Comparta algunas aplicaciones interesantes de Jev: un modelo de IA que no da respuestas, solo emite juicios

En una evaluación doble ciego previa al registro realizada por PrimeLine, un detalle es revelador.

Precisión absoluta de Claude Opus 5 y Haiku 4.5 en dos tareas realesComparable a Jev, o incluso mejor inicialmente. Pero cuando la evaluación permite que el modelo omita muestras para las que tiene menos confianza,Jev tuvo un desempeño superior en ambas tareas.

La razón es que la confianza que genera escalibrado, mientras que los modelos generativos generales tienden a estar mal calibrados y a tener demasiada confianza en sus juicios. En otras palabras: cuando "saber lo que no sabes" es más importante que "responder con firmeza", el valor de Jev sale a la luz.

Cómo empezar

Si ya estás utilizando una plataforma de agregación de modelos, el coste de acceso es casi nulo:

• enrutador abierto: Jev ha sido lanzado en el catálogo oficial de modelos, nombre del modelo typesafe/jev, cambie el nombre del modelo en el código y podrá cambiar
• Puerta de enlace de IA de Vercel: Integración completada dentro de las 72 horas posteriores al lanzamiento, distribuida a través de la red de borde global de Vercel, con baja latencia
• SDK oficial: TypeSafe proporciona una consola en línea (Playground) y documentación completa, compatible con HTTP API, Python SDK y JavaScript SDK.
• Paquete de habilidades oficial: TypeSafe ha abierto el almacén de habilidades en GitHub para enseñar a los agentes de codificación a "preguntar todas las ambigüedades a la vez" en lugar de simplemente hacer una pregunta a la vez.

Precio: 0,042 dólares por millón de tokens para entrada, gratis para salida. También hay una cuota gratuita para que prueben las cuentas nuevas.

di algo tranquilo

Primero,No es un reemplazo para modelos más grandes.. Jev es un modelo especializado en toma de decisiones. No espere que tenga capacidades de generación de contenido y razonamiento abierto. Su valor es lograr el objetivo final de tomar decisiones rápidas y confiables dentro de resultados posibles claramente definidos.

En segundo lugar,En muchos casos, es necesario distinguir "de quién es el crédito".. Por ejemplo, la demostración del uso del navegador para buscar vuelos en 7 segundos es el resultado de la cooperación de toda la cadena de herramientas, y no todas las capacidades pueden atribuirse a Jev. El propio almacén de casos organizado por la comunidad también marca los límites de la evidencia: qué principios son claros, qué efectos deben verificarse y qué afirmaciones carecen de fundamento. Vale la pena aprender esta actitud.

En tercer lugar,Tenga cuidado con los ciegos. Jev llegó a la pantalla una semana después de su lanzamiento. La popularidad incluye valor técnico real y muchos elementos de marketing. Lo que realmente necesita es ejecutar sus propias tareas con él y ver cuánto retraso y dinero ahorra.

Pero una cosa es segura:Las aplicaciones de IA no se tratan sólo de “generación”. Fuera de esta vía, se está añadiendo la infraestructura del “juicio”, largamente descuidada. Es difícil decir si Jev es la respuesta final, pero plantea las preguntas correctas.

El modelo grande es responsable de escribir las respuestas y Jev es responsable de tomar decisiones; cada uno realiza sus propias tareas, lo cual es una buena estructura.

Referencia: notas de la versión oficial de TypeSafe AI, biblioteca de casos Jev_apps (137 casos/11 tipos de usos), Wikipedia, análisis técnico de DataCamp

Esta es una de las direcciones con mayor valor de ingeniería en la actualidad.

El equipo de uso del navegador lanza solo en Jev 3 diasDespués de eso, se lanzó el jev-ultrafast integrado oficial y se dijo que obtuvo 2.700 estrellas de GitHub en dos días. Divide las operaciones de la página web en dos conjuntos de opciones (acción + objetivo),No se requieren capturas de pantalla ni tokens multimodales, cada viaje de ida y vuelta sólo produce dos decisiones.

El fundador Gregor Zunic compartió una demostración sin cortes de la automatización del navegador impulsada por Jev completando una búsqueda de vuelos de ida en el sitio web de una aerolínea real.Todo el proceso dura 7 segundos., el costo de la llamada modelo es aproximadamente $0.0039.

Hay muchos similares: control del navegador Stagehand, jev-use de Cua, TipTour que usa CoreML + OCR para ubicar el botón en Mac y permite que Jev seleccione la ubicación del clic, navegador de control por voz... Actualmente hay 13 casos en esta categoría, que es la categoría con más casos.

