Teilen Sie einige interessante Anwendungen von Jev: ein KI-Modell, das keine Antworten gibt, sondern nur Urteile fällt

In einer von PrimeLine durchgeführten doppelblinden Vorregistrierungsbewertung ist ein Detail aufschlussreich.

Absolute Genauigkeit von Claude Opus 5 und Haiku 4.5 bei zwei realen AufgabenVergleichbar mit Jev, oder anfangs sogar noch besser. Wenn die Auswertung es dem Modell jedoch ermöglicht, Stichproben zu überspringen, für die es am wenigsten sicher ist,Jev schnitt bei beiden Aufgaben besser ab.

Der Grund dafür ist, dass das ausgegebene Vertrauen istkalibriert, während allgemeine generative Modelle dazu neigen, schlecht kalibriert zu sein und in ihren Urteilen zu selbstsicher zu sein. Mit anderen Worten: Wenn „wissen, was man nicht weiß“ wichtiger ist als „hart antworten“, kommt der Wert von Jev zum Vorschein.

So fangen Sie an

Wenn Sie bereits eine Modellaggregationsplattform nutzen, betragen die Zugriffskosten nahezu Null:

• OpenRouter: Jev wurde im offiziellen Modellkatalog eingeführt, Modellname typesafe/jev, ändern Sie den Modellnamen im Code und Sie können wechseln
• Vercel AI Gateway: Die Integration wurde innerhalb von 72 Stunden nach der Veröffentlichung abgeschlossen, verteilt über das globale Edge-Netzwerk von Vercel, mit geringer Latenz
• Offizielles SDK: TypeSafe bietet eine Online-Konsole (Playground) und eine vollständige Dokumentation, die HTTP-API, Python SDK und JavaScript SDK unterstützt
• Offizielles Skill-Paket: TypeSafe hat das Skills Warehouse auf GitHub als Open-Source-Lösung bereitgestellt, um Programmieragenten beizubringen, „alle Unklarheiten auf einmal zu stellen“, anstatt nur eine Frage nach der anderen zu stellen.

Preis: 0,042 $ pro Million Token für die Eingabe, kostenlos für die Ausgabe. Es gibt auch ein kostenloses Kontingent für neue Konten zum Ausprobieren.

Sag etwas Ruhiges

Erstens,Es ist kein Ersatz für größere Modelle. Jev ist ein spezialisiertes Entscheidungsmodell. Erwarten Sie nicht, dass es offene Argumentations- und Inhaltsgenerierungsfunktionen bietet. Sein Wert besteht darin, das ultimative Ziel zu erreichen, schnelle und zuverlässige Entscheidungen innerhalb klar definierter möglicher Ergebnisse zu treffen.

Zweitens,In vielen Fällen muss unterschieden werden, „wessen Kreditwürdigkeit“. Beispielsweise ist die Browser-Nutzungsdemonstration der Suche nach Flügen in 7 Sekunden das Ergebnis der Zusammenarbeit der gesamten Toolkette, und nicht alle Fähigkeiten können Jev zugeschrieben werden. Das von der Gemeinschaft organisierte Case Warehouse selbst markiert auch die Grenzen der Beweise – welche Prinzipien klar sind, welche Auswirkungen überprüft werden müssen und welche Behauptungen keine Grundlage haben. Diese Einstellung ist es wert, erlernt zu werden.

Drittens,Seien Sie vorsichtig bei Blind Blowing. Jev kam innerhalb einer Woche nach seiner Veröffentlichung auf die Leinwand. Die Popularität beinhaltet echten technischen Wert und viele Marketingelemente. Was Sie wirklich brauchen, ist, Ihre eigenen Aufgaben damit auszuführen und zu sehen, wie viel Verzögerung und Geld Sie sparen.

Aber eines ist sicher:Bei KI-Anwendungen geht es nicht nur um „Generierung“. Außerhalb dieser Spur kommt die lange vernachlässigte Infrastruktur des „Urteils“ hinzu. Ob Jev die endgültige Antwort ist, ist schwer zu sagen, aber es wirft die richtigen Fragen auf.

Das große Modell ist für das Schreiben von Antworten verantwortlich, und Jev ist für das Treffen von Entscheidungen verantwortlich – jedes erfüllt seine eigenen Aufgaben, was eine gute Struktur darstellt.

Referenz: Offizielle Versionshinweise zu TypeSafe AI, Jev_apps-Fallbibliothek (137 Fälle / 11 Verwendungsarten), Wikipedia, technische Analyse von DataCamp

Dies ist derzeit eine der Richtungen mit dem höchsten technischen Wert.

Das Browser Use-Team veröffentlicht nur in Jev 3 TageDanach wurde der offizielle integrierte Jev-Ultrafast veröffentlicht und es hieß, er habe in zwei Tagen 2.700 GitHub-Sterne erhalten. Es unterteilt Webseitenvorgänge in zwei Auswahlmöglichkeiten (Aktion + Ziel).Keine Screenshots oder multimodalen Token erforderlich, führt jeder Roundtrip nur zu zwei Entscheidungen.

Gründer Gregor Zunic hat eine ungekürzte Demo der Jev-basierten Browserautomatisierung geteilt, die eine einfache Flugsuche auf der Website einer echten Fluggesellschaft durchführt.Der gesamte Vorgang dauert 7 Sekunden, die Modellaufrufkosten betragen ca 0,0039 $.

Es gibt eine Reihe ähnlicher: Stagehand-Browsersteuerung, Cuas jev-use, TipTour, das CoreML + OCR verwendet, um die Schaltfläche auf dem Mac zu lokalisieren und Jev die Klickposition auswählen zu lassen, Sprachsteuerungsbrowser ... Derzeit gibt es 13 Fälle in dieser Kategorie, der Kategorie mit den meisten Fällen.

