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.
Le fonctionnement de Jev : un classifieur de type encodeur
Ce post propose une façon simple de comprendre Jev : il se comporte comme un transformer à encodeur seul avec une tête de classification. L'état et les options entrent, des probabilités sortent, en une seule passe avant, sans génération de texte ni parsing.
Everyone is calling Jev a new kind of AI model. Here's the simpler way to think about it: Jev behaves exactly like an encoder-only transformer with a classification head. State goes in. Options go in. Probabilities come out. One forward pass. No text generation, no parsing, no
· 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.
