Der Autor verglich Jev mit Gemini 3.8 Flash anhand von 1.000 echten App-Bewertungen zur Erkennung von Stimmung, Thema, Fehlern und Abwanderungsrisiko. Jev benötigte 4,6 s und 0,023 $, Gemini 18,8 s und 0,158 $, inklusive GitHub-Repository.
I evaluated #Jev from @typesafeai against @Google #Gemini 3.8 flash Jev decides sentiment, topic, "bug?" and churn risk for 1,000 real app reviews, racing Gemini 3.8 Flash on the same job. Jev: 4.6s, $0.023. Gemini: 18.8s, $0.158. Git repo → https://github.com/goodrahstar/jev-column-race…
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.
