Fulvwa ajoute une fonction de détection IA
Le plugin Fulvwa utilise l'historique des commentaires du compte combiné au modèle Jev pour détecter le contenu généré par IA. Le plugin est en cours de validation et sera partagé une fois approuvé.
THE JEV GUIDE · CURATED EDITION
Annonces, explications, démos et projets communautaires autour de TypeSafe Jev, organisés par thème. Chaque entrée renvoie à sa source sur X.
Sélection curée · Non exhaustive · Mise à jour manuelle
Sponsors
Ces produits financent l’annuaire. Envie d’y voir le vôtre ?
Le plugin Fulvwa utilise l'historique des commentaires du compte combiné au modèle Jev pour détecter le contenu généré par IA. Le plugin est en cours de validation et sera partagé une fois approuvé.
Nace AI a publié les poids de Drex Max v1 sur Hugging Face : 26 milliards de paramètres, environ 52 Go en bf16. Ce modèle ne génère pas de texte ; à partir d'un état et de questions, il produit les probabilités de chaque option en une passe avant, adapté au routage local. La fiche modèle le compare à Jev 1.13 avec un score de 67,52.
Cillian Berragan annonce la sortie de fastbrowse, un agent navigateur open source propulsé par Jev, conçu pour résoudre la difficulté du contrôle de navigateur par les agents. Assez économique pour fonctionner à grande échelle, avec un benchmark de 10,6x par rapport à Browser Use.
Construit en Norvège, Zuse propose le même format d'API que Jev, est hébergé dans l'UE et affiche 90 % de précision sur 27 langues européennes dans ses benchmarks. Essai gratuit. Link
Le post affirme que Jev est l'histoire réelle : un modèle 2B obtient 93,6 AUROC sur JevOCRBench, proche de 93,8 pour Qwen3.5-397B-A17B, et fonctionne avec n'importe quel OCR en vérifiant sa sortie.
One card in the feed, every sixteen, on every page of it. $50 a week, cancel any week.
Grok résume la récente sortie de Jev : Jev a été lancé en accès anticipé limité le 15 septembre 2026. TypeSafe AI, fondée en 2024 par Diogo Almeida, Erik Gafni et Sasha Sheng, l'a annoncé ce jour-là ainsi qu'un tour de table de 40 millions de dollars mené par un investisseur.
Yuma Ichikawa présente le Jev spécialisé japonais développé par son équipe et note que la génération d'images est également de bonne qualité.
Le modèle Jev de TypeSafe AI peut désormais traiter des images et fournir des jugements oui/non, des étiquettes ou des scores, avec rapidité et à faible coût.
TypeSafe a levé 40 M$ pour Jev, un modèle de décision. Trois jours plus tard, Convai a publié Laya, un rival open source, annonçant une précision supérieure (benchmark interne).
Baseten lance joey-1, un modèle de 2 milliards de paramètres pour la classification et la notation, sans génération de texte libre. Inférence à seulement 0,01 $ par million de tokens, latence P50 de 20 ms et score de 63,30 sur l'indice de décision Jev 0.4, contre 72,24 pour elephant-1.
Nate Pacyga partage comment Jev prend des décisions rapides et économiques dans les applications et flux de travail, tout en laissant la génération de texte aux LLM. Il utilise également Jev pour exécuter son jeu de guerre et invite à un essai gratuit. Link
Jev est un nouveau modèle de TypeSafe AI. Une démonstration montre que le scoring de leads CRM prend 75 secondes un par un, mais avec Jev, 32 leads en parallèle prennent 3,7 secondes, pour le même coût (~2 cents). Un cours complet arrive bientôt.
Star the project on GitHub to support continued updates and curation.