Condividi alcune interessanti applicazioni di Jev: un modello di intelligenza artificiale che non fornisce risposte, esprime solo giudizi

In una valutazione di pre-registrazione in doppio cieco condotta da PrimeLine, un dettaglio è significativo.

Precisione assoluta di Claude Opus 5 e Haiku 4.5 su due compiti realiParagonabile a Jev, o anche meglio inizialmente. Ma quando la valutazione consente al modello di saltare i campioni per i quali è meno sicuro,Jev ha sovraperformato in entrambi i compiti.

Il motivo è che la fiducia che produce lo ècalibrato, mentre i modelli generativi generali tendono ad essere scarsamente calibrati e eccessivamente sicuri dei loro giudizi. In altre parole: quando "sapere quello che non sai" è più importante che "rispondere in modo forte", viene fuori il valore di Jev.

Come iniziare

Se utilizzi già una piattaforma di aggregazione di modelli, il costo di accesso è quasi pari a zero:

• OpenRouter: Jev è stato lanciato nel catalogo modelli ufficiale, nome del modello typesafe/jev, cambia il nome del modello nel codice e puoi cambiare
• Gateway AI Vercel: Integrazione completata entro 72 ore dal rilascio, distribuita tramite la rete edge globale Vercel, con bassa latenza
• SDK ufficiale: TypeSafe fornisce una console online (Playground) e una documentazione completa, che supporta l'API HTTP, l'SDK Python e l'SDK JavaScript
• Pacchetto abilità ufficiale: TypeSafe ha reso open source il magazzino delle competenze su GitHub per insegnare agli agenti di codifica a "porre tutte le ambiguità contemporaneamente" invece di porre semplicemente una domanda alla volta.

Prezzo: $ 0,042 per milione di token per l'input, gratuito per l'output. C'è anche una quota gratuita per provare i nuovi account.

Di' qualcosa di calmo

In primo luogo,Non sostituisce i modelli più grandi. Jev è un modello decisionale specializzato. Non aspettarti che abbia capacità di ragionamento aperto e di generazione di contenuti. Il suo valore è raggiungere l'obiettivo finale di prendere decisioni rapide e affidabili entro risultati possibili chiaramente definiti.

In secondo luogo,In molti casi è necessario distinguere “di chi è il credito”. Ad esempio, la dimostrazione dell'utilizzo del browser per la ricerca di voli in 7 secondi è il risultato della collaborazione dell'intera catena di strumenti e tutte le funzionalità non possono essere attribuite a Jev. Lo stesso archivio di casi organizzato dalla comunità segna anche i confini delle prove: quali principi sono chiari, quali effetti devono essere verificati e quali affermazioni mancano di fondamento. Vale la pena imparare questo atteggiamento.

terzo,Fai attenzione ai colpi alla cieca. Jev è arrivato sullo schermo entro una settimana dalla sua uscita. La popolarità include un reale valore tecnico e molti elementi di marketing. Ciò di cui hai veramente bisogno è eseguire le tue attività con esso e vedere quanto ritardo e quanto denaro risparmi.

Ma una cosa è certa:Le applicazioni AI non riguardano solo la “generazione”. Al di fuori di questo percorso, viene aggiunta l’infrastruttura del “giudizio”, a lungo trascurata. È difficile dire se Jev sia la risposta definitiva, ma solleva le giuste domande.

Il grande modello è responsabile della scrittura delle risposte e Jev è responsabile delle decisioni: ognuno svolge i propri compiti, il che è una buona struttura.

Riferimento: note di rilascio ufficiali di TypeSafe AI, libreria di casi Jev_apps (137 casi/11 tipi di utilizzo), Wikipedia, analisi tecnica DataCamp

Questa è una delle direzioni con il più alto valore ingegneristico attualmente.

Il team di utilizzo del browser rilascia solo in Jev 3 giorniSuccessivamente è stato rilasciato il jev-ultrafast integrato ufficiale e si dice che abbia ottenuto 2.700 stelle GitHub in due giorni. Divide le operazioni della pagina web in due serie di scelte (azione + obiettivo),Non sono richiesti screenshot o token multimodali, each round trip only produces two decisions.

Il fondatore Gregor Zunic ha condiviso una demo integrale dell'automazione del browser basata su Jev completando una ricerca di voli di sola andata su un vero sito web di una compagnia aerea,L'intero processo dura 7 secondi, il costo della chiamata del modello è di circa $ 0,0039.

Ce ne sono molti simili: controllo del browser Stagehand, jev-use di Cua, TipTour che utilizza CoreML + OCR per individuare il pulsante su Mac e consentire a Jev di selezionare la posizione del clic, browser con controllo vocale... Attualmente ci sono 13 casi in questa categoria, che è la categoria con il maggior numero di casi.

4. Sii un "router": aiuta a selezionare il modello appropriato per l'attività

Nell’era dei multi-modelli c’è un vero e proprio spreco: utilizzare modelli costosi per problemi semplici è uno spreco di denaro. La bassa latenza e il basso costo di Jev lo rendono molto adattoTriage del traffico.

