THE JEV GUIDE · CURATED EDITION
Launch News, Erklärungen, Demos und Community Projekte rund um TypeSafe Jev, nach Themen geordnet. Jeder Eintrag verweist auf die Quelle bei X.
Kuratierte Auswahl · Nicht vollständig · Manuell aktualisiert
Sponsors
Diese Produkte finanzieren das Verzeichnis. Ihres auch hier?
Vorstellung von Jev, einem schnellen Modell von TypeSafe, das nicht lange chattet oder denkt, sondern einfach aus vorgegebenen Optionen wählt. Beschrieben wird ein Setup, bei dem eine Regelschicht legale Züge filtert.
Das Jev-Modell generiert keinen Text; es liefert typisierte Antworten und Wahrscheinlichkeiten, um Softwareentscheidungen zu automatisieren und Daten zu klassifizieren. 0,042 $ pro Eingabe, Ausgabe kostenlos.
Der Beitrag nutzt die Analogie einer Triage-Krankenschwester, um zu erklären, dass Jev ein Verkehrsleiter ist, nicht der endgültige Analytiker, und das LLM nur bei Bedarf eingreift.
Der Beitrag erklärt, dass Jev einen Zustand, die aktuelle Situation, plus Fragen mit vorab festgelegten Antworten erhält und Wahrscheinlichkeiten über diese Antworten zurückgibt. Die Labels definiert die App, das Modell kann also keine neuen erfinden.
Der Beitrag untersucht, wie Jev als Entscheidungsmodell funktioniert: Die meisten KI-Systeme lassen ein einziges großes LLM sortieren, routen, bewerten, argumentieren und schreiben, während der Jev-Leitfaden eine Aufteilung vorschlägt – das LLM generiert, Jev entscheidet. Außerdem wird erklärt, wo das Entscheidungsmodell im System sitzt und was der Leitfaden nicht beweist.
One card in the feed, every sixteen, on every page of it. $50 a week, cancel any week.
Mit Ollama 0.35 kann das Jev-Entscheidungsmodell lokal ausgeführt werden. Nach Texteingabe erhält man Vorschläge zur Teamzuweisung, Erstattung und Dringlichkeit. Jede Ausgabe enthält Wahrscheinlichkeiten; der Score (z.B. 0.815) ist ein wahrscheinlichkeitsgewichteter Mittelwert und sollte nicht mit Konfidenz verwechselt werden.
Der Autor untersucht, wie man Jev mit einem Open-Source-Sprachmodell und Token-Wahrscheinlichkeiten simulieren kann, erläutert die Funktionsweise und stellt eine Demo vor, die mit DiffusionGemma auf Cloudflare Workers AI läuft. Link
Jev prüft jede Anfrage, bevor sie an ein großes Modell geht, und verteilt Aufgaben in unter einer Sekunde fast kostenlos an das passende Modell.
Jev 1.13 von TypeSafe nimmt Kontext und typisierte Fragen entgegen und liefert Wahrscheinlichkeiten—keine Absätze zum Bereinigen, kein JSON zum Hervorlocken.
Jev routet Anfragen in einem Laptop-Jarvis, liest eine Million Tokens für 4,2 Cent, Ausgabe kostenlos, und wählt eine Antwort aus Ihrer Liste.
Mit einer Schwelle, bei der höchstens 1 von 100 durchgelassenen Antworten falsch ist, lässt Jev 93 % ohne menschliche Prüfung durch, OpenAI 66 %; große allgemeine Modelle erreichen 98 %, sind aber etwa 10-mal langsamer.
hev mind argumentiert, dass die Hälfte des Benchmarks privat zu halten, die Rangliste echte Fähigkeiten statt auswendig gelernter Antworten widerspiegeln lässt, und das die richtige Entscheidung ist. Link
