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.
TypeSafe: Ni con mil millones de dólares preentrenaría—combina modelos existentes
Diogo Almeida, de TypeSafe, afirma que ni con mil millones de dólares preentrenaría un modelo fundacional desde cero; Jev se construye rebanando, cortando y recombinando pilas existentes.
Give TypeSafe’s Diogo Almeida a billion dollars and he still wouldn’t pre-train. His bet: slice, dice, and Frankenstein existing stacks — anything except burning the check on a scratch foundation model. @swyx @labenz Latent Space — Why We Made Jev — Diogo Almeida, TypeSafe
· 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.