• Claude Codice Router: come il triage degli ordini di lavoro, Jev determina innanzitutto la difficoltà dell'attività, quindi il plug-in seleziona di conseguenza il modello di sub-agente e la forza di ragionamento della sessione principale.
• Instradamento della difficoltà della missione del Codex: stima la complessità logica delle attività di codifica prima dell'esecuzione, la semplice modifica viene persa a favore di modelli economici e la complessa ricostruzione incrociata di file attiva modelli più forti - è stato riportatoRidurre il costo totale del modello di oltre il 60%
• Eve distribuzione condizionale di instradamento/richiesta: determinare innanzitutto quale tipo di modello è necessario per il problema, quindi trasmetterlo al modello appropriato per l'elaborazione.
• Division of local coding agents: assegna compiti semplici, problemi complessi e compiti a lungo termine a diversi assistenti IA

LangChain ha scritto un articolo speciale "Building Safety Belts with Jev", sottolineando che la classificazione e la logica di instradamento nel framework dell'agente sono tradizionalmente nascoste in varie implementazioni closed source. Un modello di classificazione generale a basso costo come Jev può consentire il riutilizzo di questo livello di logica decisionale negli agenti open source. Anche Armin Ronacher, fondatore di Sentry, ritiene che sia economicamente irragionevole utilizzare modelli generativi di grandi dimensioni per prendere decisioni di routing.

5. Sicurezza e ingegneria: quei lavori sporchi poco appariscenti

Questo tipo di applicazione non è appariscente, ma è la più pratica.

• Vercel sostituisce il classificatore di sicurezza dei comandi Shell: L'ingegnere Pranit Sharma ha sostituito il classificatore di sicurezza interno dei comandi shell basato su OpenAI con Jev. È riportato5-18 volte più velocee il tasso di falsi allarmi è inferiore: la riduzione dei falsi allarmi migliora effettivamente l'effettiva precisione del sistema
• Rilevamento immediato dell'iniezione: The community has open sourced jev-mcp (an extension based on the MCP protocol). Puoi utilizzare Jev per eseguire verifiche dei fatti tra sorgenti, rilevare attacchi di prompt injection nascosti nei prompt degli utenti e valutare la rilevanza semantica del contenuto recuperato.
• Compressione del contesto lungo: fast-jev-compaction utilizza Jev per valutare rapidamente il valore di ciascuna chiamata allo strumento, eliminare i log inutili mantenendo gli stati chiave: il contesto è facile da espandere quando gli agenti di codifica eseguono attività lunghe. Questo progetto è stato riconosciuto anche dal team ufficiale Jev
• Pre-screening PR: analizza l'elenco dei file modificati e i risultati dei test automatizzati nella pipeline CI, valuta inizialmente se il PR è idoneo per l'unione e contrassegna automaticamente i PR ad alto rischio e trasferiscili manualmente

6. Pipeline aziendale: e-mail, ordini di lavoro, servizio clienti

Ciò che questi scenari hanno in comune è:Necessità di prendere numerose piccole decisioni in modo rapido e coerente, l'utilizzo di modelli di grandi dimensioni è costoso e lento.

• Classificazione dell'intento della posta elettronica aziendale: Nikhil Mudholkar, CTO di BryoAI, ha confrontato Jev e Gemini. La precisione assoluta di Gemini è leggermente migliore, maCosto per chiamata 10-20 volte più alto. Ancora più importante, Jev fornisce distribuzioni di probabilità calibrate, rendendo più semplice per i sistemi a valle impostare soglie di confidenza
• Assegnazione degli ordini di lavoro e instradamento automatico: digerisci la lettera in informazioni chiave e consegnala a Jev, seleziona quella più adatta da un gruppo di team aziendali, sostituisci le fragili regole regolari scritte a mano
• Detrazioni ripetute e classificazione del supporto di emergenza: identifica rapidamente i reclami ad alto rischio (come le detrazioni ripetute) negli scenari di e-commerce finanziario. Quando i clienti sono emotivi o richiedono rimborsi, verranno etichettati come urgenti entro pochi millisecondi e inviati con priorità.

7. Gameplay più selvaggio

• Genera l'immagine pixel per pixel: Lo sviluppatore @anshuc trasforma la generazione di immagini in un problema di classificazione a livello di pixel: assegnando a ciascun pixel una serie di opzioni e probabilità di colore, il programma lo riempie gradualmente con il colore con la probabilità più alta selezionato da Jev e infine descrive un'immagine a bassa risoluzione
• Transazioni automatiche sulla catena: Alcuni sviluppatori Web3 collegano Jev agli scambi decentralizzati, leggono i dati sulla profondità dell'ordine in tempo reale e producono solo tre azioni: acquista, vendi e mantieni. La comunità ritiene che questa sia una delle applicazioni più accattivanti, ma i rischi sono evidenti anche in condizioni di mercato reali.
• Seleziona i componenti per l'interfaccia web: Nel progetto json-render, Jev seleziona i componenti e organizza le relazioni, e il programma assembla i risultati in un'interfaccia renderizzabile, simile a elementi costitutivi.

