Jev im Vergleich zu textgenerierenden Modellen
Jev erzeugt keinen freien Text. Ein Vergleichsvideo zeigt den Unterschied zwischen paralleler Entscheidungsfindung und tokenweiser Texterzeugung.
Automatisches Modell-Routing mit Jev: Jev klassifiziert die Arbeit, wählt aber nie das Modell
Erläutert das automatische Modell-Routing von Jev: Zu Beginn jeder Runde klassifiziert Jev die Arbeit (Konversation, Schreiben, Codieren, Analyse, Extraktion) und erkennt sekundäre Anforderungen wie Tool-Nutzung und Kontinuität, während die Modellauswahl anderweitig erfolgt.
We built Auto model routing with Jev, but Jev never chooses the model. That distinction is the whole design. At the start of each turn, Jev classifies the work: conversation, writing, coding, analysis or extraction. It also detects secondary requirements, tool usage, continuity
· 2 likesOpen on X
More like this
Preise, Evaluationen und der Name Jev
Der Launch Thread erklärt Code plus AI Workflow Evaluationen, den angekündigten Eingabepreis und kostenlose Ausgabetokens.
Jev-Modell: Wahrscheinlichkeitsgenerierung für Entscheidungen, 200× schneller und 400× günstiger als LLMs
Dieses Modell ist für Entscheidungsfindung statt Textgenerierung konzipiert und gibt Wahrscheinlichkeiten für jede Option parallel aus, anstatt Antworten Token für Token zu liefern. Der Autor zeigt ein vereinfachtes Beispiel für normale LLMs im Vergleich zu diesem Jev-Modell.