4. Seien Sie ein „Router“: Helfen Sie bei der Auswahl des geeigneten Modells für die Aufgabe

Im Multimodell-Zeitalter gibt es eine echte Verschwendung: Die Verwendung teurer Modelle für einfache Probleme ist Geldverschwendung. Die geringe Latenz und die geringen Kosten machen Jev sehr geeignet fürVerkehrstriage.

• Claude Code Router: Wie bei der Arbeitsauftragstriage bestimmt Jev zunächst die Schwierigkeit der Aufgabe, und das Plug-in wählt dann entsprechend das Subagentenmodell und die Argumentationsstärke der Hauptsitzung aus.
• Routing der Codex-Missionsschwierigkeiten: Schätzen Sie die logische Komplexität von Codierungsaufgaben vor der Ausführung ab, einfache Bearbeitung geht durch billige Modelle verloren und komplexe dateiübergreifende Rekonstruktion aktiviert stärkere Modelle – so wird berichtetReduzieren Sie die Gesamtkosten des Modells um mehr als 60 %
• Eve bedingtes Routing/Anfrageverteilung: Bestimmen Sie zunächst, welcher Modelltyp für das Problem erforderlich ist, und übergeben Sie ihn dann zur Verarbeitung an das entsprechende Modell.
• Abteilung für lokale Kodierungsagenten: Weisen Sie verschiedenen KI-Assistenten einfache Aufgaben, komplexe Probleme und langfristige Aufgaben zu

LangChain hat einen speziellen Artikel „Building Safety Belts with Jev“ geschrieben und darauf hingewiesen, dass die Klassifizierungs- und Routing-Logik im Agent-Framework traditionell in verschiedenen Closed-Source-Implementierungen verborgen ist. Ein allgemeines, kostengünstiges Klassifizierungsmodell wie Jev kann die Wiederverwendung dieser Ebene der Entscheidungslogik in Open-Source-Agenten ermöglichen. Auch Armin Ronacher, Gründer von Sentry, ist der Ansicht, dass es wirtschaftlich nicht sinnvoll ist, große generative Modelle für Routing-Entscheidungen zu verwenden.

5. Sicherheit und Technik: Diese unauffälligen Drecksarbeiten

Diese Art der Anwendung ist nicht auffällig, aber am praktischsten.

• Vercel ersetzt den Shell-Befehlssicherheitsklassifikator: Ingenieur Pranit Sharma hat den internen OpenAI-basierten Shell-Befehlssicherheitsklassifikator durch Jev ersetzt. Es wird berichtet5-18 mal schnellerund die Fehlalarmrate ist geringer – die Reduzierung von Fehlalarmen verbessert tatsächlich die tatsächliche Genauigkeit des Systems
• Schnelle Injektionserkennung: Die Community verfügt über Open-Source-Jev-MCP (eine Erweiterung, die auf dem MCP-Protokoll basiert). Mit Jev können Sie quellenübergreifende Faktenprüfungen durchführen, in Benutzeraufforderungen versteckte Prompt-Injection-Angriffe erkennen und die semantische Relevanz der abgerufenen Inhalte bewerten.
• Lange Kontextkomprimierung: fast-jev-compaction verwendet Jev, um den Wert jedes Tool-Aufrufs schnell zu bewerten, nutzlose Protokolle zu löschen und gleichzeitig Schlüsselzustände beizubehalten – der Kontext lässt sich leicht erweitern, wenn Codierungsagenten lange Aufgaben ausführen. Dieses Projekt wurde auch vom offiziellen Jev-Team anerkannt
• PR-Vorprüfung: Analysieren Sie die geänderte Dateiliste und die automatisierten Testergebnisse in der CI-Pipeline, bewerten Sie zunächst, ob die PR für die Zusammenführung geeignet ist, markieren Sie PRs mit hohem Risiko automatisch und übertragen Sie sie manuell

6. Geschäftspipeline: E-Mails, Arbeitsaufträge, Kundenservice

Gemeinsam ist diesen Szenarien:Sie müssen zahlreiche kleine Entscheidungen schnell und konsequent treffenDie Verwendung großer Modelle ist teuer und langsam.

• Klassifizierung geschäftlicher E-Mail-Absichten: Nikhil Mudholkar, CTO von BryoAI, verglich Jev und Gemini. Die absolute Genauigkeit von Gemini ist jedoch etwas besser10-20x höhere Kosten pro Anruf. Noch wichtiger ist, dass Jev kalibrierte Wahrscheinlichkeitsverteilungen bereitstellt, was es für nachgelagerte Systeme einfacher macht, Konfidenzschwellen festzulegen
• Arbeitsauftragszuweisung und automatische Weiterleitung: Zerlegen Sie den Brief in wichtige Informationen und geben Sie ihn an Jev. Wählen Sie aus einer Gruppe von Geschäftsteams den am besten geeigneten Brief aus und ersetzen Sie die fragilen handgeschriebenen regulären Regeln
• Wiederholte Abzüge und Einstufung als Notfallunterstützung: Identifizieren Sie schnell risikoreiche Beschwerden (z. B. wiederholte Abzüge) in Finanz-E-Commerce-Szenarien. Wenn Kunden emotional sind oder Rückerstattungen verlangen, werden sie innerhalb von Millisekunden als dringend gekennzeichnet und mit Priorität versandt.

7. Wilderes Gameplay

• Bild Pixel für Pixel erzeugen: Entwickler @anshuc verwandelt die Bildgenerierung in ein Klassifizierungsproblem auf Pixelebene. Dabei gibt das Programm jedem Pixel eine Reihe von Farboptionen und -wahrscheinlichkeiten, füllt es nach und nach mit der von Jev ausgewählten Farbe mit der höchsten Wahrscheinlichkeit und erstellt schließlich ein Bild mit niedriger Auflösung
• Automatische On-Chain-Transaktionen: Einige Web3-Entwickler verbinden Jev mit dezentralen Börsen, lesen Echtzeitdaten zur Ordertiefe und geben nur drei Aktionen aus: Kaufen, Verkaufen und Halten. Die Community ist der Meinung, dass dies eine der auffälligsten Anwendungen ist, aber die Risiken sind auch unter realen Marktbedingungen offensichtlich.
• Wählen Sie Komponenten für die Weboberfläche aus: Im json-render-Projekt wählt Jev Komponenten aus und ordnet Beziehungen an, und das Programm fügt die Ergebnisse zu einer renderbaren Schnittstelle zusammen – wie Bausteine.