4. Sea un "enrutador": ayude a seleccionar el modelo apropiado para la tarea

Hay un verdadero desperdicio en la era de los modelos múltiples: utilizar modelos costosos para problemas simples es una pérdida de dinero. La baja latencia y el bajo costo de Jev lo hacen muy adecuado paraClasificación de tráfico.

• Enrutador de código Claude: Al igual que la clasificación de órdenes de trabajo, Jev primero determina la dificultad de la tarea y luego el complemento selecciona el modelo de subagente y la solidez del razonamiento de la sesión principal en consecuencia.
• Ruta de dificultad de la misión del Codex: Estime la complejidad lógica de las tareas de codificación antes de su ejecución, la edición simple se pierde ante modelos baratos y la reconstrucción compleja entre archivos activa modelos más potentes, según se informaReducir el coste total del modelo en más del 60%
• Distribución de solicitudes/enrutamiento condicional de Eve: Primero determine qué tipo de modelo se necesita para el problema y luego entréguelo al modelo apropiado para su procesamiento.
• División de agentes codificadores locales.: Asigne tareas simples, problemas complejos y tareas a largo plazo a diferentes asistentes de IA

LangChain escribió un artículo especial "Construyendo cinturones de seguridad con Jev", señalando que la lógica de clasificación y enrutamiento en el marco del agente tradicionalmente está oculta en varias implementaciones de código cerrado. Un modelo de clasificación general de bajo costo como Jev puede permitir que esta capa de lógica de toma de decisiones se reutilice en agentes de código abierto. Armin Ronacher, fundador de Sentry, también cree que no es económicamente razonable utilizar grandes modelos generativos para tomar decisiones de enrutamiento.

5. Seguridad e ingeniería: esos trabajos sucios que pasan desapercibidos

Este tipo de aplicación no es llamativa, pero sí de lo más práctica.

• Vercel reemplaza el clasificador de seguridad de comandos de Shell: El ingeniero Pranit Sharma reemplazó el clasificador de seguridad de comando de shell interno basado en OpenAI con Jev. se informa5-18 veces más rápido, y la tasa de falsas alarmas es menor: la reducción de falsas alarmas en realidad mejora la precisión real del sistema.
• Detección rápida de inyección: La comunidad tiene jev-mcp de código abierto (una extensión basada en el protocolo MCP). Puede utilizar Jev para realizar una verificación de hechos entre fuentes, detectar ataques de inyección rápida ocultos en las indicaciones del usuario y calificar la relevancia semántica del contenido recuperado.
• Compresión de contexto largo: fast-jev-compaction utiliza Jev para evaluar rápidamente el valor de cada llamada de herramienta, eliminar registros inútiles y conservar estados clave; el contexto es fácil de expandir cuando los agentes de codificación realizan tareas largas. Este proyecto también ha sido reconocido por el equipo oficial de Jev
• Pre-selección de relaciones públicas: Analice la lista de archivos modificados y los resultados de las pruebas automatizadas en la canalización de CI, evalúe inicialmente si el RP es elegible para la fusión, marque automáticamente los RP de alto riesgo y transfiéralos manualmente.

6. Canal de negocios: correos electrónicos, órdenes de trabajo, servicio al cliente.

Lo que estos escenarios tienen en común es:Necesidad de tomar numerosas decisiones pequeñas de forma rápida y coherente., utilizar modelos grandes es caro y lento.

• Clasificación de intenciones de correo electrónico empresarial: Nikhil Mudholkar, CTO de BryoAI, comparó a Jev y Gemini. La precisión absoluta de Gemini es ligeramente mejor, peroCosto por llamada entre 10 y 20 veces mayor. Más importante aún, Jev proporciona distribuciones de probabilidad calibradas, lo que facilita que los sistemas posteriores establezcan umbrales de confianza.
• Asignación de órdenes de trabajo y enrutamiento automático: digiera la carta en información clave y entréguesela a Jev, seleccione la más adecuada de un grupo de equipos comerciales, reemplace las frágiles reglas escritas a mano.
• Deducciones repetidas y clasificación de manutención de emergencia.: Identifique rápidamente quejas de alto riesgo (como deducciones repetidas) en escenarios de comercio electrónico financiero. Cuando los clientes se emocionan o solicitan reembolsos, se etiquetarán como urgentes en milisegundos y se enviarán con prioridad.

7. Jugabilidad más salvaje

• Generar imagen píxel a píxel: El desarrollador @anshuc convierte la generación de imágenes en un problema de clasificación a nivel de píxeles: le da a cada píxel un conjunto de opciones y probabilidades de color, el programa lo llena gradualmente con el color de mayor probabilidad seleccionado por Jev y finalmente deletrea una imagen de baja resolución.
• Transacciones automáticas en cadena: Algunos desarrolladores de Web3 conectan Jev a intercambios descentralizados, leen datos de profundidad de pedidos en tiempo real y solo generan tres acciones: comprar, vender y mantener. La comunidad considera que esta es una de las aplicaciones más llamativas, pero los riesgos también son obvios en condiciones reales del mercado.
• Seleccionar componentes para la interfaz web: En el proyecto json-render, Jev selecciona componentes y organiza las relaciones, y el programa ensambla los resultados en una interfaz renderizable, como bloques de construcción.

