System One Models: Was Entscheidungsmodelle sind und was sie kosten

Sie senden einen Zustand, etwa ein Ticket, einen JSON-Datensatz oder einen ausstehenden Tool-Aufruf, plus typisierte Fragen. Jede Frage ist Ja/Nein, die Auswahl einer von mehreren Optionen oder eine Bewertung auf einer Skala. Das Modell antwortet in einem einzigen Forward-Pass und gibt eine Auswahl mit einer Wahrscheinlichkeit für jede Option zurück. Es schreibt nie einen Satz.

TypeSafe prägte den Begriff, als das Unternehmen Jev am 15 September 2026 einführte. Der Name entlehnt Daniel Kahnemans System 1, dem schnellen, automatischen Denkmodus, im Gegensatz zum langsamen, überlegten System 2. Ein Chat-Modell ist hier das System 2: Es kann nachdenken und erklären, zu einem höheren Preis pro Aufruf.

OpenRouter stellt diese Modelle über seine Decisions API und den System-One-Endpunkt /v1/systemone bereit. OpenAIs eigene Version, GPT-6 Luna Decisions, liegt auf /v1/decisions. Die Anfrageformate unterscheiden sich etwas, aber die gestellten Fragen lassen sich übertragen.

OpenRouter listet 33 Einträge für Entscheidungsmodelle auf. Fünf sind ~latest-Aliase, die auf ein benanntes Modell weiterleiten, und einer ist eine doppelte kostenlose Route für Span-01 Lite, wodurch 27 unterschiedliche Modelle übrig bleiben. Die Tabelle gruppiert jeden Alias mit dem Modell, auf das er verweist.

Jede Zeile zeigt den Eingabepreis pro Million Tokens, die Kosten für eine Million Entscheidungen bei einem Zustand von 500 Tokens und das Kontextfenster. Die mittlere Zahl ist der Eingabepreis × 500, denn 1 Million Entscheidungen × 500 Tokens sind 500 Millionen Tokens. Bei Jev sind das 500 × $0.042 = $21. Die Ausgabe kostet in jeder Zeile nichts.

Nehmen Sie ein Element mit 500 Tokens und bitten Sie ein kleines LLM um ein Label mit 20 Tokens. Pro Million Elemente zahlt das LLM für 500 Millionen Eingabe-Tokens und 20 Millionen Ausgabe-Tokens. Das Entscheidungsmodell zahlt nur für die 500 Millionen Eingabe-Tokens. Die 500 Tokens enthalten auf beiden Seiten den Fragetext.

GPT-5.4 nano kostet $0.20 für die Eingabe und $1.25 für die Ausgabe pro Million Tokens: $100 + $25 = $125. Claude Haiku 5.5 und GPT-6 Luna kosten $0.10 bzw. $0.50: $50 + $10 = $60 pro Modell. Dagegen kostet Jev $21, Decider Flash $5, Clef Flash $19 und GPT-6 Luna Decisions $50.

Das Entscheidungsmodell gewinnt bei den Tokens also selbst gegen Batch-Preise. Batch Luna oder Haiku 5.5 kostet $25 + $5 = $30, immer noch über Jev. Das Entscheidungsmodell macht außerdem den Parsing-Code überflüssig und liefert eine Wahrscheinlichkeit, auf die Sie einen Schwellenwert setzen können.

Wenn ein Mensch die Ausgabe liest, brauchen Sie Text, und diese Modelle schreiben nicht. Dasselbe gilt für eine Begründung zur Entscheidung, eine Zusammenfassung oder mehrere Freitextfelder, die aus einem Dokument extrahiert werden. Ein LLM erledigt diese in einem Aufruf. Ein Entscheidungsmodell plus ein LLM sind zwei Aufrufe.

Langes Reasoning ist die zweite Lücke. Ein Entscheidungsmodell antwortet in einem Durchgang. Eine Frage, die mehrere Arbeitsschritte erfordert, etwa das Abgleichen zweier Verträge, gehört zu einem Reasoning-Modell. Belassen Sie Arithmetik und Datumsvergleiche in jedem Fall in Ihrem eigenen Code.

Die dritte Lücke ist die Genauigkeit. In einem von Kai Waehner zitierten Intent-Test mit 77 Kategorien erzielte Jev 79.0% gegenüber 83.9% und 86.2% für zwei ungenannte OpenAI-Modelle, und der Artikel bezeichnet die Lücke als signifikant. Viele Intents und feine Unterschiede können noch immer für ein starkes LLM sprechen. Messen Sie anhand Ihrer eigenen Labels, bevor Sie wechseln.

Der Preis pro Token zählt nur, wenn Ihr State hineinpasst. Kev 4B fasst 8,192 Token, Joey 1 16,384 und Clef Flash 24,576. Ein E-Mail-Thread mit 20,000 Token passt in Clef Flash, aber nicht in Kev oder Joey. Ein Vertrag mit 100,000 Token passt in Jev, beide Decider, alle drei Drex-Modelle, Span-02, Solar Decide, Classify-1 und GPT-6 Luna Decisions.

Lange States machen die Preisunterschiede auch zu echtem Geld. Ein State mit 100,000 Token kostet $0.001 pro Entscheidung auf Decider Flash, $0.0042 auf Jev und $0.01 auf GPT-6 Luna Decisions. Bei 10,000 solchen Entscheidungen pro Tag sind das $10, $42 oder $100 pro Tag.

Eine Rangliste, welche Modelle Sie kaufen sollten, mit den Haken der einzelnen Modelle finden Sie auf der Seite „Beste Entscheidungsmodelle“. Für die Direktvergleiche lesen Sie Jev vs Clef (Bilder, Latenzangaben und zwei unabhängige Tests) und Jev vs GPT-5.4 nano (Entscheidungsmodell gegen ein kleines LLM bei drei Elementgrößen).

Die Preisseiten behandeln Jev, Cloudflare Clef, die Decisions API von OpenAI und selbst gehostetes Laya einzeln. Die September-Seiten zu Jev vs Laya, Jev vs Kev vs Solar Decide und ob Jev sich lohnt, gelten für ihre Fragestellungen weiterhin. Ihre Preise und Jevs Kontextfenster stammen vom 1 October.