Course de liens Wikipédia : choisir parmi des milliers d’options
Le modèle choisit l’étape suivante parmi des centaines ou milliers de liens, montrant des décisions rapides avec sorties contraintes. Le post contient une vidéo de 4 min 04.
L'intelligence de Jev équivaudrait à Qwen3.5-2B, avec une latence ultra-faible comme atout
Un utilisateur affirme que l'intelligence réelle de Jev n'égale que Qwen3.5-2B, avec l'ultra-faible latence comme seul avantage, et a conçu un benchmark face à Qwen3.5 0.8B, 2B et 4B, déconseillant le FOMO.
Jev's actual intelligence level is actually equivalent to Qwen3.5-2B, and its biggest advantage—or rather, its only advantage—lies in its ultra-low latency. Everyone, no need to FOMO 😂 I've designed a benchmark test comparing Jev to Qwen3.5 0.8B 2B 4B, with a thinking budget
· 0 likesOpen on X
More like this
Cas d'usage de requête sémantique avec Jev et TypeSafe AI
Nathan LeClaire partage un cas d'usage de requête sémantique pour Jev et TypeSafe AI, notant qu'on n'a fait qu'effleurer la surface.
Créer un détecteur de BS en direct pour le débat Trump vs Kamala avec Jev
L'auteur a utilisé Jev pour exécuter un détecteur de BS en direct sur chaque phrase du débat Trump vs Kamala, avec 5 questions oui/non par candidat, totalisant 1 191 appels Jev, 1,18 M de tokens, 415 ms de latence médiane et un coût total de 0,0497 $.