8. Un resultado de evaluación digno de mención

En una evaluación doble ciego previa al registro realizada por PrimeLine, un detalle es revelador.

Precisión absoluta de Claude Opus 5 y Haiku 4.5 en dos tareas realesComparable a Jev, o incluso mejor inicialmente. Pero cuando la evaluación permite que el modelo omita muestras para las que tiene menos confianza,Jev tuvo un desempeño superior en ambas tareas.

La razón es que la confianza que genera escalibrado, mientras que los modelos generativos generales tienden a estar mal calibrados y a tener demasiada confianza en sus juicios. En otras palabras: cuando "saber lo que no sabes" es más importante que "responder con firmeza", el valor de Jev sale a la luz.

Cómo empezar

Si ya estás utilizando una plataforma de agregación de modelos, el coste de acceso es casi nulo:

• enrutador abierto: Jev ha sido lanzado en el catálogo oficial de modelos, nombre del modelo typesafe/jev, cambie el nombre del modelo en el código y podrá cambiar
• Puerta de enlace de IA de Vercel: Integración completada dentro de las 72 horas posteriores al lanzamiento, distribuida a través de la red de borde global de Vercel, con baja latencia
• SDK oficial: TypeSafe proporciona una consola en línea (Playground) y documentación completa, compatible con HTTP API, Python SDK y JavaScript SDK.
• Paquete de habilidades oficial: TypeSafe ha abierto el almacén de habilidades en GitHub para enseñar a los agentes de codificación a "preguntar todas las ambigüedades a la vez" en lugar de simplemente hacer una pregunta a la vez.

Precio: 0,042 dólares por millón de tokens para entrada, gratis para salida. También hay una cuota gratuita para que las prueben nuevas cuentas.

di algo tranquilo

Primero,No es un reemplazo para modelos más grandes.. Jev es un modelo especializado en toma de decisiones. No espere que tenga capacidades de generación de contenido y razonamiento abierto. Su valor es lograr el objetivo final de tomar decisiones rápidas y confiables dentro de resultados posibles claramente definidos.

En segundo lugar,En muchos casos, es necesario distinguir "de quién es el crédito".. Por ejemplo, la demostración del uso del navegador para buscar vuelos en 7 segundos es el resultado de la cooperación de toda la cadena de herramientas, y no todas las capacidades pueden atribuirse a Jev. El propio almacén de casos organizado por la comunidad también marca los límites de la evidencia: qué principios son claros, qué efectos deben verificarse y qué afirmaciones carecen de fundamento. Vale la pena aprender esta actitud.

En tercer lugar,Tenga cuidado con los ciegos. Jev llegó a la pantalla una semana después de su lanzamiento. La popularidad incluye valor técnico real y muchos elementos de marketing. Lo que realmente necesita es ejecutar sus propias tareas con él y ver cuánto retraso y dinero ahorra.

Pero una cosa es segura:Las aplicaciones de IA no se tratan sólo de “generación”. Fuera de esta vía, se está añadiendo la infraestructura del “juicio”, largamente descuidada. Es difícil decir si Jev es la respuesta final, pero plantea las preguntas correctas.

El modelo grande es responsable de escribir las respuestas y Jev es responsable de tomar decisiones; cada uno realiza sus propias tareas, lo cual es una buena estructura.

Referencia: notas de la versión oficial de TypeSafe AI, biblioteca de casos Jev_apps (137 casos/11 tipos de usos), Wikipedia, análisis técnico de DataCamp

Esta es una de las direcciones con mayor valor de ingeniería en la actualidad.

El equipo de uso del navegador lanza solo en Jev 3 diasDespués de eso, se lanzó el jev-ultrafast integrado oficial y se dijo que obtuvo 2.700 estrellas de GitHub en dos días. Divide las operaciones de la página web en dos conjuntos de opciones (acción + objetivo),No se requieren capturas de pantalla ni tokens multimodales, cada viaje de ida y vuelta sólo produce dos decisiones.

El fundador Gregor Zunic compartió una demostración sin cortes de la automatización del navegador impulsada por Jev completando una búsqueda de vuelos de ida en el sitio web de una aerolínea real.Todo el proceso dura 7 segundos., el costo de la llamada modelo es aproximadamente $0.0039.

Hay muchos similares: control del navegador Stagehand, jev-use de Cua, TipTour que usa CoreML + OCR para ubicar el botón en Mac y permite que Jev seleccione la ubicación del clic, navegador de control por voz... Actualmente hay 13 casos en esta categoría, que es la categoría con más casos.

