Een codebase-classificator bouwen met Jev
Een ontwikkelaar deelt het bouwen van een codebase-classificator met Jev, suggereert dat dit overgeëngineerde code van agents kan oplossen, en vraagt wat er nu getest moet worden.
Jev-model van TypeSafe snel geïntegreerd door tools voor ontwikkelaars
Volgens AI Matters heeft het Jev-model van TypeSafe een lagere nauwkeurigheid (67,8%) dan topmodellen, maar reageert in 0,4 seconden en kost slechts een fractie (1/10 tot 1/100). Het geeft de kans op een correct antwoord in plaats van zinnen. Vier bedrijven waaronder Vercel integreerden het binnen drie dagen. Externe validatie ontbreekt nog.
정확도는 상위 모델보다 낮은데, 개발 도구 업체들이 앞다퉈 붙인 모델 Jev. · 버셀 등 4곳이 사흘 내 통합 · 문장 대신 답과 맞을 확률만 출력 · 응답 0.4초, 비용은 수십~수백 분의 1 · 정확도 67.8% 외부 검증 자료는 아직 없습니다. #TypeSafe #Jev 원문은 아래에 ↓
· 0 likesOpen on X
More like this
Jev maakt LLM-as-a-Judge 20–200x sneller en 40–400x goedkoper
Jev werd gebruikt om te bepalen welk model AGI is, met 20–200x snelheid en 40–400x lagere kosten, waardoor LLM-as-a-judge extreem snel en bijna gratis wordt.
Apps testen met TypeSafe Jev & OpenCode
Filip deelt een kleine demo die laat zien hoe snel apps testen met TypeSafe Jev en OpenCode kan zijn.
