Jev versus modelos de geração de texto
Jev não gera texto livre. Um vídeo lado a lado compara decisões paralelas com geração de texto token por token.
Experimentando o Jev da TypeSafe AI no Playground: avaliação semântica via HEX/RGB
Teste do Jev no Playground: ocultar nomes de candidatos Choice como option_a etc. e fornecer apenas valores HEX/RGB para ver se o modelo os avalia semanticamente como cores. Ao mudar um dos valores HEX ou RGB de um candidato para vermelho, criando contradição, sua probabilidade cai para quase 0%; ainda não se observa viés claro de HEX ou RGB.
TypeSafe AIの #Jev を Playground で実験なう✨ Choice の候補名を option_a 等に隠してHEX/RGB だけ与えても、値を色として意味的に評価する様子。 例えば blue 候補の HEX か RGB の片方だけデータで赤に変えて矛盾させるとその候補確率はほぼ0%。 HEX優先／RGB優先の偏りは今のところなさそう🤔
· 5 likesOpen on X
More like this
Preços, avaliações e o nome Jev
A thread de lançamento explica avaliações de fluxos code + AI, o preço de entrada anunciado e tokens de saída gratuitos.
Modelo Jev: geração de probabilidades para decisões, 200× mais rápido e 400× mais barato que LLMs
Este modelo é feito para tomada de decisão em vez de geração de texto, gerando probabilidades para cada opção em paralelo, em vez de respostas token a token. O autor compartilha um exemplo simplificado de LLMs normais versus este modelo Jev.
