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
Kaustav Banerjee deelt een volledig geautomatiseerde workflow voor een toegangsticket: 4 van de 20 stappen omvatten oordelen die worden gedaan door Jev van TypeSafe AI, niet door een LLM. De LLM draait één keer, het hele ticket kost ₹0.16 en Jev's aandeel is minder dan 1 paisa.
De auteur heeft de AI-moderatietriage in Bitsocial-community's geüpgraded van gpt-5.6-luna naar gpt-6-luna: 50% goedkopere invoer, 58% goedkopere uitvoer en toch slimmer. Jev doet nog steeds de eenvoudige controles, onzekere gevallen gaan naar grok-4.7.
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.
Op basis van het testraamwerk van @karminski3 voegt de auteur meerdere resultaten van Jev toe voor doolhofproblemen en vergelijkt deze met random walk en professionele doolhofalgoritmes.
Een gebruiker deelt een slow motion-clip van Jev die een Sudoku oplost.
De auteur gebruikte het nieuwe model Jev van TypeSafe in Skills IL om een tool te bouwen die bankphishingberichten via sms, WhatsApp of e-mail detecteert. Gebruikers kunnen direct een verdacht bericht plakken om het te controleren.
De community deelde een manier om Jev op Cloud Run te draaien met een RTX PRO 6000: ~47 s koude start, ~117 ms end-to-end en 100+ req/s bij concurrency 32. Ze gebruikten Jev ook om Snake, Dino en Tetris-spellen te maken.
JEV wordt geïntegreerd in het geheugensysteem van Ekko Agent en neemt deel aan belangrijke fasen zoals semantische classificatie, het opnieuw ordenen van kandidaatherinneringen en validatie vóór het schrijven. Het helpt de agent relevantere herinneringen te vinden en zorgvuldiger te beslissen wat het waard is om te onthouden. Momenteel in testfase; eerste ervaringen tonen een verbeterde terugroepnauwkeurigheid in sommige scenario's.
Iemand heeft een enorme directory gebouwd van alles wat met Jev te maken heeft, inclusief skills, repositories, X/Reddit-berichten, bronnen, sites en meer, filterbaar op gebruikssituatie.
De auteur stelt voor om de retourwaarden van Jev niet simpelweg als correct te beschouwen; let in plaats daarvan op confidence. Voeg voor Choice-typen een cannot_tell-optie toe om misoordeling te voorkomen.
De auteur vindt Jev niet geschikt voor detectie van AI-gegenereerde inhoud, alle AI-detectoren zijn hetzelfde en zinloos tenzij de nauwkeurigheid boven 90% ligt, en beveelt een andere API aan. Link
De auteur combineert de recent uitgebrachte Claude Opus 5.5 en Jev voor een marketinggebruik: automatisch 120 concurrentieadvertenties scoren, de 10 de moeite waard om aan te passen selecteren en versies van elk maken.