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.
Jev Harness: leitura e busca consomem 56,2% dos turnos de ferramentas, codificação menos de 10%
O PDF Jev Harness de Diogo Amogo propõe controlar comandos por confiança, carregar instruções por condição e compartilhar uma passagem de recuperação entre tarefas somente leitura, argumentando que o gargalo nunca foi a codificação.
Reading and searching eat 56.2% of tool turns. Writing code is under 10%. Diogo Amogo's Jev Harness PDF flips that: 1. gate commands by trust 2. load instructions by condition 3. share one retrieval pass across read-only tasks The bottleneck was never the coding.
· 0 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.
