Jev im Vergleich zu textgenerierenden Modellen
Jev erzeugt keinen freien Text. Ein Vergleichsvideo zeigt den Unterschied zwischen paralleler Entscheidungsfindung und tokenweiser Texterzeugung.
Jev-Modell: Typisierte Fragen statt Textgenerierung
Das Jev-Modell nimmt Zustand und einige typisierte Fragen (Auswahl, Punktzahl, Ja/Nein) entgegen und liefert Wahrscheinlichkeiten mit Konfidenz in 70-500 ms – ohne Text und ohne Parsing.
Most of the AI discourse still assumes every model has to write something back. #Jev just dropped that assumption. You hand it state + a handful of typed questions (choice, score, yes/no) and it returns probabilities with confidence in 70-500 ms. No prose. No parsing. Output
· 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.
