THE JEV GUIDE · CURATED EDITION
Новини запусків, пояснення, демо та проєкти спільноти навколо TypeSafe Jev, впорядковані за темами. Кожен запис веде до джерела в X.
Редакційна добірка · Не повний список · Ручне оновлення
01 / EXPLORE
0 means awaiting a verified post
Засновник Jev опублікував годинний майстер-клас, який пояснює, як насправді працює Jev: LLM → Рішення → Перевірка → Агенти кодування. Розглядається, чому лише LLM недостатньо, три примітиви, що лежать в основі Jev, і як перетворювати великі AI-завдання на маленькі надійні кроки.
Цей допис для початківців у CodeX і Claude знайомить із базовим процесом моделі Jev: введення стану та запитання, обробка через Jev і виведення каліброваної ймовірності.
Арман використовує Сола Ґудмана та дзвіночок Гектора, щоб протиставити LLM і Jev, зазначаючи, що Jev, створений TypeSafe AI, призначений для надання маленьких точних структурованих сигналів рішень у програмному забезпеченні.
Grok Bot виконує роботу, а Jev вирішує, куди йти далі. Цей 22-хвилинний безкоштовний урок пояснює Jev, модель "System One" від TypeSafe, яка приймає рішення, а не спілкується.
У Jev немає етапу декодування: відповідь виходить за один прохід prefill, що робить його приблизно в 200 разів швидшим за традиційного LLM-суддю.
У спільноті постійно пояснюють, чим Jev відрізняється від звичайних LLM.
Jev використовує контекст і типізовані запитання для створення обмежених рішень із ймовірностями, а не черговий текстовий генератор.
Jev виконує перевірку області на кожному кроці коду, позначає ханки, яких не запитував промпт, оцінює за ханками, а не за весь PR, і пропонує опції In scope / Check scope / N unrequested. Поки лише в сесіях.
Jev виходить за межі генерації тексту: аналізує, оцінює, виявляє прогалини, вирішує, що потрібно змінити, і пропонує наступний крок, а не сліпо виконує інструкції.
Діого Алмейда з TypeSafe каже, що навіть з мільярдом доларів не став би попередньо навчати базову модель з нуля; Jev будується шляхом нарізання та перекомбінування наявних стеків.
Представляє модель Jev від TypeSafe AI, яка зосереджена на типізованих імовірнісних рішеннях, зокрема Noul (Так/Ні), Choice (вибір варіанта) та Score (оцінка за визначеною шкалою), на противагу відкритій генерації LLM.
У дописі зазначається, що багато з того, що виглядає як міркування в інфраструктурі агентів, насправді є лише класифікацією. Jev робить це розрізнення явним: він взагалі не генерує текст, а натомість приймає стан і типізоване питання.