In einer Kette aus zwanzig Entscheidungen summiert sich jede Zehntelsekunde.
Größe
Parameter und, bei Modellen aus mehreren Experten, die je Token aktiven Parameter – sofern veröffentlicht.
Schnittstelle
Ob die Antwort fest ausgelesen oder zufällig gezogen wird, und was der Konfidenzwert bedeutet.
Grenzen des Schemas
Wie viele Optionen, wie viele Stufen, wie viel Kontext eine Anfrage tragen darf.
Abdeckung durch Benchmarks
Welche Vergleiche das Modell enthalten – und ob ein Ergebnis dem Modell allein gehört oder einem Modell samt Harness.

Diese Größen stehen nebeneinander. agi.jetzt fasst sie nicht zu einer Gesamtnote zusammen. Höhere Trefferquote heißt nicht mehr AGI, und geringere Latenz heißt nicht mehr Intelligenz.

Die acht Einträge nebeneinander

Beschreibungsgrößen von den Seiten der Anbieter. In der Reihenfolge der Liste oben.

ModellArtGibt zurückAufgebaut aufGrößeEingabeStatus
JevTypeSafe AIProduktmodellAuswahl, Stufe, WahrscheinlichkeitenNicht veröffentlichtNicht veröffentlichtNur TextVerfügbar
Microsoft-Decision-1MicrosoftProduktmodellJa/Nein, Auswahl, Stufe, WahrscheinlichkeitenQwen3.5-9B, nachtrainiertNicht genannt (Basismodell: 9 Mrd. Parameter)Nur TextVerfügbar
H2O-Lightning-4BH2O.aiSpezialisierte VarianteJa/Nein, Auswahl, Stufe, WahrscheinlichkeitenQwen3.5-4B, feinabgestimmt4 Mrd. ParameterText und BilderVerfügbar
Quyet-1.0-LargeChinh NguyenSpezialisierte VarianteJa/Nein, Auswahl, Stufe, WahrscheinlichkeitenGemma-4-31B-it, LoRA-Feinabstimmung31,3 Mrd. ParameterTextVerfügbar
Surogate Rune 26B-A4BInvergentSpezialisierte VarianteJa/Nein, Auswahl, Stufe, WahrscheinlichkeitenGemma-4-26B-A4B-it, feinabgestimmt26 Mrd. Parameter, 4 Mrd. aktiv je TokenText und BilderVerfügbar
OpenAI Decisions APIOpenAIModell + HarnessJa/Nein, Auswahl, Stufe, Wahrscheinlichkeitengpt-6-luna hinter eigenem EndpunktNicht veröffentlichtText und BilderVerfügbarVorschau
Strands-Decider 2BStrands LabsForschungsmodellJa/Nein, Auswahl, Stufe, WahrscheinlichkeitenQwen3.5-2B ohne Textkopf, mit Zeigerkopf1,9 Mrd. ParameterTextVerfügbar
deck-31Bkrishna-gogineni-765Modell + HarnessJa/Nein, Auswahl, Stufe, WahrscheinlichkeitenGemma-4-31B-it, unverändertWie das BasismodellTextVerfügbar

Kalibrierung, einfach erklärt

Sagt ein System bei vielen vergleichbaren Entscheidungen „80 Prozent sicher“, sollten rund 80 Prozent dieser Entscheidungen tatsächlich stimmen. Dann ist es gut kalibriert. Ein Modell, das 95 Prozent sagt und in 70 Prozent der Fälle richtig liegt, ist zu sicher – und Software, die seiner Zahl vertraut, handelt dort, wo sie hätte nachfragen sollen.

Kalibrierung ist eine Eigenschaft vieler Vorhersagen zusammen. Sie sagt nicht, dass eine einzelne Antwort richtig ist.

Warum das zählt

  • WeiterleitenEinen Fall nur dann auf den günstigen Weg schicken, wenn das Modell sicher genug ist.
  • Autonome AgentenEinen Agenten oberhalb einer Schwelle allein weitermachen lassen und darunter anhalten.
  • RisikoschwellenFür eine Erstattung von 5.000 Euro mehr Sicherheit verlangen als für eine von 5.
  • Übergabe an MenschenDie unsicheren Fälle einem Menschen geben, statt alle oder keinen.
  • Entscheidungen in SoftwareEine Wahrscheinlichkeit lässt sich vergleichen, protokollieren und testen. Ein Satz nicht.

Was veröffentlicht ist

  • TypeSafe gibt an, Jev sei auf kalibrierte Entscheidungen trainiert, veröffentlicht aber keine Kalibrierungsmetrik.