4. Sea un "enrutador": ayude a seleccionar el modelo adecuado para la tarea

Hay un verdadero desperdicio en la era de los modelos múltiples: utilizar modelos costosos para problemas simples es una pérdida de dinero. La baja latencia y el bajo costo de Jev lo hacen muy adecuado paraClasificación de tráfico.

• Enrutador de código Claude: Al igual que la clasificación de órdenes de trabajo, Jev primero determina la dificultad de la tarea y luego el complemento selecciona el modelo de subagente y la solidez del razonamiento de la sesión principal en consecuencia.
• Ruta de dificultad de la misión del Codex: Estime la complejidad lógica de las tareas de codificación antes de su ejecución, la edición simple se pierde ante modelos baratos y la reconstrucción compleja entre archivos activa modelos más potentes, según se informaReducir el coste total del modelo en más del 60%
• Distribución de solicitudes/enrutamiento condicional de Eve: Primero determine qué tipo de modelo se necesita para el problema y luego entréguelo al modelo apropiado para su procesamiento.
• División de agentes codificadores locales.: Asigne tareas simples, problemas complejos y tareas a largo plazo a diferentes asistentes de IA

LangChain escribió un artículo especial "Construyendo cinturones de seguridad con Jev", señalando que la lógica de clasificación y enrutamiento en el marco del agente tradicionalmente está oculta en varias implementaciones de código cerrado. Un modelo de clasificación general de bajo costo como Jev puede permitir que esta capa de lógica de toma de decisiones se reutilice en agentes de código abierto. Armin Ronacher, fundador de Sentry, también cree que no es económicamente razonable utilizar grandes modelos generativos para tomar decisiones de enrutamiento.

5. Seguridad e ingeniería: esos trabajos sucios que pasan desapercibidos

Este tipo de aplicación no es llamativa, pero sí de lo más práctica.

• Vercel reemplaza el clasificador de seguridad de comandos de Shell: El ingeniero Pranit Sharma reemplazó el clasificador de seguridad de comando de shell interno basado en OpenAI con Jev. se informa5-18 veces más rápido, y la tasa de falsas alarmas es menor: la reducción de falsas alarmas en realidad mejora la precisión real del sistema.
• Detección rápida de inyección: La comunidad tiene jev-mcp de código abierto (una extensión basada en el protocolo MCP). Puede utilizar Jev para realizar una verificación de hechos entre fuentes, detectar ataques de inyección rápida ocultos en las indicaciones del usuario y calificar la relevancia semántica del contenido recuperado.
• Compresión de contexto largo: fast-jev-compaction utiliza Jev para evaluar rápidamente el valor de cada llamada de herramienta, eliminar registros inútiles y conservar estados clave; el contexto es fácil de expandir cuando los agentes de codificación realizan tareas largas. Este proyecto también ha sido reconocido por el equipo oficial de Jev
• Pre-selección de relaciones públicas: Analice la lista de archivos modificados y los resultados de las pruebas automatizadas en la canalización de CI, evalúe inicialmente si el RP es elegible para la fusión, marque automáticamente los RP de alto riesgo y transfiéralos manualmente.

6. Canal de negocios: correos electrónicos, órdenes de trabajo, servicio al cliente.

Lo que estos escenarios tienen en común es:Necesidad de tomar numerosas decisiones pequeñas de forma rápida y coherente., utilizar modelos grandes es caro y lento.

• Clasificación de intenciones de correo electrónico empresarial: Nikhil Mudholkar, CTO de BryoAI, comparó a Jev y Gemini. La precisión absoluta de Gemini es ligeramente mejor, peroCosto por llamada entre 10 y 20 veces mayor. Más importante aún, Jev proporciona distribuciones de probabilidad calibradas, lo que facilita que los sistemas posteriores establezcan umbrales de confianza.
• Asignación de órdenes de trabajo y enrutamiento automático: digiera la carta en información clave y entréguesela a Jev, seleccione la más adecuada de un grupo de equipos comerciales, reemplace las frágiles reglas escritas a mano.
• Deducciones repetidas y clasificación de manutención de emergencia.: Identifique rápidamente quejas de alto riesgo (como deducciones repetidas) en escenarios de comercio electrónico financiero. Cuando los clientes se emocionan o solicitan reembolsos, se etiquetarán como urgentes en milisegundos y se enviarán con prioridad.

