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.
Débat sur les limites de Jev
L'auteur estime que Jev ne peut pas gérer l'analyse d'images : un modèle doit d'abord extraire les métadonnées avant la recherche dans un jeu de données, et suggère d'utiliser une base de données d'embeddings.
Jev is the perfect example of a useless use case This is impossible to make with Jev; you need a model that analyzes the image, defines metadata, then Jev can "find the best match" in a data set But the best and scalable way is to use an embedding database
· 2 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.