8. Un risultato di valutazione degno di nota

In una valutazione di pre-registrazione in doppio cieco condotta da PrimeLine, un dettaglio è significativo.

Precisione assoluta di Claude Opus 5 e Haiku 4.5 su due compiti realiParagonabile a Jev, o anche meglio inizialmente. Ma quando la valutazione consente al modello di saltare i campioni per i quali è meno sicuro,Jev ha sovraperformato in entrambi i compiti.

Il motivo è che la fiducia che produce lo ècalibrato, mentre i modelli generativi generali tendono ad essere scarsamente calibrati e eccessivamente sicuri dei loro giudizi. In altre parole: quando "sapere quello che non sai" è più importante che "rispondere in modo forte", viene fuori il valore di Jev.

Come iniziare

Se utilizzi già una piattaforma di aggregazione di modelli, il costo di accesso è quasi pari a zero:

• OpenRouter: Jev è stato lanciato nel catalogo modelli ufficiale, nome del modello typesafe/jev, cambia il nome del modello nel codice e puoi cambiare
• Gateway AI Vercel: Integrazione completata entro 72 ore dal rilascio, distribuita tramite la rete edge globale Vercel, con bassa latenza
• SDK ufficiale: TypeSafe fornisce una console online (Playground) e una documentazione completa, che supporta l'API HTTP, l'SDK Python e l'SDK JavaScript
• Pacchetto abilità ufficiale: TypeSafe ha reso open source il magazzino delle competenze su GitHub per insegnare agli agenti di codifica a "porre tutte le ambiguità contemporaneamente" invece di porre semplicemente una domanda alla volta.

Prezzo: $ 0,042 per milione di token per l'input, gratuito per l'output. C'è anche una quota gratuita per provare i nuovi account.

Di' qualcosa di calmo

In primo luogo,Non sostituisce i modelli più grandi. Jev è un modello decisionale specializzato. Non aspettarti che abbia capacità di ragionamento aperto e di generazione di contenuti. Il suo valore è raggiungere l'obiettivo finale di prendere decisioni rapide e affidabili entro risultati possibili chiaramente definiti.

In secondo luogo,In molti casi è necessario distinguere “di chi è il credito”. Ad esempio, la dimostrazione dell'utilizzo del browser per la ricerca di voli in 7 secondi è il risultato della collaborazione dell'intera catena di strumenti e tutte le funzionalità non possono essere attribuite a Jev. Lo stesso archivio di casi organizzato dalla comunità segna anche i confini delle prove: quali principi sono chiari, quali effetti devono essere verificati e quali affermazioni mancano di fondamento. Vale la pena imparare questo atteggiamento.

terzo,Fai attenzione ai colpi alla cieca. Jev è arrivato sullo schermo entro una settimana dalla sua uscita. La popolarità include un reale valore tecnico e molti elementi di marketing. Ciò di cui hai veramente bisogno è eseguire le tue attività con esso e vedere quanto ritardo e quanto denaro risparmi.

Ma una cosa è certa:Le applicazioni AI non riguardano solo la “generazione”. Al di fuori di questo percorso, viene aggiunta l’infrastruttura del “giudizio”, a lungo trascurata. È difficile dire se Jev sia la risposta definitiva, ma solleva le domande giuste.

Il grande modello è responsabile della scrittura delle risposte e Jev è responsabile delle decisioni: ognuno svolge i propri compiti, il che è una buona struttura.

Riferimento: note di rilascio ufficiali di TypeSafe AI, libreria di casi Jev_apps (137 casi/11 tipi di utilizzo), Wikipedia, analisi tecnica DataCamp

Questa è una delle direzioni con il più alto valore ingegneristico attualmente.

Il team di utilizzo del browser rilascia solo in Jev 3 giorniSuccessivamente è stato rilasciato il jev-ultrafast integrato ufficiale e si dice che abbia ottenuto 2.700 stelle GitHub in due giorni. Divide le operazioni della pagina web in due serie di scelte (azione + obiettivo),Non sono richiesti screenshot o token multimodali, ogni viaggio di andata e ritorno produce solo due decisioni.

Il fondatore Gregor Zunic ha condiviso una demo integrale dell'automazione del browser basata su Jev completando una ricerca di voli di sola andata su un vero sito web di una compagnia aerea,L'intero processo dura 7 secondi, il costo della chiamata del modello è di circa $ 0,0039.

Ce ne sono molti simili: controllo del browser Stagehand, jev-use di Cua, TipTour che utilizza CoreML + OCR per individuare il pulsante su Mac e consentire a Jev di selezionare la posizione del clic, browser con controllo vocale... Attualmente ci sono 13 casi in questa categoria, che è la categoria con il maggior numero di casi.

