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 resuelve la disputa n.º 241: cómo el código redacta la justificación
La decisión de Jev sobre la disputa n.º 241 fue Award Recipient, sin marcas de incertidumbre, y cuatro ejecuciones dieron los mismos números con ±0.01. Como Jev no escribe texto, el autor señala que la justificación la genera el código: las preguntas se escriben para humanos, las respuestas son números y el código conoce el fundamento.
Jev's decision on dispute #241 was Award Recipient, with no uncertainty flags. Four runs gave the same numbers to ±0.01. Jev writes no text, so who writes the justification? The code does. Every question was written for humans, every answer is a number, and the code knows
· 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.
