Jev rispetto ai modelli che generano testo
Jev non genera testo libero. Un video affiancato confronta decisioni parallele e generazione token per token.
Jev Harness: lettura e ricerca occupano il 56,2% dei turni degli strumenti, la scrittura di codice meno del 10%
Il PDF Jev Harness di Diogo Amogo propone di controllare i comandi in base alla fiducia, caricare le istruzioni in base alla condizione e condividere un passaggio di recupero tra attività di sola lettura, sostenendo che il collo di bottiglia non è mai stato la codifica.
Reading and searching eat 56.2% of tool turns. Writing code is under 10%. Diogo Amogo's Jev Harness PDF flips that: 1. gate commands by trust 2. load instructions by condition 3. share one retrieval pass across read-only tasks The bottleneck was never the coding.
· 0 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.
