Ende Oktober wollte ich Jev in meiner Kassenbon-App testen. Es ging nicht. Jev kann gar keinen Text aus einem Bon herauslesen, es wählt nur aus festen Antworten aus. Ich hatte das falsche Werkzeug in der Hand.
Das passiert leicht, denn LLM, Diffusion, NCM und Jev klingen wie vier Modelle derselben Art. Das sind sie nicht. Hier ist meine Übersicht, Stand November 2026. Zu jedem Typ gibt es einen eigenen Artikel.
Die Namen meinen verschiedene Dinge
LLM beschreibt eine Aufgabe: Sprache verarbeiten. Diffusion beschreibt ein Verfahren: wie das Ergebnis entsteht. Jev ist ein Produkt. Darum kann Mercury 2 beides sein, Sprachmodell und Diffusionsmodell 1.
| Typ | Was kommt raus | Stärke | Stand heute |
|---|---|---|---|
| LLM | Text, Code | Qualität | Standard |
| SLM | Text, auf dem eigenen Gerät | Datenschutz | im Einsatz |
| Diffusion | Bild, Video, neu auch Text | Tempo | Bild erprobt, Text jung |
| NCM | Text | Tempo | Forschung |
| Jev | Auswahl mit Wahrscheinlichkeit | Tempo, Preis | früher Zugang |
| Weltmodell | Vorhersage, Simulation | Planen | Prototypen |
| Hybrid Reasoning Agent | Agent, der in Zahlen denkt | Kosten | Forschung |
LLM: schreibt Wort für Wort
Ein LLM sagt immer das nächste Wortstück voraus. Das ist langsam, aber gut. Für Texte und Code ist es meine erste Wahl. SLMs machen das Gleiche, nur kleiner, und laufen auf dem eigenen Gerät. Mehr dazu: LLM und SLM einfach erklärt.
Diffusion: vom Rauschen zum Ergebnis
Diffusion startet mit Zufall und räumt ihn Schritt für Schritt auf. So entstehen Bilder. Neu ist das für Text: Das Modell entwirft einen ganzen Absatz und verbessert ihn dann. Das ist viel schneller, kostet aber Qualität. Mehr dazu: Diffusionsmodelle einfach erklärt.
NCM: erst grob, dann fein
NCM legt zuerst die grobe Bedeutung fest und füllt dann die Details ein. Die Autoren melden hohes Tempo, aber geprüft hat das noch niemand unabhängig. Mehr dazu: NCM einfach erklärt.
Jev: wählt aus, schreibt nicht
Jev bekommt eine Frage und feste Antworten. Es gibt zu jeder Antwort eine Wahrscheinlichkeit zurück, in rund 300 Millisekunden. Zum Sortieren ist das stark, für alles andere nutzlos. Mehr dazu: Jev einfach erklärt.
Weltmodelle: sagen die Folgen voraus
Ein Weltmodell lernt, wie sich eine Umgebung verändert. Das ist vor allem für Roboter und Simulationen wichtig. Kaufen kann man dafür heute kaum etwas. Mehr dazu: Weltmodelle einfach erklärt.
Hybrid Reasoning Agents: denken in Zahlen
Das Modell denkt in einem Zahlenraum und wechselt nur zum Handeln in Text. Das soll 35,5 bis 54,7 % der Tokens sparen. Mehr dazu: Hybrid Reasoning Agents einfach erklärt.
So wähle ich aus
Ich frage nicht zuerst nach dem Modell, sondern nach dem Ergebnis:
- Guter Text oder Code: LLM.
- Viele schnelle Antworten: Diffusion testen.
- Daten dürfen nicht raus: SLM.
- Sortieren in großer Menge: Jev, und unsichere Fälle ans LLM.
- NCM, Weltmodelle, Hybrid Reasoning Agents: beobachten.
Und dann teste ich mit eigenen Daten. Bei meinen Bons lag übrigens ein großer Teil der Fehler gar nicht am Modell, sondern an quer liegenden Fotos. Nach dem Drehen sanken die Summenfehler auf 20 Testbons von 11 auf 6.
Wie es dazu kam
Jeder Typ hat eine eigene Geschichte. Drei Bereiche zeigen das Gesamtbild: Text, Bild und Video und Agenten.
Stand: 01.11.2026. Herstellerzahlen sind nicht unabhängig geprüft. Titelbild: KI-generiert (MiniMax image-01).
Quellen
- Inception: Introducing Mercury 2. https://www.inceptionlabs.ai/blog/introducing-mercury-2