Jev ile kod tabanı sınıflandırıcısı oluşturma
Bir geliştirici Jev ile kod tabanı sınıflandırıcısı oluşturduğunu paylaşıyor, ajanların ürettiği aşırı mühendislik kodunu çözebileceğini öne sürüyor ve sırada neyin test edileceğini soruyor.
Pipecat ses hattında operatör olarak Jev vs GPT-5.6 Luna
Jon Taylor, Pipecat ses arayüzü hattında operatör öğesi olarak Jev ile GPT-5.6 Luna'yı karşılaştıran ayrıntılı bir walkthrough kaydetti: Jev %92,6 komut doğruluğu ve 296 ms medyan gecikme elde ederken, GPT-5.6 Luna %81,3 ve 1.008 ms.
.@jonptaylor recorded a detailed walkthough of Jev vs GPT-5.6 Luna as the "operator" element of a Pipecat speech interface pipeline. GPT-5.6 Luna: - 81.3% command accuracy - 1,008 ms median latency Jev - 92.6% command accuracy - 296 ms median latency A few notes
· 112 likesOpen on X
More like this
Jev, LLM-as-a-Judge'ı 20–200x hız ve 40–400x daha düşük maliyetle mümkün kılıyor
Jev, hangi modelin AGI olduğunu seçmek için kullanıldı; 20–200x hız ve 40–400x daha düşük maliyet sunarak LLM-as-a-judge'ı son derece hızlı ve neredeyse ücretsiz hale getiriyor.
TypeSafe Jev ve OpenCode ile uygulama testi
Filip, TypeSafe Jev ve OpenCode ile uygulama testinin ne kadar hızlı olduğunu gösteren küçük bir demo paylaştı.
