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.
Dónde encaja Jev en un bucle de agente: enrutamiento tipado y control de riesgos
El post describe un bucle de agente de cinco pasos y sitúa a Jev como la capa tipada para enrutamiento, control, puntuación, riesgo y urgencia, con capacidad de reverificar antes de acciones destructivas.
Where each belongs in an agent loop: 1. Observe state (ticket, tool args, logs, messages) 2. Jev — route / gate / score / risk / urgency (typed) 3. LLM — plan, write, debug, explain (open-ended) 4. Tools / APIs execute 5. Loop — Jev can re-check before destructive actions
· 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.
