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.
Arquitectura de agente en tres capas: Jev como capa de decisión
El post sostiene que las arquitecturas de agentes maduras pasarán de un único modelo grande a tres capas: el LLM para razonamiento y planificación, compuertas ligeras como Jev para enrutamiento, clasificación de intención y guardrails, y código/regex para máquinas de estado deterministas y esquemas.
接下来成熟的 Agent 架构，一定会从“一把大模型梭哈”走向三层分工： Reasoning Layer（大模型）：负责全局长程规划、发散思考、开放式生成； Decision Layer（轻量判门/Jev等）：负责局部路由、意图归类、状态断言、Guardrail； Deterministic Layer（代码/正则）：负责确定性状态机、Schema
· 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.
