Databend hat Jev an seinen Python-UDF-Server angebunden, damit SQL Kundenfeedback-Datensätze mithilfe von Modellwahrscheinlichkeiten filtern, klassifizieren und ordnen kann: Databend führt die Abfrage aus, Jev trifft die begrenzte Entscheidung.
Keyword rules miss the meaning in customer feedback 🔍. We connected Jev to Databend's Python UDF server so SQL can filter, classify, and rank records using model probabilities 📊. Databend runs the query; Jev makes the bounded decision ✅. Explore: https://bit.ly/4xFq4Dp
Malte Ubl testete Jev von TypeSafe AI in einem bestehenden Klassifikator-Eval: Es sättigte das Eval qualitativ und war 6-mal schneller als Gemini 2.5 Flash Lite.
Der Autor hat eine DuckDB-Erweiterung veröffentlicht, die TypeSafe AIs Jev nutzt, um Zeilen in CSV/Parquet-Dateien oder DuckDB-Tabellen schnell zu klassifizieren – etwa 10 Sekunden für 1k Zeilen, schneller als ein LLM und ergonomischer als ein Klassifikator.
Der Autor fasste jedes Paper mit DeepSeek V4 Flash zusammen und übergab Titel, Zusammenfassung und 24 mögliche Themen an Jev zur Klassifizierung. 1.018 KI-Papers wurden bei 0,08 $ Gesamtkosten und 256 ms medianer End-to-End-Latenz pro Paper verarbeitet.
