Jev rispetto ai modelli che generano testo
Jev non genera testo libero. Un video affiancato confronta decisioni parallele e generazione token per token.
Jev Engineering: trasformare le catene di agenti in grafi decisionali auto-instradanti
Secondo il post, Jev Engineering trasforma una singola catena di agenti in un grafo decisionale che si rinstrada da sé, e rimuove il modello costoso da ogni ciclo decisionale. Nei test: fino a 193 volte più veloce e 444 volte più economico.
Jev Engineering turns a single agent chain into a decision graph that reroutes itself, and pulls the expensive model out of every decision loop. In tests: up to 193x faster and 444x cheaper. The key here isn't how many agents you run. It's that execution never follows one
· 11 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.
