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.
Model Jev firmy TypeSafe szybko integrowany przez firmy z narzędziami deweloperskimi
Według AI Matters, model Jev od TypeSafe ma niższą dokładność (67,8%) niż czołowe modele, ale odpowiada w 0,4 s i kosztuje ułamek (1/10 do 1/100). Zamiast zdań podaje prawdopodobieństwo poprawnej odpowiedzi. Cztery firmy, w tym Vercel, zintegrowały go w trzy dni. Brak jeszcze zewnętrznej weryfikacji.
정확도는 상위 모델보다 낮은데, 개발 도구 업체들이 앞다퉈 붙인 모델 Jev. · 버셀 등 4곳이 사흘 내 통합 · 문장 대신 답과 맞을 확률만 출력 · 응답 0.4초, 비용은 수십~수백 분의 1 · 정확도 67.8% 외부 검증 자료는 아직 없습니다. #TypeSafe #Jev 원문은 아래에 ↓
· 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.
