---
language:
- en
- de
license: other
license_name: mankei-reflex-evaluation-license
license_link: LICENSE.md
library_name: mankei-reflex
pipeline_tag: text-classification
thumbnail: https://huggingface.co/keyvan-ai/Mankei-Reflex/resolve/main/karte/banner.png
tags: [system-one, system-one-model, decision-model, decision-engine, calibrated-probabilities, calibration, typed-outputs, structured-decisions, non-autoregressive, low-latency, real-time, routing, guardrails, classification, intent-classification, text-classification, agent-observability, agents, robotics, autonomous-driving, drone, browser-automation, rpa, document-ai, invoice-routing, security, intrusion-detection, jev, jev-alternative, typesafe-jev, german, deutsch, english, multilingual, on-prem, on-premise, self-hosted, sovereign-ai, gdpr, eu-ai-act, enterprise, mankei, mankei-reflex, reflex, entscheidermodell, commercial-use, safetensors]
datasets:
- mteb/amazon_massive_intent
- mteb/amazon_massive_scenario
metrics:
- accuracy
- brier_score
model-index:
- name: Mankei Reflex (block pilot 0.4)
results:
- task:
type: text-classification
name: Intent classification, 60 classes, one call
dataset:
type: mteb/amazon_massive_intent
name: MASSIVE (de-DE), test split
config: de
split: test
metrics:
- type: accuracy
value: 78.8
name: accuracy
- type: ece
value: 0.088
name: expected calibration error
- task:
type: text-classification
name: Scenario classification, 18 classes, one call
dataset:
type: mteb/amazon_massive_scenario
name: MASSIVE (de-DE), test split
config: de
split: test
metrics:
- type: accuracy
value: 86.6
name: accuracy
- task:
type: text-classification
name: Leave-one-schema-out, choice questions on unseen option sets (eight domain families)
dataset:
type: mankei-schema-factory
name: Mankei Schema Factory, held-out schemas
metrics:
- type: accuracy
value: 95.1
name: accuracy (choice questions)
- type: coverage
value: 67.5
name: coverage at ≤ 1 % error
extra_gated_prompt: "Mankei Reflex is provided under the Mankei Reflex Evaluation License. Access to the weights is granted on request. Please state your organisation and what you want to evaluate."
extra_gated_fields:
Organisation: text
Evaluation scope: text
I accept the Mankei Reflex Evaluation License: checkbox
---
English · Deutsch
Mankei Reflex — das deutsche System-One-Entscheidermodell
Sie denken. Wir reagieren.
Typisierte Entscheidungen mit kalibrierten Wahrscheinlichkeiten. Ein Durchlauf für die ganze Anfrage: ~15 ms je Entscheidung und ~17 ms für fünf Fragen auf unserem Inferenzserver, 100 Fragen in einer Viertelsekunde — auf Ihrer eigenen Hardware. Drahtkompatibel zur System-One-API.
Aufgezeichnet an der Live-Demo: die Drohne beurteilt alle Hindernisse voraus in einem Durchlauf, die Regel im Code steigt, weicht aus oder landet. Protokoll links, Latenzen wie gemessen.
Live-Demo: Reflex Pilot · Live-Demo: Reflex Browser · mankei.ai · Client-Beispiele (GitHub) · Mankei-Modellfamilie
**Mankei Reflex** ist ein *System-One-Modell*: ein nicht-autoregressives Entscheidermodell, das einen Zustand und einen Satz typisierter Fragen entgegennimmt und typisierte Werte mit kalibrierten Wahrscheinlichkeiten zurückgibt — in einem Durchlauf, ohne ein einziges Token zu erzeugen. Kein Prompt, der geparst werden muss, keine Begründungsprosa, kein halluzinierter Text. Es läuft on-premise, antwortet im Millisekundenbereich und spricht Deutsch und Englisch.
Es ist für dieselbe Aufgabe gebaut wie Jev von TypeSafe — Routing, Guardrails, Klassifikation, Bewertung, Agenten-Beobachtung und Entscheidungsschleifen in Echtzeit — und es ist das erste deutsche Modell dieser Klasse, für Teams, deren Daten das Haus nicht verlassen dürfen.