7. Jugabilidad más salvaje

• Generar imagen píxel a píxel: El desarrollador @anshuc convierte la generación de imágenes en un problema de clasificación a nivel de píxeles: le da a cada píxel un conjunto de opciones y probabilidades de color, el programa lo llena gradualmente con el color de mayor probabilidad seleccionado por Jev y finalmente deletrea una imagen de baja resolución.
• Transacciones automáticas en cadena: Algunos desarrolladores de Web3 conectan Jev a intercambios descentralizados, leen datos de profundidad de pedidos en tiempo real y solo generan tres acciones: comprar, vender y mantener. La comunidad considera que esta es una de las aplicaciones más llamativas, pero los riesgos también son obvios en condiciones reales del mercado.
• Seleccionar componentes para la interfaz web: En el proyecto json-render, Jev selecciona componentes y organiza las relaciones, y el programa ensambla los resultados en una interfaz renderizable, como bloques de construcción.

8. Un resultado de evaluación digno de mención

En una evaluación doble ciego previa al registro realizada por PrimeLine, un detalle es revelador.

Precisión absoluta de Claude Opus 5 y Haiku 4.5 en dos tareas realesComparable a Jev, o incluso mejor inicialmente. Pero cuando la evaluación permite que el modelo omita muestras para las que tiene menos confianza,Jev tuvo un desempeño superior en ambas tareas.

La razón es que la confianza que genera escalibrado, mientras que los modelos generativos generales tienden a estar mal calibrados y a tener demasiada confianza en sus juicios. En otras palabras: cuando "saber lo que no sabes" es más importante que "responder con firmeza", el valor de Jev sale a la luz.

Cómo empezar

Si ya estás utilizando una plataforma de agregación de modelos, el coste de acceso es casi nulo:

• enrutador abierto: Jev ha sido lanzado en el catálogo oficial de modelos, nombre del modelo typesafe/jev, cambie el nombre del modelo en el código y podrá cambiar
• Puerta de enlace de IA de Vercel: Integración completada dentro de las 72 horas posteriores al lanzamiento, distribuida a través de la red de borde global de Vercel, con baja latencia
• SDK oficial: TypeSafe proporciona una consola en línea (Playground) y documentación completa, compatible con HTTP API, Python SDK y JavaScript SDK.
• Paquete de habilidades oficial: TypeSafe ha abierto el almacén de habilidades en GitHub para enseñar a los agentes de codificación a "preguntar todas las ambigüedades a la vez" en lugar de simplemente hacer una pregunta a la vez.

Precio: 0,042 dólares por millón de tokens para entrada, gratis para salida. También hay una cuota gratuita para que las prueben nuevas cuentas.

di algo tranquilo

Primero,No es un reemplazo para modelos más grandes.. Jev es un modelo especializado en toma de decisiones. No espere que tenga capacidades de generación de contenido y razonamiento abierto. Su valor es lograr el objetivo final de tomar decisiones rápidas y confiables dentro de resultados posibles claramente definidos.

En segundo lugar,En muchos casos, es necesario distinguir "de quién es el crédito".. Por ejemplo, la demostración del uso del navegador para buscar vuelos en 7 segundos es el resultado de la cooperación de toda la cadena de herramientas, y no todas las capacidades pueden atribuirse a Jev. El propio almacén de casos organizado por la comunidad también marca los límites de la evidencia: qué principios son claros, qué efectos deben verificarse y qué afirmaciones carecen de fundamento. Vale la pena aprender esta actitud.

En tercer lugar,Tenga cuidado con los ciegos. Jev llegó a la pantalla una semana después de su lanzamiento. La popularidad incluye valor técnico real y muchos elementos de marketing. Lo que realmente necesita es ejecutar sus propias tareas con él y ver cuánto retraso y dinero ahorra.

Pero una cosa es segura:Las aplicaciones de IA no se tratan sólo de “generación”. Fuera de esta vía, se está añadiendo la infraestructura del “juicio”, largamente descuidada. Es difícil decir si Jev es la respuesta final, pero plantea las preguntas correctas.

El modelo grande es responsable de escribir las respuestas y Jev es responsable de tomar decisiones; cada uno realiza sus propias tareas, lo cual es una buena estructura.

Referencia: notas de la versión oficial de TypeSafe AI, biblioteca de casos Jev_apps (137 casos/11 tipos de usos), Wikipedia, análisis técnico de DataCamp

Recientemente, ha surgido un modelo diferente en el círculo de la IA: Jev. No compite con GPT y Claude por el trabajo de "escribir respuestas", sino que se centra en una posición descuidada:hacer juicio.

Déle una situación actual, agregue una pregunta o un conjunto de opciones, y lo que devuelve es la respuesta a una pregunta de opción múltiple, una puntuación o una probabilidad de sí/no, y luego el programa lo ejecuta. La fecha de lanzamiento es el 15 de septiembre de 2026 (acceso anticipado limitado). La empresa detrás de esto se llama TypeSafe AI. El fundador, Diogo Almeida, es uno de los co-inventores de ChatGPT. La ronda semilla es de US$40 millones, liderada por DCVC.

