L'autore ha eseguito 662 test di accuratezza su Jev utilizzando i dataset SMS Spam Collection e Banking77 di Kaggle, con risultati sorprendenti.
How accurate is Jev, really? I tested it with two Kaggle datasets 662 times, and the results were a bit surprising. I used datasets from Kaggle: - SMS Spam Collection: 5,574 English text messages, sampled 200 for a smoke test - Banking77: 13,000 real banking app queries, 77
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.