8. Ein bemerkenswertes Bewertungsergebnis

In einer von PrimeLine durchgeführten doppelblinden Vorregistrierungsbewertung ist ein Detail aufschlussreich.

Absolute Genauigkeit von Claude Opus 5 und Haiku 4.5 bei zwei realen AufgabenVergleichbar mit Jev, oder anfangs sogar noch besser. Wenn die Auswertung es dem Modell jedoch ermöglicht, Stichproben zu überspringen, für die es am wenigsten sicher ist,Jev schnitt bei beiden Aufgaben besser ab.

Der Grund dafür ist, dass das ausgegebene Vertrauen istkalibriert, während allgemeine generative Modelle dazu neigen, schlecht kalibriert zu sein und in ihren Urteilen zu selbstsicher zu sein. Mit anderen Worten: Wenn „wissen, was man nicht weiß“ wichtiger ist als „hart antworten“, kommt der Wert von Jev zum Vorschein.

So fangen Sie an

Wenn Sie bereits eine Modellaggregationsplattform nutzen, betragen die Zugriffskosten nahezu Null:

• OpenRouter: Jev wurde im offiziellen Modellkatalog eingeführt, Modellname typesafe/jev, ändern Sie den Modellnamen im Code und Sie können wechseln
• Vercel AI Gateway: Die Integration wurde innerhalb von 72 Stunden nach der Veröffentlichung abgeschlossen, verteilt über das globale Edge-Netzwerk von Vercel, mit geringer Latenz
• Offizielles SDK: TypeSafe bietet eine Online-Konsole (Playground) und eine vollständige Dokumentation, die HTTP-API, Python SDK und JavaScript SDK unterstützt
• Offizielles Skill-Paket: TypeSafe hat das Skills Warehouse auf GitHub als Open-Source-Lösung bereitgestellt, um Programmieragenten beizubringen, „alle Unklarheiten auf einmal zu stellen“, anstatt nur eine Frage nach der anderen zu stellen.

Preis: 0,042 $ pro Million Token für die Eingabe, kostenlos für die Ausgabe. Es gibt auch ein kostenloses Kontingent für neue Konten zum Ausprobieren.

Sag etwas Ruhiges

Erstens,Es ist kein Ersatz für größere Modelle. Jev ist ein spezialisiertes Entscheidungsmodell. Erwarten Sie nicht, dass es offene Argumentations- und Inhaltsgenerierungsfunktionen bietet. Sein Wert besteht darin, das ultimative Ziel zu erreichen, schnelle und zuverlässige Entscheidungen innerhalb klar definierter möglicher Ergebnisse zu treffen.

Zweitens,In vielen Fällen muss unterschieden werden, „wessen Kreditwürdigkeit“. Beispielsweise ist die Browser-Nutzungsdemonstration der Suche nach Flügen in 7 Sekunden das Ergebnis der Zusammenarbeit der gesamten Toolkette, und nicht alle Fähigkeiten können Jev zugeschrieben werden. Das von der Gemeinschaft organisierte Case Warehouse selbst markiert auch die Grenzen der Beweise – welche Prinzipien klar sind, welche Auswirkungen überprüft werden müssen und welche Behauptungen keine Grundlage haben. Diese Einstellung ist es wert, erlernt zu werden.

Drittens,Seien Sie vorsichtig bei Blind Blowing. Jev kam innerhalb einer Woche nach seiner Veröffentlichung auf die Leinwand. Die Popularität beinhaltet echten technischen Wert und viele Marketingelemente. Was Sie wirklich brauchen, ist, Ihre eigenen Aufgaben damit auszuführen und zu sehen, wie viel Verzögerung und Geld Sie sparen.

Aber eines ist sicher:Bei KI-Anwendungen geht es nicht nur um „Generierung“. Außerhalb dieser Spur kommt die lange vernachlässigte Infrastruktur des „Urteils“ hinzu. Ob Jev die endgültige Antwort ist, ist schwer zu sagen, aber es wirft die richtigen Fragen auf.

Das große Modell ist für das Schreiben von Antworten verantwortlich, und Jev ist für das Treffen von Entscheidungen verantwortlich – jedes erfüllt seine eigenen Aufgaben, was eine gute Struktur darstellt.

Referenz: Offizielle Versionshinweise zu TypeSafe AI, Jev_apps-Fallbibliothek (137 Fälle / 11 Verwendungsarten), Wikipedia, technische Analyse von DataCamp

Dies ist derzeit eine der Richtungen mit dem höchsten technischen Wert.

Das Browser Use-Team veröffentlicht nur in Jev 3 TageDanach wurde der offizielle integrierte Jev-Ultrafast veröffentlicht und es hieß, er habe in zwei Tagen 2.700 GitHub-Sterne erhalten. Es unterteilt Webseitenvorgänge in zwei Auswahlmöglichkeiten (Aktion + Ziel).Keine Screenshots oder multimodalen Token erforderlich, führt jeder Roundtrip nur zu zwei Entscheidungen.

Gründer Gregor Zunic hat eine ungekürzte Demo der Jev-basierten Browserautomatisierung geteilt, die eine einfache Flugsuche auf der Website einer echten Fluggesellschaft durchführt.Der gesamte Vorgang dauert 7 Sekunden, die Modellaufrufkosten betragen ca 0,0039 $.