    Quellen: TypeSafe-Dokumentation: System One

  • Invergent nennt für Rune aus eigenen Messungen: in der Voreinstellung 73,9 % Trefferquote bei 86,4 % mittlerer Konfidenz (Kalibrierungsfehler 12,5 %); mit höherer Entscheidungstemperatur ausgelesen 2,2 %.

    Quellen: Rune, Model Card

  • Strands Labs nennt für Strands-Decider, dass Antworten mit einer Konfidenz ab 0,9 in etwa 95 % der Fälle stimmen.

    Quellen: strands-labs/strands-decider

  • Microsoft nennt für Microsoft-Decision-1 das Ziel – eine 90-%-Vorhersage soll in etwa neun von zehn Fällen stimmen –, im Text des Beitrags aber keinen Messwert.

    Quellen: Microsoft Command Line

  • Ein unabhängiger Preprint zur Textannotation findet die Konfidenz des geprüften Decision Models besser kalibriert als die selbst genannte Konfidenz von 16 von 19 Sprachmodellen, während drei von ihnen einen geringeren Kalibrierungsfehler zeigen – und bei einer Aufgabe hohe Konfidenz bei Leistung nahe am Zufall.

    Quellen: arXiv:2609.24574

  • Eine unabhängige Prüfung von Jev maß bei Fragen, die sich nicht beantworten lassen, einen Kalibrierungsfehler von 0,023 mit der Möglichkeit zur Enthaltung und von 0,793, sobald diese Möglichkeit entfernt wurde.

    Quellen: jujumilk3/jev-calibration-audit

agi.jetzt nennt kein Modell gut kalibriert. Die Werte oben stammen aus verschiedenen Aufgaben und verschiedenen Messungen und lassen sich nicht miteinander vergleichen.

Was die Vergleiche zeigen – und was nicht

Einen anerkannten Benchmark für diese Klasse gibt es noch nicht. Zwei Vergleiche liegen vor, und beide haben Grenzen.

Microsoft hat sein eigenes Modell mit anderen auf 36 Benchmarks verglichen, die der Beitrag nicht benennt. Es ist der Vergleich eines Anbieters für sein eigenes Produkt. H2O.ai merkt auf seiner Model Card an, dass die Werte zur Trefferquote von Microsoft selbst stammen, auf von Microsoft gewählten Benchmarks.

JevBench ist eine Bestenliste von Benchmark Heaven, unabhängig von TypeSafe und als Hobbyprojekt betrieben. Selbst betriebene Systeme beantworten 1.500 Entscheidungen, davon 1.200 unter Verschluss; eine vollständige Wiederholung dieses Teils geht nur über das Auswertungsverfahren des Betreibers.

TypeSafes eigene Auswertungen messen Jev in Abläufen, die das Unternehmen selbst gebaut hat, gegen Referenzantworten, die von zwei großen Sprachmodellen stammen und nicht von Menschen. TypeSafe schreibt selbst, dass eine Verzerrung möglich ist.

Aus diesen Gründen zeigt diese Seite keine Tabelle mit Benchmark-Werten. GPT-6 Sol, das in Microsofts Vergleich vorkommt, ist ein Generalist, der dort als Bezugsgröße für die Latenz dient – kein Decision Model.

Quellen: Microsoft Command Line: Microsoft-Decision-1, H2O-Lightning-4B, Model Card, Benchmark Heaven: JevBench, Methodik, TypeSafe: Workflow evals, TypeSafe: Introducing System One Models & Jev

Warum ist das für AGI relevant?

Systeme, die selbstständig handeln, müssen ständig entscheiden: welches Werkzeug, welcher Weg, gut genug oder übergeben. Ein Modell, das solche Fragen schnell beantwortet und dazusagt, wie sicher es ist, kann dafür ein Baustein sein – fürs Weiterleiten, fürs Absichern eines riskanten Schritts, fürs Bewerten eines Ergebnisses in einem Agentensystem.

Für die AGI-Forschung ist die Verbindung interessant: strukturierte Entscheidungen, ausgewiesene Unsicherheit und Automatisierung zwischen Maschinen. Ein Decision Model ist nicht näher an AGI als ein Generalist: Es löst eine engere Aufgabe.

Was das nicht über AGI belegt

Eine schnelle Entscheidung mit ausgewiesener Wahrscheinlichkeit ist eine enge Fähigkeit. Sie zeigt nichts über Planen, Lernen oder offenes Schlussfolgern, und ein Decision Model ist nicht näher an AGI als ein Generalist.

Relevanz für AGI heißt nicht belegter Fortschritt in Richtung AGI. Diese Modelle gehören nicht zu den Spitzenmodellen, und nichts auf dieser Seite geht in den AGI-Fortschritt ein.

Quellen

Alle Quellen gelesen am 10.10.2026.