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.
Karpathy aponta Jev como um ponto negligenciado na curva de Pareto dos LLMs
A publicação cita a visão de Karpathy de que Jev é um ponto antes negligenciado na curva de Pareto dos LLMs, e traça um espectro de Rules a Classifier, Jev, Flash, General LLM e Reasoning LLM: Flash é inteligência geral mais rápida e Jev é inteligência de decisão mais estreita; muitas tarefas só precisam que a inteligência ultrapasse um limiar, depois disso latência, custo e determinismo importam mais.
Karpathy 说 Jev 是 LLM Pareto curve 上一个此前被忽略的点。 画出来之后更直观： Rules → Classifier → Jev → Flash → General LLM → Reasoning LLM Flash 是更快的通用智能，Jev 是更窄的决策智能。 很多任务不需要最高智能，只需要智能过线。过线之后，延迟、成本和确定性反而更重要。
· 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.