4. Sii un "router": aiuta a selezionare il modello appropriato per l'attività

Nell’era dei multi-modelli c’è un vero e proprio spreco: utilizzare modelli costosi per problemi semplici è uno spreco di denaro. La bassa latenza e il basso costo di Jev lo rendono molto adattoTriage del traffico.

• Claude Codice Router: come il triage degli ordini di lavoro, Jev determina innanzitutto la difficoltà dell'attività, quindi il plug-in seleziona di conseguenza il modello di sub-agente e la forza di ragionamento della sessione principale.
• Instradamento della difficoltà della missione del Codex: stima la complessità logica delle attività di codifica prima dell'esecuzione, la semplice modifica viene persa a favore di modelli economici e la complessa ricostruzione incrociata di file attiva modelli più forti - è stato riportatoRidurre il costo totale del modello di oltre il 60%
• Eve distribuzione condizionale di instradamento/richiesta: determinare innanzitutto quale tipo di modello è necessario per il problema, quindi trasmetterlo al modello appropriato per l'elaborazione.
• Divisione degli agenti di codifica locali: assegna compiti semplici, problemi complessi e compiti a lungo termine a diversi assistenti IA

LangChain ha scritto un articolo speciale "Building Safety Belts with Jev", sottolineando che la classificazione e la logica di instradamento nel framework dell'agente sono tradizionalmente nascoste in varie implementazioni closed source. Un modello di classificazione generale a basso costo come Jev può consentire il riutilizzo di questo livello di logica decisionale negli agenti open source. Anche Armin Ronacher, fondatore di Sentry, ritiene che sia economicamente irragionevole utilizzare modelli generativi di grandi dimensioni per prendere decisioni di routing.

5. Sicurezza e ingegneria: quei lavori sporchi poco appariscenti

Questo tipo di applicazione non è appariscente, ma è la più pratica.

• Vercel sostituisce il classificatore di sicurezza dei comandi Shell: L'ingegnere Pranit Sharma ha sostituito il classificatore di sicurezza interno dei comandi shell basato su OpenAI con Jev. È riportato5-18 volte più velocee il tasso di falsi allarmi è inferiore: la riduzione dei falsi allarmi migliora effettivamente l'effettiva precisione del sistema
• Rilevamento immediato dell'iniezione: La comunità ha jev-mcp open source (un'estensione basata sul protocollo MCP). Puoi utilizzare Jev per eseguire verifiche dei fatti tra sorgenti, rilevare attacchi di prompt injection nascosti nei prompt degli utenti e valutare la rilevanza semantica del contenuto recuperato.
• Compressione del contesto lungo: fast-jev-compaction utilizza Jev per valutare rapidamente il valore di ciascuna chiamata allo strumento, eliminare i log inutili mantenendo gli stati chiave: il contesto è facile da espandere quando gli agenti di codifica eseguono attività lunghe. Questo progetto è stato riconosciuto anche dal team ufficiale Jev
• Pre-screening PR: analizza l'elenco dei file modificati e i risultati dei test automatizzati nella pipeline CI, valuta inizialmente se il PR è idoneo per l'unione e contrassegna automaticamente i PR ad alto rischio e trasferiscili manualmente

6. Pipeline aziendale: e-mail, ordini di lavoro, servizio clienti

Ciò che questi scenari hanno in comune è:Necessità di prendere numerose piccole decisioni in modo rapido e coerente, l'utilizzo di modelli di grandi dimensioni è costoso e lento.

• Classificazione dell'intento della posta elettronica aziendale: Nikhil Mudholkar, CTO di BryoAI, ha confrontato Jev e Gemini. La precisione assoluta di Gemini è leggermente migliore, maCosto per chiamata 10-20 volte più alto. Ancora più importante, Jev fornisce distribuzioni di probabilità calibrate, rendendo più semplice per i sistemi a valle impostare soglie di confidenza
• Assegnazione degli ordini di lavoro e instradamento automatico: digerisci la lettera in informazioni chiave e consegnala a Jev, seleziona quella più adatta da un gruppo di team aziendali, sostituisci le fragili regole regolari scritte a mano
• Detrazioni ripetute e classificazione del supporto di emergenza: identifica rapidamente i reclami ad alto rischio (come le detrazioni ripetute) negli scenari di e-commerce finanziario. Quando i clienti sono emotivi o richiedono rimborsi, verranno etichettati come urgenti entro pochi millisecondi e inviati con priorità.