Es gibt eine Reihe ähnlicher: Stagehand-Browsersteuerung, Cuas jev-use, TipTour, das CoreML + OCR verwendet, um die Schaltfläche auf dem Mac zu lokalisieren und Jev die Klickposition auswählen zu lassen, Sprachsteuerungsbrowser ... Derzeit gibt es 13 Fälle in dieser Kategorie, der Kategorie mit den meisten Fällen.

4. Seien Sie ein „Router“: Helfen Sie bei der Auswahl des geeigneten Modells für die Aufgabe

Im Multi-Modell-Zeitalter gibt es eine echte Verschwendung: Die Verwendung teurer Modelle für einfache Probleme ist Geldverschwendung. Die geringe Latenz und die geringen Kosten machen Jev sehr geeignet fürVerkehrstriage.

• Claude Code Router: Wie bei der Arbeitsauftragstriage bestimmt Jev zunächst die Schwierigkeit der Aufgabe, und das Plug-in wählt dann entsprechend das Subagentenmodell und die Argumentationsstärke der Hauptsitzung aus.
• Routing der Codex-Missionsschwierigkeiten: Schätzen Sie die logische Komplexität von Codierungsaufgaben vor der Ausführung ab, einfache Bearbeitung geht durch billige Modelle verloren und komplexe dateiübergreifende Rekonstruktion aktiviert stärkere Modelle – so wird berichtetReduzieren Sie die Gesamtkosten des Modells um mehr als 60 %
• Eve bedingtes Routing/Anfrageverteilung: Bestimmen Sie zunächst, welcher Modelltyp für das Problem erforderlich ist, und übergeben Sie ihn dann zur Verarbeitung an das entsprechende Modell.
• Abteilung für lokale Kodierungsagenten: Weisen Sie verschiedenen KI-Assistenten einfache Aufgaben, komplexe Probleme und langfristige Aufgaben zu

LangChain hat einen speziellen Artikel „Building Safety Belts with Jev“ geschrieben und darauf hingewiesen, dass die Klassifizierungs- und Routing-Logik im Agent-Framework traditionell in verschiedenen Closed-Source-Implementierungen verborgen ist. Ein allgemeines, kostengünstiges Klassifizierungsmodell wie Jev kann die Wiederverwendung dieser Ebene der Entscheidungslogik in Open-Source-Agenten ermöglichen. Auch Armin Ronacher, Gründer von Sentry, ist der Ansicht, dass es wirtschaftlich nicht sinnvoll ist, große generative Modelle für Routing-Entscheidungen zu verwenden.

5. Sicherheit und Technik: Diese unauffälligen Drecksarbeiten

Diese Art der Anwendung ist nicht auffällig, aber am praktischsten.

• Vercel ersetzt den Shell-Befehlssicherheitsklassifikator: Ingenieur Pranit Sharma hat den internen OpenAI-basierten Shell-Befehlssicherheitsklassifikator durch Jev ersetzt. Es wird berichtet5-18 mal schnellerund die Fehlalarmrate ist geringer – die Reduzierung von Fehlalarmen verbessert tatsächlich die tatsächliche Genauigkeit des Systems
• Schnelle Injektionserkennung: Die Community verfügt über Open-Source-Jev-MCP (eine Erweiterung, die auf dem MCP-Protokoll basiert). Mit Jev können Sie quellenübergreifende Faktenprüfungen durchführen, in Benutzeraufforderungen versteckte Prompt-Injection-Angriffe erkennen und die semantische Relevanz der abgerufenen Inhalte bewerten.
• Lange Kontextkomprimierung: fast-jev-compaction verwendet Jev, um den Wert jedes Tool-Aufrufs schnell zu bewerten, nutzlose Protokolle zu löschen und gleichzeitig Schlüsselzustände beizubehalten – der Kontext lässt sich leicht erweitern, wenn Codierungsagenten lange Aufgaben ausführen. Dieses Projekt wurde auch vom offiziellen Jev-Team anerkannt
• PR-Vorprüfung: Analysieren Sie die geänderte Dateiliste und die automatisierten Testergebnisse in der CI-Pipeline, bewerten Sie zunächst, ob die PR für die Zusammenführung geeignet ist, markieren Sie PRs mit hohem Risiko automatisch und übertragen Sie sie manuell

6. Geschäftspipeline: E-Mails, Arbeitsaufträge, Kundenservice

Gemeinsam ist diesen Szenarien:Sie müssen zahlreiche kleine Entscheidungen schnell und konsequent treffenDie Verwendung großer Modelle ist teuer und langsam.

• Klassifizierung geschäftlicher E-Mail-Absichten: Nikhil Mudholkar, CTO von BryoAI, verglich Jev und Gemini. Die absolute Genauigkeit von Gemini ist jedoch etwas besser10-20x höhere Kosten pro Anruf. Noch wichtiger ist, dass Jev kalibrierte Wahrscheinlichkeitsverteilungen bereitstellt, was es für nachgelagerte Systeme einfacher macht, Konfidenzschwellen festzulegen
• Arbeitsauftragszuweisung und automatische Weiterleitung: Zerlegen Sie den Brief in wichtige Informationen und geben Sie ihn an Jev. Wählen Sie aus einer Gruppe von Geschäftsteams den am besten geeigneten Brief aus und ersetzen Sie die fragilen handgeschriebenen regulären Regeln
• Wiederholte Abzüge und Einstufung als Notfallunterstützung: Identifizieren Sie schnell risikoreiche Beschwerden (z. B. wiederholte Abzüge) in Finanz-E-Commerce-Szenarien. Wenn Kunden emotional sind oder Rückerstattungen verlangen, werden sie innerhalb von Millisekunden als dringend gekennzeichnet und mit Priorität versandt.

