THE JEV GUIDE · CURATED EDITION
Launch nieuws, uitleg, demo’s en community projecten rond TypeSafe Jev, geordend per onderwerp. Elke vermelding linkt terug naar de bron op X.
Gecureerde selectie · Niet volledig · Handmatig bijgewerkt
01 / EXPLORE
0 means awaiting a verified post
De oprichter van Jev heeft een masterclass van 1 uur uitgebracht die uitlegt hoe Jev daadwerkelijk werkt: LLM's → Beslissingen → Verificatie → Coderingsagenten. Het behandelt waarom alleen LLM's niet genoeg zijn, de drie primitieven achter Jev en hoe grote AI-taken worden omgezet in kleine betrouwbare stappen.
Deze post, gericht op beginners van CodeX en Claude, introduceert de basisstroom van het Jev-model: invoer van toestand en vraag, verwerking via Jev en uitvoer van gekalibreerde kans.
Arman gebruikt Saul Goodman en de bel van Hector om LLM's te contrasteren met Jev, en merkt op dat Jev, gebouwd door TypeSafe AI, is ontworpen om kleine, precieze gestructureerde beslissingssignalen binnen software te leveren.
Grok Bot voert het werk uit; Jev bepaalt de volgende stap. Deze gratis tutorial van 22 minuten legt Jev uit, het 'System One'-model van TypeSafe dat beslissingen neemt in plaats van te chatten.
Jev heeft geen decode-fase; het antwoord komt uit een enkele prefill-pass, waardoor het ongeveer 200 keer sneller is dan een traditionele LLM-beoordelaar.
Mensen in de community blijven uitleggen hoe Jev verschilt van gewone LLM's.
Jev gebruikt context en getypeerde vragen om begrensde beslissingen met kansen te genereren, geen gewone tekstgenerator.
Jev voert bij elke codestap een bereikcontrole uit, markeert hunks die niet door de prompt zijn gevraagd, beoordeelt per hunk in plaats van de hele PR en biedt opties In scope / Check scope / N unrequested. Voorlopig alleen in sessies.
Jev gaat verder dan tekstgeneratie: het analyseert, evalueert, identificeert hiaten, beslist wat er moet veranderen en stelt de volgende stap voor, in plaats van blindelings instructies te volgen.
Diogo Almeida van TypeSafe zegt dat hij zelfs met een miljard dollar geen basismodel vanaf nul zou pretrainen; Jev wordt gebouwd door bestaande stacks te versnijden en te hercombineren.
Introduceert het Jev-model van TypeSafe AI, gericht op getypeerde probabilistische beslissingen, waaronder Noul (Ja/Nee), Choice (selecteer een optie) en Score (scoren op een gedefinieerde schaal), in contrast met de open generatie van LLM's.
De post merkt op dat veel van wat eruitziet als redeneren in agentinfrastructuur eigenlijk slechts classificatie is. Jev maakt dit onderscheid expliciet: het genereert helemaal geen tekst; in plaats daarvan neemt het een staat en een getypeerde vraag.