Jev jämfört med textgenererande modeller
Jev genererar inte fri text. En jämförelsevideo visar skillnaden mellan parallellt beslutsfattande och tokenvis textgenerering.
Jev: en punkt med låg latens och enkel-token-utdata på LLM:s Pareto-optimala kurva
AJ beskriver Jev som en punkt på LLM:s Pareto-optimala kurva, som möter latent efterfrågan på inget tänkande, enkel-token-utdata, låg latens och tillräckligt bra intelligens; Diogo Almeida svarar.
AJ称 Jev 是LLM Pareto optimal curve 上的一个点 Jev 让过去存在一个很大的“潜在需求”显现出来： - 不需要 thinking - 单 token 输出 - 低延迟 - 只要足够好的 intelligence 这个方向长期被低估了，因为整个行业都在追求“更高 intelligence” Diogo Almeida 回复说，Jev是在 intelligence
· 1 likesOpen on X
More like this
Prissättning, utvärderingar och namnet Jev
Lanseringstråden förklarar utvärderingar av code + AI arbetsflöden, det annonserade inputpriset och gratis outputtokens.
Jev-modell: sannolikhetsgenerering för beslutsfattande, 200× snabbare och 400× billigare än LLM:er
Denna modell är byggd för beslutsfattande snarare än textgenerering och producerar sannolikheter för varje alternativ parallellt istället för token-för-token-svar. Författaren delar ett förenklat exempel på vanliga LLM:er kontra denna Jev-modell.
