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.
Mały model Jev dynamicznie dostosowuje wysiłek rozumowania w Codex i obniża rachunek Astra
Somi dzieli się: mały model Jev współpracuje z GPT-6 w Codex, dostosowując wysiłek rozumowania na każdym kroku, oszczędzając 50% na rachunku Astra w testach vechen i zachowując pamięć podręczną promptów.
50% off the Astra bill in vechen's tests, prompt caching intact. Jev, a tiny model, sits beside GPT-6 in Codex and dials reasoning effort per step. Stuck? Think harder. Routine? Don't. GPT-6 is a bad judge of when it's stuck, and I'd rather a cheap watcher own that knob.
· 0 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.