7. Gameplay più selvaggio

• Genera l'immagine pixel per pixel: Lo sviluppatore @anshuc trasforma la generazione di immagini in un problema di classificazione a livello di pixel: assegnando a ciascun pixel una serie di opzioni e probabilità di colore, il programma lo riempie gradualmente con il colore con la probabilità più alta selezionato da Jev e infine descrive un'immagine a bassa risoluzione
• Transazioni automatiche sulla catena: Alcuni sviluppatori Web3 collegano Jev agli scambi decentralizzati, leggono i dati sulla profondità dell'ordine in tempo reale e producono solo tre azioni: acquista, vendi e mantieni. La comunità ritiene che questa sia una delle applicazioni più accattivanti, ma i rischi sono evidenti anche in condizioni di mercato reali.
• Seleziona i componenti per l'interfaccia web: Nel progetto json-render, Jev seleziona i componenti e organizza le relazioni, e il programma assembla i risultati in un'interfaccia renderizzabile, simile a elementi costitutivi.

8. Un risultato di valutazione degno di nota

In una valutazione di pre-registrazione in doppio cieco condotta da PrimeLine, un dettaglio è significativo.

Precisione assoluta di Claude Opus 5 e Haiku 4.5 su due compiti realiParagonabile a Jev, o anche meglio inizialmente. Ma quando la valutazione consente al modello di saltare i campioni per i quali è meno sicuro,Jev ha sovraperformato in entrambi i compiti.

Il motivo è che la fiducia che produce lo ècalibrato, mentre i modelli generativi generali tendono ad essere scarsamente calibrati e eccessivamente sicuri dei loro giudizi. In altre parole: quando "sapere quello che non sai" è più importante che "rispondere in modo forte", viene fuori il valore di Jev.

Come iniziare

Se utilizzi già una piattaforma di aggregazione di modelli, il costo di accesso è quasi pari a zero:

• OpenRouter: Jev è stato lanciato nel catalogo modelli ufficiale, nome del modello typesafe/jev, cambia il nome del modello nel codice e puoi cambiare
• Gateway AI Vercel: Integrazione completata entro 72 ore dal rilascio, distribuita tramite la rete edge globale Vercel, con bassa latenza
• SDK ufficiale: TypeSafe fornisce una console online (Playground) e una documentazione completa, che supporta l'API HTTP, l'SDK Python e l'SDK JavaScript
• Pacchetto abilità ufficiale: TypeSafe ha reso open source il magazzino delle competenze su GitHub per insegnare agli agenti di codifica a "porre tutte le ambiguità contemporaneamente" invece di porre semplicemente una domanda alla volta.

Prezzo: $ 0,042 per milione di token per l'input, gratuito per l'output. C'è anche una quota gratuita per provare i nuovi account.

Di' qualcosa di calmo

In primo luogo,Non sostituisce i modelli più grandi. Jev è un modello decisionale specializzato. Non aspettarti che abbia capacità di ragionamento aperto e di generazione di contenuti. Il suo valore è raggiungere l'obiettivo finale di prendere decisioni rapide e affidabili entro risultati possibili chiaramente definiti.

In secondo luogo,In molti casi è necessario distinguere “di chi è il credito”. Ad esempio, la dimostrazione dell'utilizzo del browser per la ricerca di voli in 7 secondi è il risultato della collaborazione dell'intera catena di strumenti e tutte le funzionalità non possono essere attribuite a Jev. Lo stesso archivio di casi organizzato dalla comunità segna anche i confini delle prove: quali principi sono chiari, quali effetti devono essere verificati e quali affermazioni mancano di fondamento. Vale la pena imparare questo atteggiamento.

terzo,Fai attenzione ai colpi alla cieca. Jev è arrivato sullo schermo entro una settimana dalla sua uscita. La popolarità include un reale valore tecnico e molti elementi di marketing. Ciò di cui hai veramente bisogno è eseguire le tue attività con esso e vedere quanto ritardo e quanto denaro risparmi.

Ma una cosa è certa:Le applicazioni AI non riguardano solo la “generazione”. Al di fuori di questo percorso, viene aggiunta l’infrastruttura del “giudizio”, a lungo trascurata. È difficile dire se Jev sia la risposta definitiva, ma solleva le domande giuste.

Il grande modello è responsabile della scrittura delle risposte e Jev è responsabile delle decisioni: ognuno svolge i propri compiti, il che è una buona struttura.

Riferimento: note di rilascio ufficiali di TypeSafe AI, libreria di casi Jev_apps (137 casi/11 tipi di utilizzo), Wikipedia, analisi tecnica DataCamp

Recentemente, nel circolo dell'IA è emerso un modello diverso: Jev. Non compete con GPT e Claude per il compito di "scrivere risposte", ma si concentra invece su una posizione trascurata:esprimere un giudizio.

Dategli una situazione attuale, aggiungete una domanda o una serie di opzioni e ciò che restituisce è la risposta a una domanda a scelta multipla, un punteggio o una probabilità sì/no, quindi il programma lo esegue. La data di uscita è il 15 settembre 2026 (accesso anticipato limitato). La società dietro si chiama TypeSafe AI. Il fondatore, Diogo Almeida, è uno dei co-inventori di ChatGPT. Il round iniziale è di 40 milioni di dollari, guidato da DCVC.