7. Wilderes Gameplay

• Bild Pixel für Pixel erzeugen: Entwickler @anshuc verwandelt die Bildgenerierung in ein Klassifizierungsproblem auf Pixelebene. Dabei gibt das Programm jedem Pixel eine Reihe von Farboptionen und -wahrscheinlichkeiten, füllt es nach und nach mit der von Jev ausgewählten Farbe mit der höchsten Wahrscheinlichkeit und erstellt schließlich ein Bild mit niedriger Auflösung
• Automatische On-Chain-Transaktionen: Einige Web3-Entwickler verbinden Jev mit dezentralen Börsen, lesen Echtzeitdaten zur Ordertiefe und geben nur drei Aktionen aus: Kaufen, Verkaufen und Halten. Die Community ist der Meinung, dass dies eine der auffälligsten Anwendungen ist, aber die Risiken sind auch unter realen Marktbedingungen offensichtlich.
• Wählen Sie Komponenten für die Weboberfläche aus: Im json-render-Projekt wählt Jev Komponenten aus und ordnet Beziehungen an, und das Programm fügt die Ergebnisse zu einer renderbaren Schnittstelle zusammen – wie Bausteine.

8. Ein bemerkenswertes Bewertungsergebnis

In einer von PrimeLine durchgeführten doppelblinden Vorregistrierungsbewertung ist ein Detail aufschlussreich.

Absolute Genauigkeit von Claude Opus 5 und Haiku 4.5 bei zwei realen AufgabenVergleichbar mit Jev, oder anfangs sogar noch besser. Wenn die Auswertung es dem Modell jedoch ermöglicht, Stichproben zu überspringen, für die es am wenigsten sicher ist,Jev schnitt bei beiden Aufgaben besser ab.

Der Grund dafür ist, dass das ausgegebene Vertrauen istkalibriert, während allgemeine generative Modelle dazu neigen, schlecht kalibriert zu sein und in ihren Urteilen zu selbstsicher zu sein. Mit anderen Worten: Wenn „wissen, was man nicht weiß“ wichtiger ist als „hart antworten“, kommt der Wert von Jev zum Vorschein.

So fangen Sie an

Wenn Sie bereits eine Modellaggregationsplattform nutzen, betragen die Zugriffskosten nahezu Null:

• OpenRouter: Jev wurde im offiziellen Modellkatalog eingeführt, Modellname typesafe/jev, ändern Sie den Modellnamen im Code und Sie können wechseln
• Vercel AI Gateway: Die Integration wurde innerhalb von 72 Stunden nach der Veröffentlichung abgeschlossen, verteilt über das globale Edge-Netzwerk von Vercel, mit geringer Latenz
• Offizielles SDK: TypeSafe bietet eine Online-Konsole (Playground) und eine vollständige Dokumentation, die HTTP-API, Python SDK und JavaScript SDK unterstützt
• Offizielles Skill-Paket: TypeSafe hat das Skills Warehouse auf GitHub als Open-Source-Lösung bereitgestellt, um Programmieragenten beizubringen, „alle Unklarheiten auf einmal zu stellen“, anstatt nur eine Frage nach der anderen zu stellen.

Preis: 0,042 $ pro Million Token für die Eingabe, kostenlos für die Ausgabe. Es gibt auch ein kostenloses Kontingent für neue Konten zum Ausprobieren.

Sag etwas Ruhiges

Erstens,Es ist kein Ersatz für größere Modelle. Jev ist ein spezialisiertes Entscheidungsmodell. Erwarten Sie nicht, dass es offene Argumentations- und Inhaltsgenerierungsfunktionen bietet. Sein Wert besteht darin, das ultimative Ziel zu erreichen, schnelle und zuverlässige Entscheidungen innerhalb klar definierter möglicher Ergebnisse zu treffen.

Zweitens,In vielen Fällen muss unterschieden werden, „wessen Kreditwürdigkeit“. Beispielsweise ist die Browser-Nutzungsdemonstration der Suche nach Flügen in 7 Sekunden das Ergebnis der Zusammenarbeit der gesamten Toolkette, und nicht alle Fähigkeiten können Jev zugeschrieben werden. Das von der Gemeinschaft organisierte Case Warehouse selbst markiert auch die Grenzen der Beweise – welche Prinzipien klar sind, welche Auswirkungen überprüft werden müssen und welche Behauptungen keine Grundlage haben. Diese Einstellung ist es wert, erlernt zu werden.

Drittens,Seien Sie vorsichtig bei Blind Blowing. Jev kam innerhalb einer Woche nach seiner Veröffentlichung auf die Leinwand. Die Popularität beinhaltet echten technischen Wert und viele Marketingelemente. Was Sie wirklich brauchen, ist, Ihre eigenen Aufgaben damit auszuführen und zu sehen, wie viel Verzögerung und Geld Sie sparen.

Aber eines ist sicher:Bei KI-Anwendungen geht es nicht nur um „Generierung“. Außerhalb dieser Spur kommt die lange vernachlässigte Infrastruktur des „Urteils“ hinzu. Ob Jev die endgültige Antwort ist, ist schwer zu sagen, aber es wirft die richtigen Fragen auf.

Das große Modell ist für das Schreiben von Antworten verantwortlich, und Jev ist für das Treffen von Entscheidungen verantwortlich – jedes erfüllt seine eigenen Aufgaben, was eine gute Struktur darstellt.

Referenz: Offizielle Versionshinweise zu TypeSafe AI, Jev_apps-Fallbibliothek (137 Fälle / 11 Verwendungsarten), Wikipedia, technische Analyse von DataCamp

Vor kurzem ist im KI-Kreis ein anderes Modell aufgetaucht – Jev. It does not compete with GPT and Claude for the job of "writing answers", but instead focuses on a neglected position:Urteil fällen.

Geben Sie ihm eine aktuelle Situation, fügen Sie eine Frage oder eine Reihe von Optionen hinzu, und was es zurückgibt, ist die Antwort auf eine Multiple-Choice-Frage, eine Punktzahl oder eine Ja/Nein-Wahrscheinlichkeit – und dann führt das Programm es aus. Erscheinungsdatum ist der 15. September 2026 (begrenzter Early Access). Das Unternehmen dahinter heißt TypeSafe AI. Der Gründer Diogo Almeida ist einer der Miterfinder von ChatGPT. Die Seed-Runde hat ein Volumen von 40 Millionen US-Dollar und wird von DCVC angeführt.

