Jev frente a los modelos generadores de texto
Jev no genera texto libre. Un video comparativo explica la diferencia entre decisiones paralelas y generación token por token.
Cómo funciona Jev: un clasificador tipo encoder
Esta publicación ofrece una forma sencilla de pensar en Jev: se comporta como un transformer solo de codificador con una cabeza de clasificación. Entran estado y opciones, salen probabilidades, en una sola pasada hacia adelante, sin generación de texto ni análisis.
Everyone is calling Jev a new kind of AI model. Here's the simpler way to think about it: Jev behaves exactly like an encoder-only transformer with a classification head. State goes in. Options go in. Probabilities come out. One forward pass. No text generation, no parsing, no
· 0 likesOpen on X
More like this
Precios, evaluaciones y el nombre Jev
El hilo de lanzamiento explica evaluaciones de flujos code + AI, el precio de entrada anunciado y los tokens de salida gratuitos.
Modelo Jev: generación de probabilidades para decisiones, 200× más rápido y 400× más barato que los LLM
Este modelo está diseñado para la toma de decisiones en lugar de la generación de texto, generando probabilidades para cada opción en paralelo en vez de respuestas token a token. El autor comparte un ejemplo simplificado de LLM normales frente a este modelo Jev.