Il concetto sembra astratto, ma la comunità ha trattato centinaia di casi in una settimana. Scegline alcuni tra quelli più interessanti e dopo averli letti capirai quali problemi risolvono.

Per prima cosa comprendi la differenza tra questo e i normali modelli di grandi dimensioni

L’essenza dei grandi modelli tradizionali è generativa: lo chiedi e lui lo scrive gettone dopo gettone. Sono bravo a scrivere articoli, ragionare in modo logico e digitare codici, ma di fronte a una semplice domanda a scelta multipla come "scegli una di queste opzioni", diventa eccessivo: lento e costoso.

Jev va dall'altra parte: è leggeroModelli di classificazione e punteggio. Ogni volta che lo chiami, gli fornisci un'informazione di base e una serie di opzioni chiaramente definite, e restituisce direttamente la distribuzione di probabilità di queste opzioni e restituisce quella con la massima sicurezza. Il ritardo varia da decine a centinaia di millisecondi e il costo è solo una frazione di quello dei modelli tradizionali di grandi dimensioni.

TypeSafe lo ha chiamato ufficialmenteModello Sistema Uno——Prendendo in prestito il concetto di "Sistema 1" (intuizione, giudizio rapido) in psicologia e corrispondente al grande modello linguistico del "Sistema 2" (ragionamento lento e profondo). I dati ufficiali dicono che è 40-200 volte più veloce del modello principale di grandi dimensioni e il costo di input è di soli 0,042 dollari per milione di token.Uscita libera.

1. Usalo per giocare: da Doom a 50 Subway Surfers

Questo è il tipo di applicazione in cui è più semplice comprendere il valore di Jev: i giochi richiedono di prendere piccole decisioni molte volte al secondo, e questo è proprio il suo punto di forza.

• Demo ufficiale: gioca a Doom in tempo reale. Jev prende circa 10 decisioni di azione al secondo, controllando il movimento del personaggio e le riprese.Un’ora di funzionamento continuo costa circa 7 dollari——Questo numero ha sorpreso gli ingegneri, indicando che il processo decisionale in tempo reale ad alta frequenza è fattibile
• Controlla 50 Subway Surfers contemporaneamente. Lo sviluppatore @_MaxBlade ha creato un ambiente automatizzato per consentire a Jev di controllare 50 giochi contemporaneamente. Ogni azione di cambiare corsia, saltare e scivolare è una piccola decisione. Secondo quanto riferito, ha completato tutti i 50 inning,Costo totale inferiore a un centesimo
• Controller Super Mario open source. Il sistema realizzato dallo sviluppatore @faadilhshaik legge lo stato del gioco strutturato direttamente dalla memoria. Jev decide quando saltare e quando accelerare. Il progetto è stato open source
• La corsa veloce uccide la guglia 2. Lo sviluppatore cinese Paulwei lo usa per giocare a giochi di carte strategici. All'inizio, quando si utilizzavano modelli di grandi dimensioni, si verificava un ritardo significativo tra le due schede; dopo essere passato a JevOgni decisione richiede solo 0,7 secondi, il comando successivo può essere inviato prima che l'animazione precedente sia terminata.
• Wiki Racing. Un'altra dimostrazione ufficiale: partire da un articolo di Wikipedia, navigare verso l'articolo di destinazione solo affidandosi ai collegamenti ipertestuali della pagina. Ogni passaggio può affrontare centinaia o addirittura migliaia di collegamenti candidati e Jev deve scegliere quello che è semanticamente più vicino all'obiettivo, testando la capacità di scegliere tra un gran numero di opzioni.

2. Simulazione fisica: lascia che il razzo atterri da solo

Questo caso mi piace particolarmente perché dimostra che Jev è capace di fare molto di più che semplicemente giocare.

Lo sviluppatore @uttkarsh_42 ha collegato Jev al motore fisico MuJoCo per controllare un razzo che atterra verticalmente. Jev è responsabile della decisione:Quando accendere, quanti motori far funzionare e quando passare all'assetto di atterraggio. Dopo 12 test, il sistema è atterrato con successo. Uno degli esperimenti completi ha richiesto 245 chiamate e ha riportato un costo di circa 0,04 dollari.

C'è anche la guida autonoma nella simulazione della città 3D: lo sviluppatore @jpschroeder ha integrato Jev nella città virtuale. Durante la guida, il veicolo utilizza i dati dei sensori e le condizioni stradali per determinare la direzione di guida e il nuovo stato viene restituito al sistema dopo ogni azione. Si dice che l'intera costruzione abbia richiesto meno di un'ora.

3. Automazione del browser: cerca voli reali in 7 secondi

Questa è una delle direzioni con il più alto valore ingegneristico attualmente.

Il team di utilizzo del browser rilascia solo in Jev 3 giorniSuccessivamente è stato rilasciato il jev-ultrafast integrato ufficiale e si dice che abbia ottenuto 2.700 stelle GitHub in due giorni. Divide le operazioni della pagina web in due serie di scelte (azione + obiettivo),Non sono richiesti screenshot o token multimodali, ogni viaggio di andata e ritorno produce solo due decisioni.