The concept sounds abstract, but the community has played hundreds of cases within a week. Wählen Sie einige der interessantesten aus und nachdem Sie sie gelesen haben, werden Sie verstehen, welche Probleme sie lösen.

Verstehen Sie zunächst den Unterschied zu gewöhnlichen großen Modellen

Das Wesen traditioneller großer Modelle ist generativ: Man fragt danach und es schreibt Token für Token auf. Ich bin gut darin, Artikel zu schreiben, Logik zu argumentieren und Code einzugeben, aber wenn ich mit einer einfachen Multiple-Choice-Frage wie „Wählen Sie eine dieser Optionen“ konfrontiert werde, wird es zu einem Overkill – langsam und teuer.

Jev geht in die andere Richtung: Es ist leichtKlassifizierungs- und Bewertungsmodelle. Bei jedem Aufruf geben Sie ihm Hintergrundinformationen und eine Reihe klar definierter Optionen, und die Wahrscheinlichkeitsverteilung dieser Optionen wird direkt ausgegeben und diejenige mit der höchsten Konfidenz zurückgegeben. Die Verzögerung beträgt Dutzende bis Hunderte von Millisekunden und die Kosten betragen nur einen Bruchteil der Kosten für gängige große Modelle.

TypeSafe hat es offiziell benanntSystem One-Modell——Anlehnung an das Konzept von „System 1“ (Intuition, schnelles Urteilsvermögen) aus der Psychologie und entsprechend dem großen Sprachmodell von „System 2“ (langsames, tiefes Denken). Offiziellen Daten zufolge ist es 40–200 Mal schneller als das führende große Modell und die Eingabekosten betragen nur 0,042 US-Dollar pro Million Token.Ausgabe kostenlos.

1. Verwenden Sie es zum Spielen: von Doom bis 50 Subway Surfers

Dies ist die Art von Anwendung, bei der der Wert von Jev am einfachsten zu verstehen ist – bei Spielen müssen viele Male pro Sekunde kleine Entscheidungen getroffen werden, was genau seine Stärke ist.

• Offizielle Demo: Spielen Sie Doom in Echtzeit. Jev trifft etwa 10 Handlungsentscheidungen pro Sekunde und steuert die Bewegung und das Schießen der Figur.Eine Stunde Dauerbetrieb kostet etwa 7 US-Dollar——Diese Zahl überraschte die Ingenieure und zeigte, dass hochfrequente Entscheidungen in Echtzeit möglich sind
• Steuern Sie 50 Subway-Surfer gleichzeitig. Entwickler @_MaxBlade hat eine automatisierte Umgebung erstellt, die es Jev ermöglicht, 50 Spiele gleichzeitig zu steuern. Jeder Spurwechsel, jedes Springen und Rutschen ist eine kleine Entscheidung. Berichten zufolge alle 50 Innings abgeschlossen,Gesamtkosten weniger als einen Cent
• Open-Source-Super-Mario-Controller. Das vom Entwickler @faadilhshaik erstellte System liest den strukturierten Spielstatus direkt aus dem Speicher. Jev entscheidet, wann er springt und wann er beschleunigt. Das Projekt war Open Source
• Speedrunning Slay the Spire 2. Der chinesische Entwickler Paulwei nutzt es, um Strategiekartenspiele zu spielen. Beim Einsatz großer Modelle kam es in der Anfangszeit zu einer erheblichen Verzögerung zwischen den beiden Karten; nach dem Wechsel zu JevJede Entscheidung dauert nur 0,7 Sekunden, kann der nächste Befehl gesendet werden, bevor die vorherige Animation beendet ist.
• Wiki-Rennen. Eine weitere offizielle Demonstration: Ausgehend von einem Wikipedia-Artikel navigieren Sie zum Zielartikel, indem Sie sich nur auf Seiten-Hyperlinks verlassen. Bei jedem Schritt können Hunderte oder sogar Tausende von Kandidatenlinks auftreten, und Jev muss denjenigen auswählen, der dem Ziel semantisch am nächsten kommt – und damit die Fähigkeit testen, aus einer großen Anzahl von Optionen auszuwählen.

2. Physikalische Simulation: Lassen Sie die Rakete von selbst landen

Dieser Fall gefällt mir besonders gut, weil er beweist, dass Jev zu mehr fähig ist, als nur Spiele zu spielen.

Entwickler @uttkarsh_42 hat Jev mit der MuJoCo-Physik-Engine verbunden, um eine Rakete zu steuern, die vertikal landet. Jev ist verantwortlich für die Entscheidung:Wann muss gezündet werden, wie viele Triebwerke laufen und wann in die Landelage gewechselt werden. Nach 12 Tests war das System erfolgreich gelandet. Eines der vollständigen Experimente erforderte 245 Anrufe und ergab Kosten von etwa 0,04 US-Dollar.

Auch in der 3D-Stadtsimulation gibt es autonomes Fahren: Entwickler @jpschroeder hat Jev in die virtuelle Stadt integriert. Während der Fahrt ermittelt das Fahrzeug anhand von Sensordaten und Straßenverhältnissen die Fahrtrichtung und gibt nach jeder Aktion den neuen Status an das System zurück. Der gesamte Aufbau soll weniger als eine Stunde gedauert haben.

3. Browser-Automatisierung: Suche nach echten Flügen in 7 Sekunden

Dies ist derzeit eine der Richtungen mit dem höchsten technischen Wert.

Das Browser Use-Team veröffentlicht nur in Jev 3 TageDanach wurde der offizielle integrierte Jev-Ultrafast veröffentlicht und es hieß, er habe in zwei Tagen 2.700 GitHub-Sterne erhalten. Es unterteilt Webseitenvorgänge in zwei Auswahlmöglichkeiten (Aktion + Ziel).Keine Screenshots oder multimodalen Token erforderlich, führt jeder Roundtrip nur zu zwei Entscheidungen.

