Создание классификатора кодовой базы с помощью Jev
Разработчик делится созданием классификатора кодовой базы с помощью Jev, предполагая, что это может решить проблему переусложнённого кода от агентов, и спрашивает, что тестировать дальше.
Компромиссы MLOps: Jev против LLM в продакшене
MLOps-специалист делится производственными компромиссами: миллисекундная задержка Jev против многсекундной у LLM, схемы enum и вероятностей против парсинга JSON, различия в дизайне галлюцинаций типов и структура затрат.
Production tradeoffs I care about as MLOps: • Latency: Jev ms-class vs LLM multi-second (p95 kills UX + agent loops) • Schema: enums + probs vs “parse the JSON and pray” • Hallucination on types: Jev can’t emit an invalid choice by design; LLMs still can • Cost shape: Jev
· 0 likesOpen on X
More like this
Jev обеспечивает LLM-as-a-Judge в 20–200 раз быстрее и в 40–400 раз дешевле
Jev использовался для выбора модели AGI, обеспечивая в 20–200 раз большую скорость и в 40–400 раз меньшую стоимость, делая LLM-as-a-judge чрезвычайно быстрым и почти бесплатным.
Тестирование приложений с TypeSafe Jev и OpenCode
Filip делится небольшим демо, показывающим скорость тестирования приложений с TypeSafe Jev и OpenCode.
