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.
Karpathy señala a Jev como un punto ignorado en la curva de Pareto de los LLM
La publicación cita la opinión de Karpathy de que Jev es un punto antes ignorado en la curva de Pareto de los LLM, y traza un espectro de Rules a Classifier, Jev, Flash, General LLM y Reasoning LLM: Flash es inteligencia general más rápida y Jev es inteligencia de decisión más estrecha; muchas tareas solo necesitan superar un umbral de inteligencia, tras lo cual la latencia, el costo y el determinismo importan más.
Karpathy 说 Jev 是 LLM Pareto curve 上一个此前被忽略的点。 画出来之后更直观： Rules → Classifier → Jev → Flash → General LLM → Reasoning LLM Flash 是更快的通用智能，Jev 是更窄的决策智能。 很多任务不需要最高智能，只需要智能过线。过线之后，延迟、成本和确定性反而更重要。
· 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.
