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.
El modelo Jev asigna probabilidades a los resultados
El autor menciona que está trabajando en una publicación de blog que compara Jev con Laya (incluida una versión ajustada) en declaraciones probabilísticas, y destaca que una característica importante de Jev es asignar probabilidades a los resultados.
I figured this out last friday and was working on a blog post where I compare Jev to Laya (as well as a fine-tuned laya) on probabilistic statements and got scooped by this tweet. I think an important takeaway from jev is that it assigns probabilities to outcomes. In that way
· 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.
