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.
IF diferenciable y lógica tensorial de Jev
La publicación destaca dos aspectos especiales de Jev: implementar lógica tensorial sin llamarla así, haciendo diferenciables los argumentos de IF, y no desperdiciar tokens de generación en contexto conocido.
There are two things that are special that Jev did 1. They are doing tensor logic but don’t call it that, which is that they make the args for your IF differentiable 2. They don’t waste gen tokens on context you know 1 is just telling you that true false needs a gradient to be
· 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.