## Auf einen Blick
| | |
|---|---|
| Modellklasse | System-One-Modell · Entscheidermodell · nicht-autoregressiv · typisierte Ausgaben |
| Primitive | **Wahl** (2–255 Optionen, mit oder ohne Beschreibung), **Stufe** (geordnete Skala, Erwartungswert), **Janein** (Wahrscheinlichkeit) |
| Tempo | **ein Durchlauf je Anfrage** — ~15 ms für eine Entscheidung und ~17 ms für fünf Fragen auf unserem Inferenzserver (geteilte Rechenzentrums-GPU); ~40 ms für vier Zustände × drei Fragen in einem Stapel und ~240 ms für 100 Fragen in einem Aufruf auf einer Workstation-GPU |
| Kalibrierung | Teil jedes Blocks; ECE 0.031 ohne Nachjustierung; Abdeckung 67.5 % bei ≤ 1 % Fehler |
| Sprachen | Deutsch zuerst; englische und französische Domänenblöcke auf Anfrage |
| Schnittstelle | HTTP `/v1/reflex` und das System-One-Drahtformat `/v1/systemone`; Python-Paket `mankei_decide` (im Paket) |
| Betrieb | on-premise, GPU (bf16) oder CPU; keine Token-Gebühren, keine Daten verlassen das Netz |
| Erweiterung | Domänen-**Blöcke** aus der Mankei-Schema-Fabrik — neue Entscheidungsschemata ohne Neutraining des Rumpfs |
| Lizenz | Mankei-Reflex-Evaluationslizenz; Produktion und Premium-Blöcke im Rahmen einer Unternehmensvereinbarung |
## Warum Reflex
Die Kategorie System One wurde von [TypeSafe Jev](https://typesafe.ai) definiert: ein Modell, das entscheidet statt zu schreiben. Reflex übernimmt dieselbe Schnittstelle und holt sie ins eigene Rechenzentrum — Deutsch zuerst, mit Domänenblöcken, deren Qualität vor der Auslieferung gemessen ist.
| | TypeSafe Jev | **Mankei Reflex** |
|---|---|---|
| Gewichte | geschlossene API | **On-Premise-Paket, Enterprise-Lizenz** |
| Betrieb | Cloud des Anbieters | **eigene GPU oder CPU, auf Wunsch ohne Internet** |
| Preis | je Token | **keine Tokengebühr** |
| Sprache | englischzentriert | **deutsch muttersprachlich; englische und französische Blöcke für Enterprise** |
| Neue Entscheidungsschemata | nur per Prompt | **Domänenblöcke aus der Schema-Fabrik, mit gemessener Qualität geliefert** |
| Drahtformat | System One | **System One, dieselbe Anfrage- und Antwortform** |
| Kalibrierung | — | **ECE 0.031 in der Domäne, je Block gemessen, ohne Nachjustierung** |
Wir benchmarken keine Wettbewerber. Jede Zahl unten ist auf dem Block gemessen, der in diesem Repository liegt.
## Benchmarks
| Benchmark | Mankei Reflex | Referenz |
|---|---|---|
| MASSIVE Intent, Deutsch, 60 Klassen, Test-Split, ein Aufruf, Block `assistant` | **78.8 %** (ECE 0.088) | 60 Klassen, ein Aufruf |
| MASSIVE Szenario, Deutsch, 18 Klassen, Test-Split, Block `assistant` | **86.6 %** | — |
| Wahl-Fragen auf ungesehenen Optionsmengen, acht Domänenfamilien, Leave-one-schema-out | **95.1 %** | Mehrheitsbaseline 84.6 % |
| Trefferquote in der Domäne, alle Fragetypen | **90.5 %** | — |
| Abdeckung bei ≤ 1 % Fehler | **67.5 %** | — |
| Latenz, eine Entscheidung / fünf Fragen (Inferenzserver) | **15 ms / 17 ms** | ein Durchlauf je Anfrage, geteilte Rechenzentrums-GPU |
Leave-one-schema-out heißt: ganze Fragebögen werden aus dem Training gehalten und erst zur Messung gezeigt — die Zahl, die ein Kunde auf einem neuen Formular, einer neuen Optionsliste, einer neuen Sensormeldung sieht.
## Tempo
Reflex beantwortet eine ganze Anfrage in **einem Durchlauf**: Zustand, alle Fragen und alle Kandidaten liegen in einer einzigen Sequenz mit baumförmiger Aufmerksamkeitsmaske — keine Frage wartet auf eine andere, nichts wird doppelt gelesen. Keine Runden je Frage, keine Token-Erzeugung, keine Cache-Kopien: die Latenz ist ein GPU-Durchlauf plus Kopf.
| Anfrage | Inferenzserver (RTX 4000 SFF Ada, shared with a 27B LLM) | Workstation-GPU (Klasse RTX 4060) |
|---|---|---|
| eine Entscheidung | **~15 ms** | ~31 ms |
| fünf Fragen, ein Durchlauf | **~17 ms** | ~33 ms |
| Browser-Schritt, zwei Fragen (Reflex Browser, Ende-zu-Ende inkl. DOM-Indexierung) | **~38 ms** | — |
| vier Zustände × drei Fragen, ein Stapel (`/v1/reflex/batch`) | — | ~40 ms |
| Zustand mit ~1.000 Token, sieben Fragen | — | ~110 ms |
| 100 Fragen × 6 Optionen, ein Aufruf | — | ~240 ms |
Gemessen Ende-zu-Ende mit `curl` gegen den laufenden Server (bf16, Block `pilot`), auf unserem Inferenzserver am 23. September 2026, während dieselbe GPU ein 27B-Sprachmodell bediente. Das ist das schnellste Entscheidermodell, das wir kennen — und es läuft auf Ihrer eigenen Hardware: eine Echtzeitschleife für Fahrzeuge, Drohnen und Browser-Agenten, die viele Dinge auf einmal prüft statt nacheinander.
