THE JEV GUIDE · CURATED EDITION
Launch News, Erklärungen, Demos und Community Projekte rund um TypeSafe Jev, nach Themen geordnet. Jeder Eintrag verweist auf die Quelle bei X.
Kuratierte Auswahl · Nicht vollständig · Manuell aktualisiert
Sponsors
Diese Produkte finanzieren das Verzeichnis. Ihres auch hier?
Schlägt einen klügeren Weg zur Kostensenkung vor, als auf ein billigeres LLM umzusteigen: nicht jede Entscheidung an ein LLM zu senden. Bauen Sie ein dreischichtiges Intelligenzsystem mit Jev, DuckDB, Claude und jev-calibrate auf, bei dem Software Fakten verarbeitet und Jev die Entscheidungen in Ebenen übernimmt.
Der Ansatz trennt Denken und Ausführen: Orchestratoren schreiben nur die Aufgabe, und das kleine Modell Jev entscheidet, welches Modell (Haiku, Sonnet oder Opus) sie ausführt. Im Test 40 von 40 erfolgreich; derzeit geht nur etwa 1 von 18 Aufgaben an Opus.
Wir haben Jev von TypeSafe AI, ein Modell, das typisierte Fragen mit einem Konfidenzscore beantwortet, als Vorbeschriftung über drei Aufgaben hinweg evaluiert, um zu untersuchen, ob Konfidenz bestimmen kann, welche Labels die menschliche Überprüfung überspringen.
Auf dem Beitragsbildschirm prüft Jev, ob der Inhalt eine Überwachungsaufgabe ist. Wenn ja, registriert Sonnet die Aufgabe. Jev überwacht dann auf Übereinstimmungen, Sonnet bestätigt und sammelt die Informationen, eine Push-Benachrichtigung wird gesendet und die Überwachung endet.
Der Nutzer teilt Erfahrungen mit LangChain und prognostiziert, dass Jev in Zukunft eine Schlüsselrolle bei komplexen Automatisierungsaufgaben spielen wird, einschließlich der Auswahl geeigneter LLMs.
One card in the feed, every sixteen, on every page of it. $50 a week, cancel any week.
Der Nutzer sagt, er würde 100 $/Monat zahlen, um Werbung auf YouTube TV zu vermeiden, aber da das nicht erlaubt ist, hat er eine Chrome-Erweiterung mit dem Jev-Modell von TypeSafe AI gebaut, um Werbung durch ruhige Szenen zu ersetzen.
Die Entwicklerin nutzt Jev, um zu bewerten, welche Korrekturen die Sprach-zu-Text-Diktierfunktion benötigt, und übergibt das Ergebnis an ein kleines LLM, um Satzzeichen oder Formulierungsfehler zu korrigieren – für günstigeres und genaueres Diktat.
Der Beitrag sagt, dass Grok Bot, Claude Opus 5.5, REA, Jev, Dots und Obsidian als ein System statt als sechs getrennte Apps verbunden sind, mit einem Dashboard, das 212 erledigte Aufgaben, 7h 40m gespart und 179 $ gespart anzeigt.
Jev vergibt für jede Lesung einen Konfidenzwert, etwa 13 pro Sekunde, sodass nur unsichere Ergebnisse geprüft werden müssen.
Der Autor erklärt, dass Jev die vom OCR-Reader erkannten Bereiche bewertet und unsichere an einen Menschen weiterleitet, was einen automatisierten Prüfworkflow ergibt.
Ein Nutzer zeigt, wie eine kostenlose Apollo-Suche 470 ML-Ingenieure findet und Jev auf MonidHQ nutzt, um sie zu ranken, zu verifizieren und 5 Anrufe für nur 0,077 $ durchzuführen.
Ein Nutzer berichtet, dass die Kombination von Jev mit dem Grok-Bot Workflows um 90 % beschleunigt. Idee eingeben, Grok zerlegt sie in Aufgaben, Jev vergleicht die nächsten Schritte und wählt den Pfad, Grok führt aus und prüft.