Gründer Gregor Zunic hat eine ungekürzte Demo der Jev-basierten Browserautomatisierung geteilt, die eine einfache Flugsuche auf der Website einer echten Fluggesellschaft durchführt.Der gesamte Vorgang dauert 7 Sekunden, die Modellaufrufkosten betragen ca 0,0039 $.

Es gibt eine Reihe ähnlicher: Stagehand-Browsersteuerung, Cuas jev-use, TipTour, das CoreML + OCR verwendet, um die Schaltfläche auf dem Mac zu lokalisieren und Jev die Klickposition auswählen zu lassen, Sprachsteuerungsbrowser ... Derzeit gibt es 13 Fälle in dieser Kategorie, der Kategorie mit den meisten Fällen.

4. Seien Sie ein „Router“: Helfen Sie bei der Auswahl des geeigneten Modells für die Aufgabe

Im Multi-Modell-Zeitalter gibt es eine echte Verschwendung: Die Verwendung teurer Modelle für einfache Probleme ist Geldverschwendung. Die geringe Latenz und die geringen Kosten machen Jev sehr geeignet fürVerkehrstriage.

• Claude Code Router: Wie bei der Arbeitsauftragstriage bestimmt Jev zunächst die Schwierigkeit der Aufgabe, und das Plug-in wählt dann entsprechend das Subagentenmodell und die Argumentationsstärke der Hauptsitzung aus.
• Routing der Codex-Missionsschwierigkeiten: Schätzen Sie die logische Komplexität von Codierungsaufgaben vor der Ausführung ab, einfache Bearbeitung geht durch billige Modelle verloren und komplexe dateiübergreifende Rekonstruktion aktiviert stärkere Modelle – so wird berichtetReduzieren Sie die Gesamtkosten des Modells um mehr als 60 %
• Eve bedingtes Routing/Anfrageverteilung: Bestimmen Sie zunächst, welcher Modelltyp für das Problem erforderlich ist, und übergeben Sie ihn dann zur Verarbeitung an das entsprechende Modell.
• Abteilung für lokale Kodierungsagenten: Weisen Sie verschiedenen KI-Assistenten einfache Aufgaben, komplexe Probleme und langfristige Aufgaben zu

LangChain hat einen speziellen Artikel „Building Safety Belts with Jev“ geschrieben und darauf hingewiesen, dass die Klassifizierungs- und Routing-Logik im Agent-Framework traditionell in verschiedenen Closed-Source-Implementierungen verborgen ist. Ein allgemeines, kostengünstiges Klassifizierungsmodell wie Jev kann die Wiederverwendung dieser Ebene der Entscheidungslogik in Open-Source-Agenten ermöglichen. Auch Armin Ronacher, Gründer von Sentry, ist der Ansicht, dass es wirtschaftlich nicht sinnvoll ist, große generative Modelle für Routing-Entscheidungen zu verwenden.

5. Sicherheit und Technik: Diese unauffälligen Drecksarbeiten

Diese Art der Anwendung ist nicht auffällig, aber am praktischsten.

• Vercel ersetzt den Shell-Befehlssicherheitsklassifikator: Ingenieur Pranit Sharma hat den internen OpenAI-basierten Shell-Befehlssicherheitsklassifikator durch Jev ersetzt. Es wird berichtet5-18 mal schnellerund die Fehlalarmrate ist geringer – die Reduzierung von Fehlalarmen verbessert tatsächlich die tatsächliche Genauigkeit des Systems
• Schnelle Injektionserkennung: Die Community verfügt über Open-Source-Jev-MCP (eine Erweiterung, die auf dem MCP-Protokoll basiert). Mit Jev können Sie quellenübergreifende Faktenprüfungen durchführen, in Benutzeraufforderungen versteckte Prompt-Injection-Angriffe erkennen und die semantische Relevanz der abgerufenen Inhalte bewerten.
• Lange Kontextkomprimierung: fast-jev-compaction verwendet Jev, um den Wert jedes Tool-Aufrufs schnell zu bewerten, nutzlose Protokolle zu löschen und gleichzeitig Schlüsselzustände beizubehalten – der Kontext lässt sich leicht erweitern, wenn Codierungsagenten lange Aufgaben ausführen. Dieses Projekt wurde auch vom offiziellen Jev-Team anerkannt
• PR-Vorprüfung: Analysieren Sie die geänderte Dateiliste und die automatisierten Testergebnisse in der CI-Pipeline, bewerten Sie zunächst, ob die PR für die Zusammenführung geeignet ist, markieren Sie PRs mit hohem Risiko automatisch und übertragen Sie sie manuell

6. Geschäftspipeline: E-Mails, Arbeitsaufträge, Kundenservice

Gemeinsam ist diesen Szenarien:Sie müssen zahlreiche kleine Entscheidungen schnell und konsequent treffenDie Verwendung großer Modelle ist teuer und langsam.

• Klassifizierung geschäftlicher E-Mail-Absichten: Nikhil Mudholkar, CTO von BryoAI, verglich Jev und Gemini. Die absolute Genauigkeit von Gemini ist jedoch etwas besser10-20x höhere Kosten pro Anruf. Noch wichtiger ist, dass Jev kalibrierte Wahrscheinlichkeitsverteilungen bereitstellt, was es für nachgelagerte Systeme einfacher macht, Konfidenzschwellen festzulegen
• Arbeitsauftragszuweisung und automatische Weiterleitung: Zerlegen Sie den Brief in wichtige Informationen und geben Sie ihn an Jev. Wählen Sie aus einer Gruppe von Geschäftsteams den am besten geeigneten Brief aus und ersetzen Sie die fragilen handgeschriebenen regulären Regeln
• Wiederholte Abzüge und Einstufung als Notfallunterstützung: Identifizieren Sie schnell risikoreiche Beschwerden (z. B. wiederholte Abzüge) in Finanz-E-Commerce-Szenarien. Wenn Kunden emotional sind oder Rückerstattungen verlangen, werden sie innerhalb von Millisekunden als dringend gekennzeichnet und mit Priorität versandt.

