Jev rispetto ai modelli che generano testo
Jev non genera testo libero. Un video affiancato confronta decisioni parallele e generazione token per token.
Il modello Jev assegna probabilità agli esiti
L'autore menziona che sta lavorando a un post di blog che confronta Jev con Laya (inclusa una versione ottimizzata) su dichiarazioni probabilistiche, e sottolinea che una caratteristica importante di Jev è assegnare probabilità agli esiti.
I figured this out last friday and was working on a blog post where I compare Jev to Laya (as well as a fine-tuned laya) on probabilistic statements and got scooped by this tweet. I think an important takeaway from jev is that it assigns probabilities to outcomes. In that way
· 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.
