Jev rispetto ai modelli che generano testo
Jev non genera testo libero. Un video affiancato confronta decisioni parallele e generazione token per token.
Jev: un punto di output a token singolo e bassa latenza sulla curva ottimale di Pareto degli LLM
AJ descrive Jev come un punto sulla curva ottimale di Pareto degli LLM, che risponde alla domanda latente di nessun thinking, output a token singolo, bassa latenza e intelligenza sufficientemente buona; Diogo Almeida risponde.
AJ称 Jev 是LLM Pareto optimal curve 上的一个点 Jev 让过去存在一个很大的“潜在需求”显现出来： - 不需要 thinking - 单 token 输出 - 低延迟 - 只要足够好的 intelligence 这个方向长期被低估了，因为整个行业都在追求“更高 intelligence” Diogo Almeida 回复说，Jev是在 intelligence
· 1 likesOpen on X
More like this
Prezzi, valutazioni e origine del nome Jev
Il thread di lancio spiega le valutazioni dei workflow code + AI, il prezzo di input annunciato e i token di output gratuiti.
Modello Jev: generazione di probabilità per le decisioni, 200× più veloce e 400× più economico degli LLM
Questo modello è progettato per il processo decisionale anziché la generazione di testo, generando probabilità per ogni opzione in parallelo invece di risposte token per token. L'autore condivide un esempio semplificato di confronto tra LLM normali e questo modello Jev.
