Jev ชนะ Gemini 2.5 Flash Lite ทั้งด้านคุณภาพและความเร็วในการประเมินตัวจำแนก
Malte Ubl ทดลองใช้ Jev ของ TypeSafe AI กับชุดประเมินตัวจำแนกที่มีอยู่ โดยทำคะแนนคุณภาพได้เต็มชุดประเมินและเร็วกว่า Gemini 2.5 Flash Lite 6 เท่า
การทดสอบเปรียบเทียบของ FLock: โมเดล THIS/THAT 94.1% เทียบกับ Jev System One ที่โฮสต์ 76.5%
FLock.io เผยผลทดสอบความแม่นยำ 68 ข้อที่บันทึกโดยบุคคลที่สาม: โมเดล THIS/THAT 1.0 ของ FLock ได้ 94.1% ขณะที่ Jev (บริการ System One ที่โฮสต์) ได้ 76.5% โพสต์ระบุว่านี่เป็นผลลัพธ์ที่น่าพึงพอใจสำหรับโมเดลตัดสินใจเฉพาะทาง พร้อมชี้ว่างานซับซ้อนที่ต้องค้นหาแบบกราฟหรือคำนวณหลายขั้นตอนยังคงเป็นความท้าทาย
In a test of 68 questions recorded by a third party for accuracy: - FLock's THIS / THAT Model 1.0: 94.1% - Jev (hosted System One service): 76.5% A promising result for a specialised decision model. Complex tasks requiring graph search or multi-step arithmetic remain
· 2 likesOpen on X
More like this
จำแนกแถวอย่างรวดเร็วใน DuckDB ด้วย Jev
ผู้เขียนเปิดตัวส่วนขยาย DuckDB ที่ใช้ Jev ของ TypeSafe AI เพื่อจำแนกแถวอย่างรวดเร็วในไฟล์ CSV/Parquet หรือตาราง DuckDB ใช้เวลาประมาณ 10 วินาทีสำหรับ 1k แถว เร็วกว่า LLM และใช้งานง่ายกว่าตัวจำแนก
จำแนกบทความ AI 1,018 ชิ้นด้วย Jev ในราคา 0.08 ดอลลาร์
ผู้เขียนสรุปแต่ละบทความด้วย DeepSeek V4 Flash แล้วส่งชื่อเรื่อง บทสรุป และ 24 หัวข้อที่เป็นไปได้ให้ Jev จำแนก โดยประมวลผลบทความ AI 1,018 ชิ้นด้วยต้นทุนรวม 0.08 ดอลลาร์ และความหน่วงแบบ end-to-end มัธยฐาน 256ms ต่อบทความ
