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.
Onde o Jev se encaixa em um loop de agente: roteamento tipado e controle de risco
O post descreve um loop de agente em cinco etapas e posiciona o Jev como a camada tipada para roteamento, controle, pontuação, risco e urgência, capaz de reverificar antes de ações destrutivas.
Where each belongs in an agent loop: 1. Observe state (ticket, tool args, logs, messages) 2. Jev — route / gate / score / risk / urgency (typed) 3. LLM — plan, write, debug, explain (open-ended) 4. Tools / APIs execute 5. Loop — Jev can re-check before destructive actions
· 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.
