Jev:毫秒级响应,低成本 AI 答案
Jev 可在 70 至 500 毫秒内回答问题,且成本远低于逐字生成的聊天模型。例如处理 1000 封邮件、每封 7 个问题时,聊天模型需 5 分钟、花费 0.62 美元,Jev 则更快更省。
THE JEV GUIDE · CURATED EDITION
TypeSafe Jev 的发布、原理、演示与社区实践,按主题整理。每条内容都可回到 X 原帖核对。
人工精选 · 非全量收录 · 手动更新
Sponsors
这些产品赞助了本目录。 把你的产品放上来
Jev 可在 70 至 500 毫秒内回答问题,且成本远低于逐字生成的聊天模型。例如处理 1000 封邮件、每封 7 个问题时,聊天模型需 5 分钟、花费 0.62 美元,Jev 则更快更省。
RubyLLM 2.1 发布,宣称速度提升 58 倍、内存占用降低 58 倍,内置 MCP 支持,并新增对 Jev 等决策模型的支持,同时提供评估框架和 OpenTelemetry 追踪。
原帖称,OpenAI发布Decisions API,这是一个多模态模型,具有类似Jev的System One风格,基于GPT6 Luna,由Roboflow开发。
B.AI API 现已将 Jev 提供给开发者,这是 TypeSafe AI 的首个 System One 模型。与传统 LLM 不同,Jev 专注于在软件工作流中进行快速、结构化的决策,而非文本生成。 链接
B.AI API 现已向开发者提供 TypeSafe AI 的 Jev 模型。作为首个 System One 模型,Jev 不生成文本,而是直接在软件工作流中做出快速、结构化的决策。 链接
信息流里每 16 张、每一页都有一张。每周 $50,任意一周可停。
Ramp 十月 SaaS 供应商榜单显示,TypeSafe AI 的 Jev 模型(九月发布)位列趋势榜第一,增长榜第二,仅次于 Anthropic。
帖子提到Jev决策模型,并指出OpenAI发布了类似工具Decisions,强调AI决策工具领域变化迅速。
作者认为AI写作在发布前由另一个AI检查将成为常规步骤。通过一条命令即可将sendsignal MCP添加到代理,判定引擎使用Jev。 链接
Cris Lenta发布对比结果:lifesim-social-1在社交决策上准确率88%、延迟102ms、校准误差0.047,全面优于OpenAI Decisions API。
作者在帖中提到 @typesafeai 的 JEV 已经推出,并感谢社区支持。
TypeSafe 于 9 月 15 日推出返回决策而非文本的模型 Jev;10 月 1 日,AWS 工程师 Marc Brooker 和两位合著者发布了免费应对方案,并设有一个决定免费何时停止的数字。
帖子宣布推出对OpenAI新Decision API的支持,指出该API在概念上与TypeSafe的Jev类似,但支持多模态,因此特别适合构建类似“热狗或不是热狗”这样的应用。
在 GitHub 点 Star,支持我们继续收集和整理 Jev 案例。