Jev face aux modèles générateurs de texte
Jev ne génère pas de texte libre. Une vidéo côte à côte compare la décision parallèle avec la génération token par token.
Diffusion LLM pourrait mieux convenir aux modèles de décision rapide de type Jev
Le post indique que Jev ne peut pas générer de coordonnées de clic continues par énumération, tandis que Diffusion LLM offre une meilleure expressivité à vitesse similaire, et prédit un Computer à 50 mspt.
woc一语点醒梦中人，Google果真有高人在的，Diffusion LLM才是最适合Jev这种快速决策模型的架构，而且可以在保持推理速度相同的同时有比Jev这种模型更强的表达能力（比如要生成鼠标点击动作，Jev是没办法通过枚举选项生成连续点击坐标的，但是DLLM就可以） 过一段时间说不定就会有50 mspt 的Computer
· 0 likesOpen on X
More like this
Prix, évaluations et origine du nom Jev
Le fil de lancement explique les évaluations de workflows code + AI, le prix d’entrée annoncé et les tokens de sortie gratuits.
Modèle Jev : génération de probabilités pour la décision, 200× plus rapide et 400× moins cher que les LLM
Ce modèle est conçu pour la prise de décision plutôt que la génération de texte, produisant des probabilités pour chaque option en parallèle au lieu de réponses token par token. L'auteur présente un exemple simplifié comparant les LLM classiques à ce modèle Jev.