Il fondatore Gregor Zunic ha condiviso una demo integrale dell'automazione del browser basata su Jev completando una ricerca di voli di sola andata su un vero sito web di una compagnia aerea,L'intero processo dura 7 secondi, il costo della chiamata del modello è di circa $ 0,0039.

Ce ne sono molti simili: controllo del browser Stagehand, jev-use di Cua, TipTour che utilizza CoreML + OCR per individuare il pulsante su Mac e consentire a Jev di selezionare la posizione del clic, browser con controllo vocale... Attualmente ci sono 13 casi in questa categoria, che è la categoria con il maggior numero di casi.

4. Sii un "router": aiuta a selezionare il modello appropriato per l'attività

Nell’era dei multi-modelli c’è un vero e proprio spreco: utilizzare modelli costosi per problemi semplici è uno spreco di denaro. La bassa latenza e il basso costo di Jev lo rendono molto adattoTriage del traffico.

• Claude Codice Router: come il triage degli ordini di lavoro, Jev determina innanzitutto la difficoltà dell'attività, quindi il plug-in seleziona di conseguenza il modello di sub-agente e la forza di ragionamento della sessione principale.
• Instradamento della difficoltà della missione del Codex: stima la complessità logica delle attività di codifica prima dell'esecuzione, la semplice modifica viene persa a favore di modelli economici e la complessa ricostruzione incrociata di file attiva modelli più forti - è stato riportatoRidurre il costo totale del modello di oltre il 60%
• Eve distribuzione condizionale di instradamento/richiesta: determinare innanzitutto quale tipo di modello è necessario per il problema, quindi trasmetterlo al modello appropriato per l'elaborazione.
• Divisione degli agenti di codifica locali: assegna compiti semplici, problemi complessi e compiti a lungo termine a diversi assistenti IA

LangChain ha scritto un articolo speciale "Building Safety Belts with Jev", sottolineando che la classificazione e la logica di instradamento nel framework dell'agente sono tradizionalmente nascoste in varie implementazioni closed source. Un modello di classificazione generale a basso costo come Jev può consentire il riutilizzo di questo livello di logica decisionale negli agenti open source. Anche Armin Ronacher, fondatore di Sentry, ritiene che sia economicamente irragionevole utilizzare modelli generativi di grandi dimensioni per prendere decisioni di routing.

5. Sicurezza e ingegneria: quei lavori sporchi poco appariscenti

Questo tipo di applicazione non è appariscente, ma è la più pratica.

• Vercel sostituisce il classificatore di sicurezza dei comandi Shell: L'ingegnere Pranit Sharma ha sostituito il classificatore di sicurezza interno dei comandi shell basato su OpenAI con Jev. È riportato5-18 volte più velocee il tasso di falsi allarmi è inferiore: la riduzione dei falsi allarmi migliora effettivamente l'effettiva precisione del sistema
• Rilevamento immediato dell'iniezione: La comunità ha jev-mcp open source (un'estensione basata sul protocollo MCP). Puoi utilizzare Jev per eseguire verifiche dei fatti tra sorgenti, rilevare attacchi di prompt injection nascosti nei prompt degli utenti e valutare la rilevanza semantica del contenuto recuperato.
• Compressione del contesto lungo: fast-jev-compaction utilizza Jev per valutare rapidamente il valore di ciascuna chiamata allo strumento, eliminare i log inutili mantenendo gli stati chiave: il contesto è facile da espandere quando gli agenti di codifica eseguono attività lunghe. Questo progetto è stato riconosciuto anche dal team ufficiale Jev
• Pre-screening PR: analizza l'elenco dei file modificati e i risultati dei test automatizzati nella pipeline CI, valuta inizialmente se il PR è idoneo per l'unione e contrassegna automaticamente i PR ad alto rischio e trasferiscili manualmente

6. Pipeline aziendale: e-mail, ordini di lavoro, servizio clienti

Ciò che questi scenari hanno in comune è:Necessità di prendere numerose piccole decisioni in modo rapido e coerente, l'utilizzo di modelli di grandi dimensioni è costoso e lento.

• Classificazione dell'intento della posta elettronica aziendale: Nikhil Mudholkar, CTO di BryoAI, ha confrontato Jev e Gemini. La precisione assoluta di Gemini è leggermente migliore, maCosto per chiamata 10-20 volte più alto. Ancora più importante, Jev fornisce distribuzioni di probabilità calibrate, rendendo più semplice per i sistemi a valle impostare soglie di confidenza
• Assegnazione degli ordini di lavoro e instradamento automatico: digerisci la lettera in informazioni chiave e consegnala a Jev, seleziona quella più adatta da un gruppo di team aziendali, sostituisci le fragili regole regolari scritte a mano
• Detrazioni ripetute e classificazione del supporto di emergenza: identifica rapidamente i reclami ad alto rischio (come le detrazioni ripetute) negli scenari di e-commerce finanziario. Quando i clienti sono emotivi o richiedono rimborsi, verranno etichettati come urgenti entro pochi millisecondi e inviati con priorità.

