Jev im Vergleich zu textgenerierenden Modellen
Jev erzeugt keinen freien Text. Ein Vergleichsvideo zeigt den Unterschied zwischen paralleler Entscheidungsfindung und tokenweiser Texterzeugung.
Jev in der Entscheidungshierarchie: kleine begrenzte Klassifikation und Routing
Der Autor teilt seine Entscheidungshierarchie: deterministische Probleme mit Code, kleine begrenzte Klassifikation, Routing, Scoring oder Fuzzy-Entscheidungen mit Jev, und Generierung, Aufgabenerfüllung oder moderates Reasoning mit einem günstigen API-Modell.
My current hierarchy is becoming: Deterministic problem? -> Write code. Small, bounded classification, routing, scoring, or fuzzy decision? -> Use something like Jev. Generation, task completion, or moderate reasoning? -> Use a cheap API model like Luna or DeepSeek Flash.
· 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.
