Jev löser problemet med JSON-tolkning för LLM
Inlägget säger att Jev löste ett problem som AI-team har patchat i flera år: att tolka LLM:s JSON-utdata, hantera markdown-staket och hantera inkonsekventa enum-värden.
THE JEV GUIDE · CURATED EDITION
Lanseringsnyheter, förklaringar, demos och community projekt kring TypeSafe Jev, ordnade efter ämne. Varje post länkar tillbaka till sin källa på X.
Kurerat urval · Inte komplett · Uppdateras manuellt
01 / EXPLORE
0 means awaiting a verified post
Inlägget säger att Jev löste ett problem som AI-team har patchat i flera år: att tolka LLM:s JSON-utdata, hantera markdown-staket och hantera inkonsekventa enum-värden.
TypeLLM är en ny open source-modell som resonerar innan den producerar type-safe utdata, vilket dramatiskt ökar noggrannheten utan finjustering. Teamet hävdar att den överträffar Jev och GPT-5.6 Luna och närmar sig GPT-6 Astra. Link
Som den första System One-modellen från TypeSafe AI är Jev byggd för snabba, strukturerade beslut i programvara. Den genererar inte text: skicka apptillstånd plus en typad fråga och få ett typat beslut med sannolikhet tillbaka. Link
Tillkännager Jev-Omni, en modell byggd på Gemma 4 som syftar till att utmana Jev.
TypeSafe AIs första System One-modell, Jev, finns nu tillgänglig på B.AI API. Designad för snabba strukturerade beslut i programvara genererar Jev ingen text: den tar emot applikationsstatus och typade frågor som indata och returnerar direkt beslut med sannolikheter och konfidens. Stöder Choice, Score, Noul och mer. Link
Inlägget nämner att TypeSafe lanserar Jev, som klassificerar texter bland fördefinierade svar. Författaren hånar hypen och påpekar att formatet är garanterat men inte det rätta svaret, och ifrågasätter hur naiva de tror att köparna är.
TypeSafe AI introducerar Jev, en ny AI-modell som fattar strukturerade beslut utifrån sammanhang, istället för att generera text.
Scoreboar v8 minskar minnesanvändningen från 597 MB till 128 MB och bearbetningen per inlägg från cirka 1 sekund till cirka 30 ms, samtidigt som noggrannheten förbättras. Den gissar vilket av två X-inlägg som presterade bättre för kontots storlek med 61,4 % noggrannhet, bättre än Grok 4.7 (55,3 %) och Jev (52,5 %). Gratis och körs i webbläsaren. Link
OMH lägger till stöd för Jev-färdigheter och modellroutning, inklusive Jev-modeller och alias, färdigheter och plugins, arbetsflödesroutning, snabba beslut, samt plugin-status, referenser och konfliktkontroller.
TypeSafe planerar att presentera Jev på måndag. Jev genererar inte text; den returnerar bara svar från schemat baserat på tillstånd och typade frågor, med 70–500 ms. Inmatning kostar $0,042/M tokens, utmatning är gratis och kräver väntelista. Demos inkluderar Mario, realtidsnivåer och färgval. Den kan inte returnera innehåll utanför schemat.
JEVTOWN är en AI-social simuleringsplattform, liknande Lobster-agentforumet, där 10 000 AI-personligheter bläddrar, gillar, retweetar, blockerar eller köper, och varje reaktion bestäms av Jev. Den har nått 16:e plats på Product Hunt. Link
Jev är en AI-modell byggd enbart för snabba beslut, inte för konversation. Den returnerar bara det valda svaret och sannolikheten för att det är korrekt, utan att generera tokens en och en, i en enda parallell genomgång.