Jev jämfört med textgenererande modeller
Jev genererar inte fri text. En jämförelsevideo visar skillnaden mellan parallellt beslutsfattande och tokenvis textgenerering.
Karpathy kallar Jev en förbisedd punkt på LLM:s Pareto-kurva
Inlägget citerar Karpathys syn att Jev är en tidigare förbisedd punkt på LLM:s Pareto-kurva och tecknar ett spektrum från Rules till Classifier, Jev, Flash, General LLM och Reasoning LLM: Flash är snabbare allmän intelligens medan Jev är smalare beslutsintelligens; många uppgifter behöver bara att intelligensen passerar en tröskel, varefter latens, kostnad och determinism blir viktigare.
Karpathy 说 Jev 是 LLM Pareto curve 上一个此前被忽略的点。 画出来之后更直观： Rules → Classifier → Jev → Flash → General LLM → Reasoning LLM Flash 是更快的通用智能，Jev 是更窄的决策智能。 很多任务不需要最高智能，只需要智能过线。过线之后，延迟、成本和确定性反而更重要。
· 0 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.
