Jev versus text-generating models
Jev does not generate free-form text. A side-by-side video compares parallel decision-making with token-by-token text generation.
Ollama 0.35 Now Supports Running the Jev Decision Model
Run the Jev decision model locally via Ollama 0.35. Feed a text and get suggestions on which team to assign, whether to refund, and urgency. Each output has probabilities; the score (e.g., 0.815) is a probability-weighted average, so it should not be confused with confidence.
Ollama 0.35 รันโมเดลตัดสินใจแบบ Jev บนเครื่องเราได้แล้ว ป้อนข้อความเดียว ได้คำตอบทั้งว่าส่งทีมไหน ขอเงินคืนไหม และด่วนแค่ไหน ทุกคำตอบมีความน่าจะเป็นแนบมา แต่ตัวเลขพวกนี้อ่านผิดง่าย score 0.815 คือระดับเฉลี่ยที่ถ่วงด้วยความน่าจะเป็น ส่วน confidence
· 0 likesOpen on X
More like this
Pricing, evaluations, and the name Jev
The launch thread explains code-and-AI workflow evaluations, the input price announced at launch, and free output tokens.
Jev Model: Decision-Making Probability Generation, 200× Faster and 400× Cheaper Than LLMs
This model is built for decision-making rather than text generation, outputting probabilities for each option in parallel instead of token-by-token responses. The author shares a simplified comparison of normal LLMs versus this Jev model.
