Budowanie klasyfikatora bazy kodu z Jev
Deweloper dzieli się budową klasyfikatora bazy kodu z Jev, sugerując, że może rozwiązać problem przekombinowanego kodu od agentów, i pyta, co testować dalej.
Cortex: lokalny serwer MCP skraca zadania z 23 s do 0,8 s
Cartwright zbudował Cortex, lokalny serwer MCP: Claude planuje, szybka warstwa klika. To samo zadanie w aplikacji Mac: 23 s → 0,8 s; jedna akcja ~5 s runda Claude → 0,25 s bez modelu. 24 narzędzia: przeglądarka, aplikacje Mac, wyszukiwanie GitHub, brama bezpieczeństwa. Powiązane z @typesafeai #JEV.
Built Cortex, a local MCP server: Claude plans, a fast layer does the clicking. Same Mac-app task: computer use 23 s → Cortex 0.8 s One action: ~5 s Claude round → 0.25 s, no model 24 tools: browser, Mac apps, GitHub search, safety gate Measured on my Mac. @typesafeai #JEV
· 2 likesOpen on X
More like this
Jev umożliwia LLM-as-a-Judge 20–200x szybciej i 40–400x taniej
Jev został użyty do wyboru, który model jest AGI, oferując 20–200x większą szybkość i 40–400x niższy koszt, czyniąc LLM-as-a-judge niezwykle szybkim i niemal darmowym.
Testowanie aplikacji z TypeSafe Jev i OpenCode
Filip dzieli się małym demo pokazującym szybkość testowania aplikacji z TypeSafe Jev i OpenCode.
