La publicación propone usar LLM de alto costo para pensamiento complejo y Jev de bajo costo para clasificación simple y rápida, optimizando la operación de fábricas mediante la división del trabajo.
遅いけど、複雑な思考と作業ができて、賃金が高いLLMさん 単純な作業を素早く、仕分けができて、賃金がやすいJevさん 使い分けができると、工場経営がうまくいきそうですね
El autor probó Jev en un benchmark de 1.565 correos empresariales en alemán e inglés de proveedores industriales en 10 categorías, encontrando menor precisión que Gemini, pero se centró en dónde ocurrieron los errores y aún planea ponerlo en producción.
Aaron Levie afirma que Jev ayuda a los agentes a tomar decisiones rápidas en flujos de trabajo, clasificación de datos y juicios, con una demo de Box y Jev que extrae un informe de incidentes de Box.
Fatih Yildiz afirma que Jev de TypeSafe AI es prometedor para casos de uso de modelos de decisión de observabilidad, y señala que la latencia se acumula al usar modelos frontera en edge_delta para puntuación de prioridad operativa y enrutamiento de eventos, por lo que está probando Jev.