El concepto suena abstracto, pero la comunidad ha analizado cientos de casos en una semana. Elija algunos de los más interesantes y, después de leerlos, comprenderá qué problemas resuelven.

Primero, comprenda la diferencia entre este y los modelos grandes comunes.

La esencia de los grandes modelos tradicionales es generativa: le preguntas y escribe ficha por ficha. Soy bueno escribiendo artículos, razonando lógicamente y escribiendo código, pero cuando me enfrento a una simple pregunta de opción múltiple como "elige una de estas opciones", se vuelve exagerada: lenta y costosa.

Jev va por el otro lado: es livianoModelos de clasificación y puntuación.. Cada vez que lo llama, le proporciona información general y un conjunto de opciones claramente definidas, y genera directamente la distribución de probabilidad de estas opciones y devuelve la que tiene mayor confianza. El retraso es de decenas a cientos de milisegundos y el costo es solo una fracción del de los modelos grandes convencionales.

TypeSafe lo nombró oficialmenteModelo del sistema uno——Tomando prestado el concepto de "Sistema 1" (intuición, juicio rápido) en psicología y correspondiente al modelo de lenguaje amplio del "Sistema 2" (razonamiento lento y profundo). Los datos oficiales indican que es entre 40 y 200 veces más rápido que el modelo grande líder y el costo de entrada es de solo $ 0,042 por millón de tokens.Salida libre.

1. Úselo para jugar: desde Doom hasta 50 Subway Surfers

Este es el tipo de aplicación donde es más fácil entender el valor de Jev: los juegos requieren tomar pequeñas decisiones muchas veces por segundo, que es exactamente su punto fuerte.

• Demostración oficial: juega a Doom en tiempo real. Jev toma alrededor de 10 decisiones de acción por segundo, controlando el movimiento y los disparos del personaje.Una hora de funcionamiento continuo cuesta alrededor de 7 dólares.——Este número sorprendió a los ingenieros, lo que indica que la toma de decisiones de alta frecuencia en tiempo real es factible
• Controla a 50 surfistas del metro simultáneamente. El desarrollador @_MaxBlade creó un entorno automatizado para permitir a Jev controlar 50 juegos al mismo tiempo. Cada acción de cambiar de carril, saltar y deslizarse es una pequeña decisión. Según se informa, completó las 50 entradas,Costo total menos de un centavo
• Controlador Super Mario de código abierto. El sistema creado por el desarrollador @faadilhshaik lee el estado estructurado del juego directamente desde la memoria. Jev decide cuándo saltar y cuándo acelerar. El proyecto ha sido de código abierto.
• Speedrunning Mata al Spire 2. El desarrollador chino Paulwei lo utiliza para jugar juegos de cartas de estrategia. Cuando se utilizaban modelos grandes al principio, había un retraso significativo entre las dos tarjetas; después de cambiar a JevCada decisión toma sólo 0,7 segundos, el siguiente comando se puede enviar antes de que finalice la animación anterior.
• Carreras Wiki. Otra demostración oficial: comenzar desde un artículo de Wikipedia y navegar hasta el artículo de destino únicamente basándose en los hipervínculos de la página. Cada paso puede enfrentar cientos o incluso miles de enlaces candidatos, y Jev necesita elegir el que esté semánticamente más cerca del objetivo, probando la capacidad de elegir entre una gran cantidad de opciones.

2. Simulación física: dejar que el cohete aterrice solo

Me gusta especialmente este caso porque demuestra que Jev es capaz de hacer algo más que jugar.

El desarrollador @uttkarsh_42 conectó a Jev al motor de física MuJoCo para controlar un cohete que aterriza verticalmente. Jev es responsable de decidir:Cuándo encender, cuántos motores encender y cuándo cambiar a actitud de aterrizaje. Después de 12 pruebas, el sistema aterrizó con éxito. Uno de los experimentos completos recibió 245 llamadas y reportó un costo de aproximadamente $0,04.

También existe la conducción autónoma en la simulación de ciudades en 3D: el desarrollador @jpschroeder integró a Jev en la ciudad virtual. Cuando el vehículo está conduciendo, utiliza los datos de los sensores y las condiciones de la carretera para determinar la dirección de conducción, y el nuevo estado se envía al sistema después de cada acción. Se dice que toda la construcción tomó menos de una hora.

3. Automatización del navegador: busque vuelos reales en 7 segundos

Esta es una de las direcciones con mayor valor de ingeniería en la actualidad.

El equipo de uso del navegador lanza solo en Jev 3 diasDespués de eso, se lanzó el jev-ultrafast integrado oficial y se dijo que obtuvo 2.700 estrellas de GitHub en dos días. Divide las operaciones de la página web en dos conjuntos de opciones (acción + objetivo),No se requieren capturas de pantalla ni tokens multimodales, cada viaje de ida y vuelta sólo produce dos decisiones.