7. Wilderes Gameplay

• Bild Pixel für Pixel erzeugen: Entwickler @anshuc verwandelt die Bildgenerierung in ein Klassifizierungsproblem auf Pixelebene. Dabei gibt das Programm jedem Pixel eine Reihe von Farboptionen und -wahrscheinlichkeiten, füllt es nach und nach mit der von Jev ausgewählten Farbe mit der höchsten Wahrscheinlichkeit und erstellt schließlich ein Bild mit niedriger Auflösung
• Automatische On-Chain-Transaktionen: Einige Web3-Entwickler verbinden Jev mit dezentralen Börsen, lesen Echtzeitdaten zur Ordertiefe und geben nur drei Aktionen aus: Kaufen, Verkaufen und Halten. Die Community ist der Meinung, dass dies eine der auffälligsten Anwendungen ist, aber die Risiken sind auch unter realen Marktbedingungen offensichtlich.
• Wählen Sie Komponenten für die Weboberfläche aus: Im json-render-Projekt wählt Jev Komponenten aus und ordnet Beziehungen an, und das Programm fügt die Ergebnisse zu einer renderbaren Schnittstelle zusammen – wie Bausteine.

8. Ein bemerkenswertes Bewertungsergebnis

In einer von PrimeLine durchgeführten doppelblinden Vorregistrierungsbewertung ist ein Detail aufschlussreich.

Absolute Genauigkeit von Claude Opus 5 und Haiku 4.5 bei zwei realen AufgabenVergleichbar mit Jev, oder anfangs sogar noch besser. Wenn die Auswertung es dem Modell jedoch ermöglicht, Stichproben zu überspringen, für die es am wenigsten sicher ist,Jev schnitt bei beiden Aufgaben besser ab.

Der Grund dafür ist, dass das ausgegebene Vertrauen istkalibriert, während allgemeine generative Modelle dazu neigen, schlecht kalibriert zu sein und in ihren Urteilen zu selbstsicher zu sein. Mit anderen Worten: Wenn „wissen, was man nicht weiß“ wichtiger ist als „hart antworten“, kommt der Wert von Jev zum Vorschein.

So fangen Sie an

Wenn Sie bereits eine Modellaggregationsplattform nutzen, betragen die Zugriffskosten nahezu Null:

• OpenRouter: Jev wurde im offiziellen Modellkatalog eingeführt, Modellname typesafe/jev, ändern Sie den Modellnamen im Code und Sie können wechseln
• Vercel AI Gateway: Die Integration wurde innerhalb von 72 Stunden nach der Veröffentlichung abgeschlossen, verteilt über das globale Edge-Netzwerk von Vercel, mit geringer Latenz
• Offizielles SDK: TypeSafe bietet eine Online-Konsole (Playground) und eine vollständige Dokumentation, die HTTP-API, Python SDK und JavaScript SDK unterstützt
• Offizielles Skill-Paket: TypeSafe hat das Skills Warehouse auf GitHub als Open-Source-Lösung bereitgestellt, um Programmieragenten beizubringen, „alle Unklarheiten auf einmal zu stellen“, anstatt nur eine Frage nach der anderen zu stellen.

Preis: 0,042 $ pro Million Token für die Eingabe, kostenlos für die Ausgabe. Es gibt auch ein kostenloses Kontingent für neue Konten zum Ausprobieren.

Sag etwas Ruhiges

Erstens,Es ist kein Ersatz für größere Modelle. Jev ist ein spezialisiertes Entscheidungsmodell. Erwarten Sie nicht, dass es offene Argumentations- und Inhaltsgenerierungsfunktionen bietet. Sein Wert besteht darin, das ultimative Ziel zu erreichen, schnelle und zuverlässige Entscheidungen innerhalb klar definierter möglicher Ergebnisse zu treffen.

Zweitens,In vielen Fällen muss unterschieden werden, „wessen Kreditwürdigkeit“. Beispielsweise ist die Browser-Nutzungsdemonstration der Suche nach Flügen in 7 Sekunden das Ergebnis der Zusammenarbeit der gesamten Toolkette, und nicht alle Fähigkeiten können Jev zugeschrieben werden. Das von der Gemeinschaft organisierte Case Warehouse selbst markiert auch die Grenzen der Beweise – welche Prinzipien klar sind, welche Auswirkungen überprüft werden müssen und welche Behauptungen keine Grundlage haben. Diese Einstellung ist es wert, erlernt zu werden.

Drittens,Seien Sie vorsichtig bei Blind Blowing. Jev kam innerhalb einer Woche nach seiner Veröffentlichung auf die Leinwand. Die Popularität beinhaltet echten technischen Wert und viele Marketingelemente. Was Sie wirklich brauchen, ist, Ihre eigenen Aufgaben damit auszuführen und zu sehen, wie viel Verzögerung und Geld Sie sparen.

Aber eines ist sicher:Bei KI-Anwendungen geht es nicht nur um „Generierung“. Außerhalb dieser Spur kommt die lange vernachlässigte Infrastruktur des „Urteils“ hinzu. Ob Jev die endgültige Antwort ist, ist schwer zu sagen, aber es wirft die richtigen Fragen auf.

Das große Modell ist für das Schreiben von Antworten verantwortlich, und Jev ist für das Treffen von Entscheidungen verantwortlich – jedes erfüllt seine eigenen Aufgaben, was eine gute Struktur darstellt.

Referenz: Offizielle Versionshinweise zu TypeSafe AI, Jev_apps-Fallbibliothek (137 Fälle / 11 Verwendungsarten), Wikipedia, technische Analyse von DataCamp