OneCodeReviewBench: 코드 리뷰 결정에서 Jev와 호스팅 API 비교
Mohebifar 팀이 12개 언어, 약 2000개의 타입 있는 코드 리뷰 및 검색 결정을 포함한 OneCodeReviewBench를 공개했습니다. 결과적으로 Jared Palmer의 27B 모델 Kev가 선택 및 점수 문제에서 Jev 등 호스팅된 결정 API를 능가했습니다. Link
THE JEV GUIDE · CURATED EDITION
TypeSafe Jev의 출시 소식, 설명, 데모, 커뮤니티 프로젝트를 주제별로 정리했습니다. 모든 항목은 X 원본 게시물로 연결됩니다.
선별 큐레이션 · 전체 수집 아님 · 수동 업데이트
Sponsors
이 제품들이 이 디렉터리를 후원합니다. 내 제품도 올리기
Mohebifar 팀이 12개 언어, 약 2000개의 타입 있는 코드 리뷰 및 검색 결정을 포함한 OneCodeReviewBench를 공개했습니다. 결과적으로 Jared Palmer의 27B 모델 Kev가 선택 및 점수 문제에서 Jev 등 호스팅된 결정 API를 능가했습니다. Link
James LePage는 TypeSafe AI의 Jev와 무언가를 결합하면 좋은 테스트를 얻을 수 있다고 말합니다.
사용자는 Jev 구현이 아직 끝나지 않았고, Opus 5.5와 모션 그래픽 라이브러리를 시도하면서 또 새로운 AI 모델이 나와 놀랐다고 말한다.
John Wong이 백본 동결 + 200 스텝 LoRA로 LFM3-VL-2B의 JevBench 점수(dev 0.657 / test 0.452)를 공유했습니다. 폐쇄형 0.996과는 다른 기준이며, 동급 오픈소스 최고보다 약 10포인트, Jev 본체보다 25~30포인트 뒤처져 있고 계속 최적화할 예정입니다.
이 게시물은 pytest로 평가된 18개 작업 × 3회 시도에서 자체 라우터가 OpenRouter의 Jev Router 및 Auto router보다 높은 일관성(94.4% vs 72.2% vs 16.7%), 더 낮은 비용, 더 낮은 지연 시간을 달성했다고 주장합니다.
One card in the feed, every sixteen, on every page of it. $50 a week, cancel any week.
Gagan Devagiri는 몇 주 전 Parallel의 웹 검색과 Jev for Pi를 사용해 Decisions API와 유사한 파이프라인을 구축했으며, 코딩 시 검색과 판단을 분리하는 것을 선호한다고 밝혔습니다. Link
Jev를 사용해 소프트웨어 개발에 '섀도우 실행 + AI 품질 검사 + 빠른 전환 + 즉시 롤백' 메커니즘을 도입하는 시스템을 소개하며, Jev의 혁신적인 활용 사례를 보여줍니다.
하나의 코딩 작업에서 네 가지 주요 변경으로 비용을 크게 절감: 더 스마트한 노트 선택 23.7% 절감, 결정을 Jev로 이동 51.2% 절감, 적절한 복구 경로 58.1% 절감, 빠른 워커로 라우팅 68.8% 절감. 각 요소가 누적되어 비용이 $6.42에서 $2.00으로 낮아집니다.
Jev는 컨텍스트, 라우팅, 복구, 테스트의 네 가지 결정을 통해 코딩 에이전트 비용을 68.8% 절감하며, 코드 작성은 Opus 5.5가 담당합니다.
Jev 같은 의사결정 모델을 사용할 때 코드가 다른 분기로 갔다고 AI 호출을 다시 하지 말고, 한 번에 더 많은 질문을 해야 합니다.
이번 호에는 Atlassian의 AI SDLC 전환 플레이북, 텍스트를 생성하지 않는 Jev 모델 설명, Pinterest의 에이전트 대응 메트릭 계층, ClaudeDevs 비용 절감, 일일 LLM 릴리스 및 가격 추적기가 포함됩니다. Link
이 게시물은 자율 UI 테스트 에이전트가 1초 미만의 턴으로 시각적 버그와 대비 문제를 발견해야 한다고 주장하며, Jev 모델이 이미지를 입력받을 수 없다는 점을 지적하고, Cloudflare가 고속 의사결정 모델이 반드시 맹목적이지 않다는 증거라고 인용합니다.
Star the project on GitHub to support continued updates and curation.