El fundador Gregor Zunic compartió una demostración sin cortes de la automatización del navegador impulsada por Jev completando una búsqueda de vuelos de ida en el sitio web de una aerolínea real.Todo el proceso dura 7 segundos., el costo de la llamada modelo es aproximadamente $0.0039.

Hay muchos similares: control del navegador Stagehand, jev-use de Cua, TipTour que usa CoreML + OCR para ubicar el botón en Mac y permite que Jev seleccione la ubicación del clic, navegador de control por voz... Actualmente hay 13 casos en esta categoría, que es la categoría con más casos.

4. Sea un "enrutador": ayude a seleccionar el modelo adecuado para la tarea

Hay un verdadero desperdicio en la era de los modelos múltiples: utilizar modelos costosos para problemas simples es una pérdida de dinero. La baja latencia y el bajo costo de Jev lo hacen muy adecuado paraClasificación de tráfico.

• Enrutador de código Claude: Al igual que la clasificación de órdenes de trabajo, Jev primero determina la dificultad de la tarea y luego el complemento selecciona el modelo de subagente y la solidez del razonamiento de la sesión principal en consecuencia.
• Ruta de dificultad de la misión del Codex: Estime la complejidad lógica de las tareas de codificación antes de su ejecución, la edición simple se pierde ante modelos baratos y la reconstrucción compleja entre archivos activa modelos más potentes, según se informaReducir el coste total del modelo en más del 60%
• Distribución de solicitudes/enrutamiento condicional de Eve: Primero determine qué tipo de modelo se necesita para el problema y luego entréguelo al modelo apropiado para su procesamiento.
• División de agentes codificadores locales.: Asigne tareas simples, problemas complejos y tareas a largo plazo a diferentes asistentes de IA

LangChain escribió un artículo especial "Construyendo cinturones de seguridad con Jev", señalando que la lógica de clasificación y enrutamiento en el marco del agente tradicionalmente está oculta en varias implementaciones de código cerrado. Un modelo de clasificación general de bajo costo como Jev puede permitir que esta capa de lógica de toma de decisiones se reutilice en agentes de código abierto. Armin Ronacher, fundador de Sentry, también cree que no es económicamente razonable utilizar grandes modelos generativos para tomar decisiones de enrutamiento.

5. Seguridad e ingeniería: esos trabajos sucios que pasan desapercibidos

Este tipo de aplicación no es llamativa, pero sí de lo más práctica.

• Vercel reemplaza el clasificador de seguridad de comandos de Shell: El ingeniero Pranit Sharma reemplazó el clasificador de seguridad de comando de shell interno basado en OpenAI con Jev. se informa5-18 veces más rápido, y la tasa de falsas alarmas es menor: la reducción de falsas alarmas en realidad mejora la precisión real del sistema.
• Detección rápida de inyección: La comunidad tiene jev-mcp de código abierto (una extensión basada en el protocolo MCP). Puede utilizar Jev para realizar una verificación de hechos entre fuentes, detectar ataques de inyección rápida ocultos en las indicaciones del usuario y calificar la relevancia semántica del contenido recuperado.
• Compresión de contexto largo: fast-jev-compaction utiliza Jev para evaluar rápidamente el valor de cada llamada de herramienta, eliminar registros inútiles y conservar estados clave; el contexto es fácil de expandir cuando los agentes de codificación realizan tareas largas. Este proyecto también ha sido reconocido por el equipo oficial de Jev
• Pre-selección de relaciones públicas: Analice la lista de archivos modificados y los resultados de las pruebas automatizadas en la canalización de CI, evalúe inicialmente si el RP es elegible para la fusión, marque automáticamente los RP de alto riesgo y transfiéralos manualmente.

6. Canal de negocios: correos electrónicos, órdenes de trabajo, servicio al cliente.

Lo que estos escenarios tienen en común es:Necesidad de tomar numerosas decisiones pequeñas de forma rápida y coherente., utilizar modelos grandes es caro y lento.

• Clasificación de intenciones de correo electrónico empresarial: Nikhil Mudholkar, CTO de BryoAI, comparó a Jev y Gemini. La precisión absoluta de Gemini es ligeramente mejor, peroCosto por llamada entre 10 y 20 veces mayor. Más importante aún, Jev proporciona distribuciones de probabilidad calibradas, lo que facilita que los sistemas posteriores establezcan umbrales de confianza.
• Asignación de órdenes de trabajo y enrutamiento automático: digiera la carta en información clave y entréguesela a Jev, seleccione la más adecuada de un grupo de equipos comerciales, reemplace las frágiles reglas escritas a mano.
• Deducciones repetidas y clasificación de manutención de emergencia.: Identifique rápidamente quejas de alto riesgo (como deducciones repetidas) en escenarios de comercio electrónico financiero. Cuando los clientes se emocionan o solicitan reembolsos, se etiquetarán como urgentes en milisegundos y se enviarán con prioridad.

