Wyścig linków Wikipedii: wybór spośród tysięcy opcji
Model wybiera następny krok spośród setek lub tysięcy linków, pokazując szybkie decyzje z ograniczonym wyjściem. Post zawiera film 4:04.
Inteligencja Jev ma odpowiadać Qwen3.5-2B, a przewagą jest ultra-niska latencja
Użytkownik twierdzi, że rzeczywista inteligencja Jev dorównuje jedynie Qwen3.5-2B, a jedyną zaletą jest ultra-niska latencja; zaprojektował benchmark przeciw Qwen3.5 0.8B, 2B i 4B i radzi nie ulegać FOMO.
Jev's actual intelligence level is actually equivalent to Qwen3.5-2B, and its biggest advantage—or rather, its only advantage—lies in its ultra-low latency. Everyone, no need to FOMO 😂 I've designed a benchmark test comparing Jev to Qwen3.5 0.8B 2B 4B, with a thinking budget
· 0 likesOpen on X
More like this
Przypadek użycia zapytań semantycznych z Jev i TypeSafe AI
Nathan LeClaire dzieli się przypadkiem użycia zapytań semantycznych dla Jev i TypeSafe AI, zauważając, że dopiero zaczęto badać możliwości.
Tworzenie live'owego miernika BS dla debaty Trump vs Kamala z Jev
Autor użył Jev do uruchomienia live'owego miernika BS na każdym zdaniu debaty Trump vs Kamala, zadając 5 pytań tak/nie każdemu kandydatowi, co dało łącznie 1 191 wywołań Jev, 1,18 mln tokenów, medianę opóźnienia 415 ms i całkowity koszt 0,0497 $.