## Einsatzfelder
- **Fahrzeug- und Drohnen-Entscheidungsschleifen** — Lage, Personen, Hindernisse, Sperrzonen, Wetter; Regeln im Code, Bedeutung aus dem Modell. Siehe *Reflex Pilot*.
- **Browser- und Portalautomatisierung (RPA ohne Selektoren)** — Reflex liest die Elementtabelle der Seite und gibt den Index zurück, auf den zu handeln ist. Siehe *Reflex Browser*.
- **Security Operations** — Vorfallssichtung, Alarm-Routing, CAN-Bus- und Netzwerk-Einbruchsklassifikation neben unseren IDS-Modellen.
- **Dokumenten-Workflows** — Rechnungs- und Belegrouting, Kontenzuordnung, Prüfung gedruckter Merkmale.
- **Kundenservice-Routing** — 60 Intents und 18 Szenarien in einem Aufruf, kalibriert, auf Deutsch.
- **Guardrails und Moderation** — typisiertes Ja/Nein mit einer Wahrscheinlichkeit, gegen die Sie eine Schwelle setzen.
- **Agenten-Beobachtung** — jeden Schritt einer Agentenspur bewerten: auf Kurs, riskant, Mensch nötig.
- **Lagebeurteilung** — Robotik, Leitstände, Meldungen aus dem Feld, deutsch und englisch.
## So funktioniert es
1. **Zustand hinein.** JSON oder Text aus Ihrer Anwendung — eine Szene, Telemetrie, die Elementtabelle einer Seite, ein Dokument.
2. **Eine Lesung.** Der eingefrorene Mankei-Rumpf liest den Zustand einmal; jede Frage wird aus dieser einen Lesung beantwortet. Die Reihenfolge von Fragen und Optionen ändert die Antworten nicht.
3. **Typisierte Antwort heraus.** Jede Frage liefert ihren Wert mit Wahrscheinlichkeit; jeder Block trägt seine eigene Kalibrierung.
4. **Ihre Regel darüber.** Geometrie, Schwellen, Verkehrszeichen, Geschäftsregeln bleiben in Ihrem Code — Zeile für Zeile im Protokoll sichtbar.
Blöcke werden mit der **Mankei-Schema-Fabrik** trainiert: Generatoren, deren Wahrheit aus der modellierten Welt folgt, plus lizenzierte Datensätze, gemessen leave-one-schema-out. Keine Ausgaben von Chat-Modellen, keine synthetischen Labels fremder LLMs.
## Schnellstart
```bash
pip install torch transformers safetensors huggingface_hub
huggingface-cli download keyvan-ai/Mankei-Reflex --local-dir mankei-reflex && cd mankei-reflex
python3 -m mankei_decide.server --modell . --kopf bloecke/pilot.safetensors --port 8088
```
Das Paket enthält Rumpf, Engine (`mankei_decide/`) und den Block `pilot`. Zustände und Fragen sind deutsch — die Sprache, auf der der öffentliche Block trainiert ist.
```bash
curl -s http://127.0.0.1:8088/v1/reflex -H "Content-Type: application/json" -d '{
"state": {"szene": "Fußgänger 12 m voraus auf der Fahrbahn, quert. Stoppschild in 30 m.", "tempo_kmh": 28, "limit_kmh": 50},
"questions": {
"lage": {"type": "choice", "instructions": "Was ist die Lage vor dem Fahrzeug?",
"criteria": {"freie Fahrt": null, "Person auf oder neben der Fahrbahn": null, "Hindernis auf der Fahrbahn": null, "Gefahr": null}},
"person": {"type": "noul", "instructions": "Auf oder neben der Fahrbahn befindet sich eine Person."}
}}'
```
```python
from mankei_decide.reflex import Reflex
reflex = Reflex.laden("keyvan-ai/Mankei-Reflex", block="pilot") # oder der lokale Ordner
antworten = reflex.entscheide(zustand, fragen) # Zustand und Fragen wie oben, ein Durchlauf
print(antworten["lage"].wahl, antworten["lage"].konfidenz, antworten["person"].janein)
```
**System-One-Drahtformat:** `SYSTEMONE_URL` auf `http://:8088/v1/systemone` zeigen lassen; Anfrage und Antwort folgen der System-One-Form (`choice` / `score` / `noul`).
