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.
Jev de TypeSafeAI compresse le contexte sans résumé
Le post salue Jev de TypeSafeAI pour compresser le contexte en filtrant l'historique par scores plutôt que par résumé, réduisant 156 000 tokens à 62 000 d'un coup, et espère que Claude Code et Codex adopteront cette approche.
This usage is really great. I hope it's implemented in Claude Code and Codex. > Claude Code's context compression, without summarization, reduces 156,000 to 62,000 tokens in one shot. TypeSafeAI's "Jev" The idea of filtering history by scores without summarizing is great
· 399 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.
