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 decisionale Kev-0.6B di classe Jev esegue un singolo forward pass sull'Apple Neural Engine
Kev-0.6B è un modello decisionale di classe Jev eseguito sull'Apple Neural Engine. Un singolo forward pass, nessuna generazione di token, 7,18 ms per decisione con p99 di 7,53 ms. Il posizionamento non è ancora affermato; viene misurato in tre modi: solo CPU restituisce zeri e lo strumento xctrace Neural Engine di Apple conta 303.
Kev-0.6B, a Jev-class decision model, running on the Apple Neural Engine. One forward pass, no token generation. 7.18 ms per decision, p99 7.53. Placement isn't asserted yet, it's measured three ways: CPU-only returns zeros, Apple's xctrace Neural Engine instrument counts 303
· 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.
