Marc Watkins partage l'utilisation de Jev pour trier et analyser les données de plaintes de l'API du Bureau de protection financière des consommateurs, affirmant que les LLM probabilistes rapides et peu coûteux bouleverseront les activités de données gourmandes en ressources.
Using Jev for data sorting and analysis is something! Here it is structuring data from complaints filed via the Consumer Financial Protection Bureau API. Using an inexpensive, fast, probability LLM is going to upend so many of the resource intensive data activities we do.
Malte Ubl a testé Jev de TypeSafe AI sur une évaluation de classifieur existante : il a saturé l'évaluation en qualité et a été 6 fois plus rapide que Gemini 2.5 Flash Lite.
L'auteur a publié une extension DuckDB qui utilise Jev de TypeSafe AI pour classer rapidement des lignes dans des fichiers CSV/Parquet ou des tables DuckDB, environ 10 secondes pour 1k lignes, plus rapide qu'un LLM et plus ergonomique qu'un classifieur.
L'auteur a résumé chaque article avec DeepSeek V4 Flash, puis a envoyé le titre, le résumé et 24 sujets candidats à Jev pour classification, traitant 1 018 articles d'IA pour un coût total de 0,08 $ et une latence médiane de 256 ms par article.
