Створення класифікатора кодової бази з Jev
Розробник ділиться створенням класифікатора кодової бази з Jev, припускаючи, що це може вирішити проблему переускладненого коду від агентів, і запитує, що тестувати далі.
Компроміси MLOps: Jev проти LLM у продакшені
MLOps-фахівець ділиться виробничими компромісами: мілісекундна затримка Jev проти багатосекундної у LLM, схеми enum і ймовірностей проти парсингу JSON, відмінності в дизайні галюцинацій типів і структура витрат.
Production tradeoffs I care about as MLOps: • Latency: Jev ms-class vs LLM multi-second (p95 kills UX + agent loops) • Schema: enums + probs vs “parse the JSON and pray” • Hallucination on types: Jev can’t emit an invalid choice by design; LLMs still can • Cost shape: Jev
· 0 likesOpen on X
More like this
Jev забезпечує LLM-as-a-Judge у 20–200 разів швидше та у 40–400 разів дешевше
Jev використано для вибору моделі AGI, забезпечуючи у 20–200 разів більшу швидкість і у 40–400 разів меншу вартість, роблячи LLM-as-a-judge надзвичайно швидким і майже безкоштовним.
Тестування застосунків із TypeSafe Jev та OpenCode
Filip ділиться невеликим демо, що показує швидкість тестування застосунків із TypeSafe Jev та OpenCode.
