Nicht jeder Modellaufruf muss Text generieren. Routing ist oft eine kleine Entscheidung, die in einem großen agentischen System versteckt ist, dennoch bitten viele Systeme ein Decoder-Sprachmodell, diese Wahl Token für Token zu generieren. Ein Decoder-Router ist nicht grundsätzlich falsch. Er ist nützlich, wenn die Richtlinie offen ist oder sich der Routensatz schnell ändert. Aber ein stabiler, endlicher Routensatz erzeugt ein klassifikationsförmiges Problem, das als solches gemessen werden sollte.

Die praktische Gelegenheit ist eine Entscheidungsschicht: explizite Kandidatenrouten, typisierte Bewertungen, eine Schwellenwert- oder Enthaltungspolitik und deterministische Softwarezweige. Die Neuheit ist ein neues System-Primitiv, keine Wiederentdeckung der Klassifikation. Jev ist ein nützliches öffentliches Beispiel für eine typisierte, probabilistische Entscheidungsschnittstelle; seine proprietäre Architektur und sein Trainingsziel sind nicht öffentlich.

Effizienz und Genauigkeit müssen demonstriert werden, nicht angenommen. Vergleichen Sie Decoder-Routing, eine Encoder-plus-Head-Baseline und eine strukturierte Entscheidungsimplementierung auf denselben Routen, Daten, Richtlinien und Bewertungsmetriken.

Das dominierende mentale Modell moderner KI ist generativ: einen Prompt bereitstellen, dann einen Decoder das nächste Token vorhersagen lassen. Das ist eine außergewöhnliche Fähigkeit, aber es ist nicht die einzige nützliche Form maschineller Intelligenz. Viele Aktionen innerhalb eines agentischen Systems sind begrenzte operative Fragen: Welcher Spezialist sollte diesen Fall erhalten? Sind die Beweise ausreichend, um fortzufahren? Sollte das System handeln, eskalieren oder sich enthalten?