Penulis menguji Jev melawan Gemini 3.8 Flash pada 1.000 ulasan aplikasi nyata untuk sentimen, topik, bug, dan risiko churn. Jev membutuhkan 4,6 detik dan $0,023, sedangkan Gemini 18,8 detik dan $0,158, dengan repositori GitHub tertaut.
I evaluated #Jev from @typesafeai against @Google #Gemini 3.8 flash Jev decides sentiment, topic, "bug?" and churn risk for 1,000 real app reviews, racing Gemini 3.8 Flash on the same job. Jev: 4.6s, $0.023. Gemini: 18.8s, $0.158. Git repo → https://github.com/goodrahstar/jev-column-race…
Malte Ubl menjalankan Jev dari TypeSafe AI pada evaluasi klasifikasi yang ada; hasilnya memenuhi evaluasi dari sisi kualitas dan 6x lebih cepat dari Gemini 2.5 Flash Lite.
Penulis merilis ekstensi DuckDB yang menggunakan Jev dari TypeSafe AI untuk mengklasifikasikan baris dengan cepat di file CSV/Parquet atau tabel DuckDB, sekitar 10 detik untuk 1k baris—lebih cepat dari LLM dan lebih ergonomis daripada classifier.
Penulis merangkum setiap makalah dengan DeepSeek V4 Flash, lalu mengirim judul, ringkasan, dan 24 topik kandidat ke Jev untuk diklasifikasikan, memproses 1.018 makalah AI dengan total biaya $0,08 dan latensi end-to-end median 256ms per makalah.
