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.
Jev: un punto de salida de un solo token y baja latencia en la curva óptima de Pareto de los LLM
AJ describe a Jev como un punto en la curva óptima de Pareto de los LLM, que atiende la demanda latente de no pensar, salida de un solo token, baja latencia e inteligencia suficientemente buena; Diogo Almeida responde.
AJ称 Jev 是LLM Pareto optimal curve 上的一个点 Jev 让过去存在一个很大的“潜在需求”显现出来： - 不需要 thinking - 单 token 输出 - 低延迟 - 只要足够好的 intelligence 这个方向长期被低估了，因为整个行业都在追求“更高 intelligence” Diogo Almeida 回复说，Jev是在 intelligence
· 1 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.
