Creando un clasificador de código con Jev
Un desarrollador comparte la creación de un clasificador de código con Jev, sugiere que puede resolver código sobrediseñado por agentes y pregunta qué probar después.
El modelo Jev de TypeSafe es integrado rápidamente por empresas de herramientas de desarrollo
Según AI Matters, el modelo Jev de TypeSafe tiene una precisión (67.8%) inferior a los modelos top, pero responde en 0.4 segundos y cuesta una fracción (1/10 a 1/100). Genera la probabilidad de acierto en lugar de frases. Cuatro empresas, incluidas Vercel, lo integraron en tres días. Aún no hay validación externa.
정확도는 상위 모델보다 낮은데, 개발 도구 업체들이 앞다퉈 붙인 모델 Jev. · 버셀 등 4곳이 사흘 내 통합 · 문장 대신 답과 맞을 확률만 출력 · 응답 0.4초, 비용은 수십~수백 분의 1 · 정확도 67.8% 외부 검증 자료는 아직 없습니다. #TypeSafe #Jev 원문은 아래에 ↓
· 0 likesOpen on X
More like this
Jev permite LLM-as-a-Judge con 20–200x más velocidad y 40–400x menos costo
Jev se usó para elegir qué modelo es AGI, ofreciendo 20–200x más velocidad y 40–400x menos costo, lo que hace que LLM-as-a-judge sea extremadamente rápido y casi gratis.
Probando apps con TypeSafe Jev y OpenCode
Filip comparte una pequeña demo que muestra la rapidez al probar apps con TypeSafe Jev y OpenCode.
