JevでComputer Useを高速化：LLMの記憶とJevによる操作実行
LLMが記憶とコンテキストを保持し、agent-desktopでスナップショットを取得してJevに送信、Jevが適切な要素を選んで操作を実行し、Computer Useを高速化。Cursor対応、ヘッドレス運用も可能。
Jevモデルで部品仕分けを自動化：54部品、コスト0.0015ドル
TGT AnalyticsがJevモデルの部品仕分けにおける実用例を紹介：54部品を感知・判断・仕分けし、AIコストは合計0.0015ドル。1部品あたり150～200ms、信頼度99.7%。スケール時は1日1万部品で0.27ドル、100万部品で27ドル。
I cut through the Jev hype looking for a real use case. Found one. This clip: 54 parts sensed, decided, sorted. Total AI cost $0.0015. 150-200ms each, 99.7% confidence. No prose, no hallucinations. Scale it: 10,000 parts a day = $0.27. 1M = $27. What would you automate with it?
· 0 likesOpen on X
More like this
Jevが500件のメールを数秒で分類、コストはわずか3.5セント
Riley Brown氏が、TypeSafe AIのJevを使って500件のメールを数秒で分類し、コストはわずか3.5セントだったと共有。高速かつ低コストなメール分類を実証。
テキストを書かないAI「Jev」の総合解説動画
テキストを書かないAI「Jev」の総合解説動画。問い合わせをどの部門に振り分けるか、緊急度はどれくらいかを判断するAI。
