Marc Watkins condivide l'uso di Jev per ordinare e analizzare i dati dei reclami dall'API del Consumer Financial Protection Bureau, sostenendo che LLM probabilistici veloci ed economici rivoluzioneranno le attività dati ad alto consumo di risorse.
Using Jev for data sorting and analysis is something! Here it is structuring data from complaints filed via the Consumer Financial Protection Bureau API. Using an inexpensive, fast, probability LLM is going to upend so many of the resource intensive data activities we do.
Malte Ubl ha eseguito Jev di TypeSafe AI su una valutazione di classificazione esistente: ha saturato la valutazione in qualità ed è stato 6 volte più veloce di Gemini 2.5 Flash Lite.
L'autore ha pubblicato un'estensione DuckDB che usa Jev di TypeSafe AI per classificare rapidamente le righe in file CSV/Parquet o tabelle DuckDB, circa 10 secondi per 1k righe—più veloce di un LLM e più ergonomico di un classificatore.
L'autore ha riassunto ogni paper con DeepSeek V4 Flash, poi ha inviato titolo, riassunto e 24 argomenti candidati a Jev per la classificazione, elaborando 1.018 paper sull'IA con un costo totale di 0,08 $ e una latenza end-to-end mediana di 256 ms per paper.
