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.
Modelo de decisão Kev-0.6B da classe Jev executa uma passagem direta no Apple Neural Engine
Kev-0.6B é um modelo de decisão da classe Jev executado no Apple Neural Engine. Uma passagem direta, sem geração de tokens, 7,18 ms por decisão com p99 de 7,53 ms. A colocação ainda não é afirmada; é medida de três formas: somente CPU retorna zeros e o instrumento Neural Engine do xctrace da Apple conta 303.
Kev-0.6B, a Jev-class decision model, running on the Apple Neural Engine. One forward pass, no token generation. 7.18 ms per decision, p99 7.53. Placement isn't asserted yet, it's measured three ways: CPU-only returns zeros, Apple's xctrace Neural Engine instrument counts 303
· 1 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.
