Jev verslaat Gemini 2.5 Flash Lite op kwaliteit en snelheid in classifier-evaluatie
Malte Ubl voerde Jev van TypeSafe AI uit op een bestaande classifier-evaluatie: het verzadigde de evaluatie op kwaliteit en was 6x sneller dan Gemini 2.5 Flash Lite.
Jev gebruiken om embedding-gebaseerde repo-categorisering te vereenvoudigen
Patrick DeVivo deelt een LLM-embeddingpipeline op Powerset om repo's te categoriseren op basis van README en website-inhoud, en stelt dat Jev dit flink kan vereenvoudigen.
on @PowersetRes we run an LLM embedding pipeline to categorize repos based on their READMEs and website content. we use embedding similarity to a category centroid to determine membership- it works, but seems like a place Jev could really shine could simplify a whole lot and
· 1 likesOpen on X
More like this
Snelle rijclassificatie in DuckDB met Jev
De auteur heeft een DuckDB-extensie uitgebracht die TypeSafe AI's Jev gebruikt om rijen in CSV/Parquet-bestanden of DuckDB-tabellen snel te classificeren, ongeveer 10 seconden voor 1k rijen—sneller dan een LLM en ergonomischer dan een classifier.
1.018 AI-papers classificeren met Jev voor $ 0,08
De auteur vatte elk paper samen met DeepSeek V4 Flash en stuurde vervolgens de titel, samenvatting en 24 kandidaat-onderwerpen naar Jev voor classificatie. Er werden 1.018 AI-papers verwerkt tegen $ 0,08 totale kosten en 256ms mediane end-to-end latentie per paper.
