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.
Otwartoźródłowy model podobny do Jev działa na laptopie bez API
Post twierdzi, że TypeSafe poświęcił dwa lata i 40 mln dolarów na umieszczenie modelu decyzyjnego w chmurze, podczas gdy student pierwszego roku udostępnił jako open source model podobny do Jev, działający na laptopie bez API, bez listy oczekujących, bez tokenów wyjściowych, około 13 ms na decyzję, ~1 GB RAM, 60 decyzji na sekundę, grając w Snake'a.
TypeSafe Al spent 2 years in stealth and $40M to put a decision model in the cloud. 5 days later, a freshman open-sourced a Jev-like model that runs on a laptop. No API. No waitlist. No output tokens. ~13ms per decision. ~1GB RAM. 60 decisions a second. Playing Snake
· 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.