7. Jugabilidad más salvaje

• Generar imagen píxel a píxel: El desarrollador @anshuc convierte la generación de imágenes en un problema de clasificación a nivel de píxeles: le da a cada píxel un conjunto de opciones y probabilidades de color, el programa lo llena gradualmente con el color de mayor probabilidad seleccionado por Jev y finalmente deletrea una imagen de baja resolución.
• Transacciones automáticas en cadena: Algunos desarrolladores de Web3 conectan Jev a intercambios descentralizados, leen datos de profundidad de pedidos en tiempo real y solo generan tres acciones: comprar, vender y mantener. La comunidad considera que esta es una de las aplicaciones más llamativas, pero los riesgos también son obvios en condiciones reales del mercado.
• Seleccionar componentes para la interfaz web: En el proyecto json-render, Jev selecciona componentes y organiza las relaciones, y el programa ensambla los resultados en una interfaz renderizable, como bloques de construcción.

8. Un resultado de evaluación digno de mención

En una evaluación doble ciego previa al registro realizada por PrimeLine, un detalle es revelador.

Precisión absoluta de Claude Opus 5 y Haiku 4.5 en dos tareas realesComparable a Jev, o incluso mejor inicialmente. Pero cuando la evaluación permite que el modelo omita muestras para las que tiene menos confianza,Jev tuvo un desempeño superior en ambas tareas.

La razón es que la confianza que genera escalibrado, mientras que los modelos generativos generales tienden a estar mal calibrados y a tener demasiada confianza en sus juicios. En otras palabras: cuando "saber lo que no sabes" es más importante que "responder con firmeza", el valor de Jev sale a la luz.

Cómo empezar

Si ya estás utilizando una plataforma de agregación de modelos, el coste de acceso es casi nulo:

• enrutador abierto: Jev ha sido lanzado en el catálogo oficial de modelos, nombre del modelo typesafe/jev, cambie el nombre del modelo en el código y podrá cambiar
• Puerta de enlace de IA de Vercel: Integración completada dentro de las 72 horas posteriores al lanzamiento, distribuida a través de la red de borde global de Vercel, con baja latencia
• SDK oficial: TypeSafe proporciona una consola en línea (Playground) y documentación completa, compatible con HTTP API, Python SDK y JavaScript SDK.
• Paquete de habilidades oficial: TypeSafe ha abierto el almacén de habilidades en GitHub para enseñar a los agentes de codificación a "preguntar todas las ambigüedades a la vez" en lugar de simplemente hacer una pregunta a la vez.

Precio: 0,042 dólares por millón de tokens para entrada, gratis para salida. También hay una cuota gratuita para que las prueben nuevas cuentas.

di algo tranquilo

Primero,No es un reemplazo para modelos más grandes.. Jev es un modelo especializado en toma de decisiones. No espere que tenga capacidades de generación de contenido y razonamiento abierto. Su valor es lograr el objetivo final de tomar decisiones rápidas y confiables dentro de resultados posibles claramente definidos.

En segundo lugar,En muchos casos, es necesario distinguir "de quién es el crédito".. Por ejemplo, la demostración del uso del navegador para buscar vuelos en 7 segundos es el resultado de la cooperación de toda la cadena de herramientas, y no todas las capacidades pueden atribuirse a Jev. El propio almacén de casos organizado por la comunidad también marca los límites de la evidencia: qué principios son claros, qué efectos deben verificarse y qué afirmaciones carecen de fundamento. Vale la pena aprender esta actitud.

En tercer lugar,Tenga cuidado con los ciegos. Jev llegó a la pantalla una semana después de su lanzamiento. La popularidad incluye valor técnico real y muchos elementos de marketing. Lo que realmente necesita es ejecutar sus propias tareas con él y ver cuánto retraso y dinero ahorra.

Pero una cosa es segura:Las aplicaciones de IA no se tratan sólo de “generación”. Fuera de esta vía, se está añadiendo la infraestructura del “juicio”, largamente descuidada. Es difícil decir si Jev es la respuesta final, pero plantea las preguntas correctas.

El modelo grande es responsable de escribir las respuestas y Jev es responsable de tomar decisiones; cada uno realiza sus propias tareas, lo cual es una buena estructura.

Referencia: notas de la versión oficial de TypeSafe AI, biblioteca de casos Jev_apps (137 casos/11 tipos de usos), Wikipedia, análisis técnico de DataCamp