Jev de TypeSafe, un modèle rapide « System One », ne discute pas longuement et choisit simplement parmi les options fournies. Dans le jeu, une couche de règles filtre les coups légaux et les sorts, et Jev décide où placer les runes.
Dans le même test de 430 cas, Jev a laissé passer 68 à 92 % des faux rapports d'agents et Laya 84 à 88 % avec preuves ; en posant une question littérale à la place, Jev n'a laissé passer qu'environ 1 % d'erreurs. La question compte plus que le modèle. Link
Le post souligne que nous utilisons nos IA les plus intelligentes pour des décisions binaires simples, gaspillant leurs capacités. Jev renverse cela en étant un petit modèle de décision.
L'utilisateur partage l'utilisation de jev comme scoreur, combiné avec Haiku 5.5, Sonnet 5.5 et Opus 5.5 pour construire une pile de modèles intelligente optimisée en coût. En laissant chaque appel monter uniquement selon les exigences de la tâche, le coût pour 1 000 appels passe de 18,00 $ (tout Opus 5.5) à 1,30 $.
OpenBMB évoque la question soulevée par Jev : pourquoi générer un paragraphe quand un agent doit simplement prendre une décision ? Il souligne des étapes comme le choix d'itinéraire, la classification d'entrée et la sélection de l'action suivante, qui nécessitent un choix clair parmi des options connues dans les workflows IA.
Youssef Hosni animera une session en direct gratuite le jeudi 15 octobre, montrant comment construire des couches de décision pour les agents IA avec Jev. Inscription gratuite via le lien dans les commentaires.
Joon partage comment Jev a transcrit et décomposé 900 Reels de 5 créateurs comme Kallaway et Alex Hormozi, extrayant la stratégie de contenu derrière des milliards de vues cumulées.
Ce post montre un système en boucle fermée en direct avec JEV, Claude Opus 5.5 et GPT Dots sur un seul écran, où l'araignée transporte trois choses à la fois et ne se promène presque jamais vide, contrastant avec la plupart des piles IA qui envoient chaque tâche par le même tuyau.
L'auteur combine le raisonnement de Claude avec la vitesse de Jev dans un pipeline de codage unique, créant un flux fluide du prompt à la planification puis à l'exécution, et estime que cela rend les agents de codage IA traditionnels lents et coûteux.
Un membre de la communauté indique que JEV de TypeSafe compte désormais 12 concurrents, Cloudflare et OpenAI se démarquant particulièrement, alors qu'aucun n'existait il y a trois semaines.
Jev répond en 70 à 500 ms, bien moins cher qu’un modèle de chat qui génère mot à mot. Pour 1 000 e-mails avec 7 questions chacun, un modèle de chat prend 5 min et coûte 0,62 $ — Jev est plus rapide et moins cher.
Un webinaire gratuit organisé par ToDataBeyond le jeudi 15 octobre, expliquant comment construire des couches de décision pour les agents IA avec Jev. Réservez gratuitement via le lien dans les commentaires.
𝕏 · Agents
103124
Explorer Jev Guide | Cas d’usage, vidéos et ressources