Jev kontra modele generujące tekst
Jev nie generuje swobodnego tekstu. Film porównuje równoległe decyzje z generowaniem tekstu token po tokenie.
Dyskusja o ograniczeniach Jev
Autor twierdzi, że Jev nie radzi sobie z analizą obrazów: najpierw model musi wyodrębnić metadane, a dopiero potem dopasować je w zbiorze danych, i sugeruje użycie bazy danych embeddingów.
Jev is the perfect example of a useless use case This is impossible to make with Jev; you need a model that analyzes the image, defines metadata, then Jev can "find the best match" in a data set But the best and scalable way is to use an embedding database
· 2 likesOpen on X
More like this
Cennik, ewaluacje i nazwa Jev
Wątek premierowy wyjaśnia ewaluacje przepływów code + AI, ogłoszoną cenę wejścia i darmowe tokeny wyjściowe.
Model Jev: generowanie prawdopodobieństw do podejmowania decyzji, 200× szybszy i 400× tańszy niż LLM
Model ten jest stworzony do podejmowania decyzji, a nie generowania tekstu; generuje prawdopodobieństwa dla każdej opcji równolegle zamiast odpowiedzi token po tokenie. Autor dzieli się uproszczonym przykładem porównania zwykłych LLM z tym modelem Jev.