7. Gameplay più selvaggio

• Genera l'immagine pixel per pixel: Lo sviluppatore @anshuc trasforma la generazione di immagini in un problema di classificazione a livello di pixel: assegnando a ciascun pixel una serie di opzioni e probabilità di colore, il programma lo riempie gradualmente con il colore con la probabilità più alta selezionato da Jev e infine descrive un'immagine a bassa risoluzione
• Transazioni automatiche sulla catena: Alcuni sviluppatori Web3 collegano Jev agli scambi decentralizzati, leggono i dati sulla profondità dell'ordine in tempo reale e producono solo tre azioni: acquista, vendi e mantieni. La comunità ritiene che questa sia una delle applicazioni più accattivanti, ma i rischi sono evidenti anche in condizioni di mercato reali.
• Seleziona i componenti per l'interfaccia web: Nel progetto json-render, Jev seleziona i componenti e organizza le relazioni, e il programma assembla i risultati in un'interfaccia renderizzabile, simile a elementi costitutivi.

8. Un risultato di valutazione degno di nota

In una valutazione di pre-registrazione in doppio cieco condotta da PrimeLine, un dettaglio è significativo.

Precisione assoluta di Claude Opus 5 e Haiku 4.5 su due compiti realiParagonabile a Jev, o anche meglio inizialmente. Ma quando la valutazione consente al modello di saltare i campioni per i quali è meno sicuro,Jev ha sovraperformato in entrambi i compiti.

Il motivo è che la fiducia che produce lo ècalibrato, mentre i modelli generativi generali tendono ad essere scarsamente calibrati e eccessivamente sicuri dei loro giudizi. In altre parole: quando "sapere quello che non sai" è più importante che "rispondere in modo forte", viene fuori il valore di Jev.

Come iniziare

Se utilizzi già una piattaforma di aggregazione di modelli, il costo di accesso è quasi pari a zero:

• OpenRouter: Jev è stato lanciato nel catalogo modelli ufficiale, nome del modello typesafe/jev, cambia il nome del modello nel codice e puoi cambiare
• Gateway AI Vercel: Integrazione completata entro 72 ore dal rilascio, distribuita tramite la rete edge globale Vercel, con bassa latenza
• SDK ufficiale: TypeSafe fornisce una console online (Playground) e una documentazione completa, che supporta l'API HTTP, l'SDK Python e l'SDK JavaScript
• Pacchetto abilità ufficiale: TypeSafe ha reso open source il magazzino delle competenze su GitHub per insegnare agli agenti di codifica a "porre tutte le ambiguità contemporaneamente" invece di porre semplicemente una domanda alla volta.

Prezzo: $ 0,042 per milione di token per l'input, gratuito per l'output. C'è anche una quota gratuita per provare i nuovi account.

Di' qualcosa di calmo

In primo luogo,Non sostituisce i modelli più grandi. Jev è un modello decisionale specializzato. Non aspettarti che abbia capacità di ragionamento aperto e di generazione di contenuti. Il suo valore è raggiungere l'obiettivo finale di prendere decisioni rapide e affidabili entro risultati possibili chiaramente definiti.

In secondo luogo,In molti casi è necessario distinguere “di chi è il credito”. Ad esempio, la dimostrazione dell'utilizzo del browser per la ricerca di voli in 7 secondi è il risultato della collaborazione dell'intera catena di strumenti e tutte le funzionalità non possono essere attribuite a Jev. Lo stesso archivio di casi organizzato dalla comunità segna anche i confini delle prove: quali principi sono chiari, quali effetti devono essere verificati e quali affermazioni mancano di fondamento. Vale la pena imparare questo atteggiamento.

terzo,Fai attenzione ai colpi alla cieca. Jev è arrivato sullo schermo entro una settimana dalla sua uscita. La popolarità include un reale valore tecnico e molti elementi di marketing. Ciò di cui hai veramente bisogno è eseguire le tue attività con esso e vedere quanto ritardo e quanto denaro risparmi.

Ma una cosa è certa:Le applicazioni AI non riguardano solo la “generazione”. Al di fuori di questo percorso, viene aggiunta l’infrastruttura del “giudizio”, a lungo trascurata. È difficile dire se Jev sia la risposta definitiva, ma solleva le domande giuste.

Il grande modello è responsabile della scrittura delle risposte e Jev è responsabile delle decisioni: ognuno svolge i propri compiti, il che è una buona struttura.

Riferimento: note di rilascio ufficiali di TypeSafe AI, libreria di casi Jev_apps (137 casi/11 tipi di utilizzo), Wikipedia, analisi tecnica DataCamp