Ein Modell, das nur aus einer kurzen Liste von Antworten wählen kann, hat bei der Verbreitung gerade jedes Modell überholt, das ein Sonett schreiben kann. Vercel veröffentlichte am Donnerstag Daten, die zeigen, dass Jev von TypeSafe AI innerhalb von zwei Wochen nach dem Start bei 35 % seiner zahlenden Teams im Einsatz war. Das ist der schnellste Start, den Vercel je für ein Modell verzeichnet hat, und nahezu die doppelte Reichweite des Zweitplatzierten Sonnet 5.5.
Der Vorbehalt kommt wie so oft schon früh: Das ist ein schneller Start nach den Maßstäben von Vercel, kein allgemeingültiges Urteil. Auf die Grenzen der Daten gehen wir gleich noch ein.
Was Jev eigentlich ist
Jev ist ein schlankes Entscheidungsmodell. Anstatt frei formulierten Text zu erzeugen, wählt es zwischen einigen wenigen vorgegebenen Ausgaben. Das klingt nach einer Einschränkung – und ist es auch, ganz bewusst.
Die begrenzte Auswahl möglicher Antworten lässt das Modell günstiger und schneller laufen als Allzweckalternativen wie Sonnet. Der naheliegende Einsatzzweck ist die Klassifizierung großer Mengen: Man hat einen riesigen Berg von Elementen, eine kurze Liste von Labels und möchte lieber nicht für Eloquenz bezahlen.
TypeSafe AI veröffentlichte Jev am 15. September in begrenztem Umfang. In den Wochen seitdem hat der Ansatz für beträchtliches Aufsehen gesorgt – genug, um unter anderem OpenAI und Amazon zu konkurrierenden Angeboten zu bewegen. Nachahmung ist die aufrichtigste Form der Produkt-Roadmap.
Bauchgefühl versus Zahlen
Hype ist in der KI-Welt billig und im Überfluss zu haben. Bisher stützte sich die Berichterstattung über Jev vor allem auf positive Eindrücke und kaum auf harte Zahlen. Die Daten von Vercel sind der erste ernsthafte Versuch zu prüfen, ob aus der Begeisterung auch Nutzung wurde.
Die wichtigsten Ergebnisse:
- Verbreitungstempo: 35 % der zahlenden Teams auf Vercel nutzten Jev innerhalb von zwei Wochen nach dessen Start.
- Vorsprung vor der Konkurrenz: Seine Reichweite ist fast doppelt so groß wie die des zweitbeliebtesten Modells Sonnet 5.5.
- Ein Rekord: Den Daten von Vercel zufolge hat sich kein Modell in seinen ersten zwei Wochen schneller verbreitet.
Vercel ist hier nicht nur Beobachter. Das Unternehmen gehörte zu den frühen Anwendern von Jev und ersetzte damit GPT-6 Luna bei der Klassifizierung schädlicher Befehle. Dass ein Unternehmen über die Beliebtheit eines Modells berichtet und zugleich zu dessen Kunden gehört, ist kein Skandal, sondern lediglich ein wissenswertes Detail.
Was die Daten erfassen können und was nicht
Die Zahlen stammen aus dem KI-Gateway von Vercel, einem einheitlichen API-Dienst, der mit OpenRouter vergleichbar ist. Teams leiten Anfragen an viele Modelle durch dieselbe Tür, und das Gateway zählt, wer hindurchgeht.
Dieser Blick ist zwangsläufig unvollständig. Besonders wahrscheinlich ist, dass dabei die großen Labore wie OpenAI und Anthropic untererfasst werden. Sie verkaufen Zugang über ihre eigenen APIs und verzeichnen deshalb viel Datenverkehr, der nie durch die Tür von Vercel geht. „Die schnellste Verbreitung aller Zeiten“ bedeutet also tatsächlich die schnellste Verbreitung unter den Nutzern dieses Gateways, wie es auch der ursprüngliche Bericht selbst formuliert – zumindest nach einigen Kennzahlen.
Dennoch ist das Muster aufschlussreich. Ein Modell, das für eine langweilige Aufgabe mit hohem Volumen entwickelt wurde, fand schnell sein Publikum unter Entwicklern, die für Tools bezahlen. Das deutet darauf hin, dass es einen echten Bedarf gab.
Open Source legt weiter zu
Der Bericht enthielt außerdem eine weitergehende Erkenntnis zum Markt. Auf Open-Source-Modelle entfallen inzwischen mehr als 70 % der Tokens, die über das Gateway von Vercel verarbeitet werden, und fast 25 % der Gesamtausgaben.
Diese beiden Zahlen erzählen eine vertraute Geschichte. Open-Source-Modelle erledigen einen enormen Teil der Arbeit und bekommen einen viel kleineren Anteil des Geldes. Tokens kosten wenig, wenn das Modell wenig kostet.
Kein Nullsummenspiel
Man könnte das so lesen und daraus schließen, dass Open Source die führenden KI-Labore auffrisst. Ganz so steht es aber nicht in den Daten.
Die Ausgaben für führende KI-Labore haben sich verzehnfacht, auch wenn sie inzwischen einen kleineren Anteil der Gesamtausgaben ausmachen. Der Kuchen ist viel größer geworden, also kann auch ein kleiner werdendes Stück noch eine wesentlich größere Mahlzeit sein. Der Bericht sieht darin eine Bestätigung für die Idee, dass Spitzenmodelle und Open-Source-Alternativen einander eher ergänzen als miteinander konkurrieren könnten, wobei beide unterschiedliche Arten von Aufgaben übernehmen.
Die Quelle nennt nicht den Zeitraum, in dem sich die Ausgaben verzehnfacht haben. Die Zahl ist daher eher als Hinweis auf einen Trend zu verstehen.
Was sich daraus mitnehmen lässt
Drei Dinge lassen sich wohl mit einiger Sicherheit sagen. Ein spezialisiertes, günstiges Modell kann sich schnell durchsetzen, wenn es eine häufige Aufgabe gut abdeckt. Die Konkurrenz hat das bemerkt, wie die Angebote von OpenAI und Amazon zeigen. Und die Gateway-Daten verschieben die Diskussion trotz ihrer Lücken zumindest von Eindrücken hin zur tatsächlichen Nutzung.
Offen bleibt, ob Jev seine Position hält, wenn der Reiz des Neuen nachlässt, und ob die 35 % auch dann so eindrucksvoll wirken, wenn man sie außerhalb des Gateways eines einzigen Unternehmens misst. Die anfängliche Verbreitung ist ein Sprint. Klassifizierung dagegen ist eine jener Aufgaben, die niemand bemerkt, bis etwas schiefgeht, und daher meist eher ein Marathon.
Vorerst ist das am meisten gehypte Modell des Herbstes passenderweise dasjenige, das die kürzesten Antworten gibt.