Jev im Vergleich zu textgenerierenden Modellen
Jev erzeugt keinen freien Text. Ein Vergleichsvideo zeigt den Unterschied zwischen paralleler Entscheidungsfindung und tokenweiser Texterzeugung.
Jev Harness: Lesen und Suchen machen 56,2 % der Tool-Turns aus, Codieren unter 10 %
Diogo Amogos Jev Harness PDF schlägt vor, Befehle nach Vertrauen zu steuern, Anweisungen bedingt zu laden und einen Retrieval-Durchlauf über schreibgeschützte Aufgaben zu teilen – das Nadelöhr war nie das Codieren.
Reading and searching eat 56.2% of tool turns. Writing code is under 10%. Diogo Amogo's Jev Harness PDF flips that: 1. gate commands by trust 2. load instructions by condition 3. share one retrieval pass across read-only tasks The bottleneck was never the coding.
· 0 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.