## Blöcke
| Block | Domäne | Verfügbarkeit |
|---|---|---|
| `pilot` | Fahrzeug: Lage, Personen, Gefahrstellen, Hindernisse aus Sensorsätzen | im Evaluationspaket enthalten |
| `drohne` | Lagebeurteilung im Flug: Hindernisse, Menschen, Sperrzonen, Wetter | Unternehmen |
| `portal` | Bedienung von Web-Oberflächen über die Elementtabelle: Handlung, Element | Unternehmen |
| `beleg` | Belegart, Konto, gedruckte Merkmale | Unternehmen |
| `lage` | Meldungen aus Robotik und Leitstand, deutsch und englisch | Unternehmen |
| `assistenz` | Intent und Szenario aus Nutzeräußerungen (60 Intents, 18 Szenarien) | Unternehmen |
Rumpf, Engine und der Block `pilot` bilden das Evaluationspaket. Premium-Blöcke und kundenspezifische Blöcke aus eigenen Zuständen sind Unternehmenskunden vorbehalten.
## Demos
- **Reflex Pilot** — eine 3D-Stadt, ein Pkw auf der Straße oder eine Drohne auf der Luftlinie. Fahrzeug wählen, Ziel auf der Karte setzen; jedes Urteil erscheint mit Zeitstempel und Wahrscheinlichkeit im Protokoll neben der Szene. **https://mankei.ai/reflex/**
- **Reflex Browser** — Reflex bedient ein deutsches Serviceportal über die Elementtabelle, ohne Screenshots und ohne Selektoren: Anmeldung, Reiter, Filter, Formular, Bescheid. Eine 16-Schritte-Mission läuft ohne Eingriff in unter zehn Sekunden bei ~38 ms je Urteil. **https://mankei.ai/reflex/browser/**
Auf der Straße: die Szene als deutscher Satz plus Kandidatentabelle, fünf Urteile je Durchlauf; der Fahrzeugzustand hat rund tausend Token, ein Durchlauf dauert darum länger als bei der Drohne.
Landeanflug: der Landekreis wird auf Fahrzeuge und Personen geprüft, bevor die Drohne sinkt; Regel und Grund stehen im Protokoll.
Reflex Browser, ein Bild je Schritt: Cookies, Anmeldung, Reiter, Filter, Formular, Bescheid — jeder Schritt von Reflex aus der Elementtabelle der Seite gewählt.
## Wer Mankei ist
Mankei baut deutsche Sprachmodelle von Grund auf, in Deutschland, auf offen lizenzierten und dokumentierten Quellen, mit eigenem deutschen Tokenizer — und betreibt sie dort, wo die Daten liegen. Die Familie: **Reflex** (Entscheidungen), die **Retrieval-Linie** (Embedder und Reranker, Apache 2.0), **Mankei-1B-Chat** (deutscher Chat, CPU-fähig) und die **Dialektlinie** (Bairisch, Schweizerdeutsch). Alles auf Hugging Face unter [keyvan-ai](https://huggingface.co/keyvan-ai); mehr auf [mankei.ai](https://mankei.ai).
## Lizenz und Zugang
Mankei Reflex wird unter der **Mankei-Reflex-Evaluationslizenz** bereitgestellt (`LICENSE.md`): Evaluation, Benchmarking und die Veröffentlichung von Messergebnissen sind erlaubt. Produktiver, interner oder gehosteter Einsatz, Weitergabe der Gewichte und das Training anderer Modelle auf Reflex-Ausgaben setzen eine Vereinbarung mit Mankei voraus. Der Zugang wird auf Anfrage über das Formular oben erteilt.
## Zitieren
```bibtex
@software{mankei_reflex_2026,
title = {Mankei Reflex: Ein deutsches System-One-Entscheidermodell mit kalibrierten Wahrscheinlichkeiten},
author = {Mankei},
year = {2026},
url = {https://huggingface.co/keyvan-ai/Mankei-Reflex}
}
```
*Schlagwörter: System-One-Modell, Entscheidermodell, Jev-Alternative, kalibrierte Wahrscheinlichkeiten, typisierte Ausgaben, nicht-autoregressiv, Routing, Guardrails, Intent-Klassifikation, Agenten-Beobachtung, On-premise-KI, souveräne KI, deutsches KI-Modell, EU AI Act, Echtzeit-Entscheidungen, Browser-Automatisierung, Fahrdemo, Drohnendemo.*
Mankei · Sie denken. Wir reagieren.