Jev의 흥미로운 적용 사례를 공유해 보세요. 답을 내리지 않고 판단만 하는 AI 모델입니다.

PrimeLine이 실시한 이중 맹검 사전 등록 평가에서 한 가지 세부 사항을 알 수 있습니다.

두 가지 실제 작업에 대한 Claude Opus 5 및 Haiku 4.5의 절대적인 정확성Jev와 비슷하거나 처음에는 더 좋음. 그러나 평가를 통해 모델이 가장 신뢰도가 낮은 샘플을 건너뛸 수 있게 되면Jev는 두 작업 모두에서 뛰어난 성과를 거두었습니다..

그 이유는 그것이 출력하는 자신감이보정된반면 일반 생성 모델은 보정이 제대로 이루어지지 않고 판단을 과신하는 경향이 있습니다. 즉, "열심히 대답하는 것"보다 "모르는 것을 아는 것"이 더 중요할 때 제브의 가치가 나온다.

시작하는 방법

이미 모델 집계 플랫폼을 사용하고 있다면 액세스 비용은 거의 0입니다.

오픈라우터: Jev가 공식 모델 카탈로그에 출시되었습니다, 모델명 typesafe/jev, 코드에서 모델 이름을 변경하면 전환할 수 있습니다.
Vercel AI 게이트웨이: 출시 후 72시간 이내에 통합 완료, Vercel 글로벌 엣지 네트워크를 통해 배포, 짧은 지연 시간
공식 SDK: TypeSafe는 HTTP API, Python SDK 및 JavaScript SDK를 지원하는 온라인 콘솔(Playground)과 완전한 문서를 제공합니다.
공식 스킬팩: TypeSafe는 코딩 에이전트에게 한 번에 하나의 질문만 하는 대신 "모든 모호성을 한 번에 물어보세요"를 가르치기 위해 GitHub의 기술 창고를 오픈 소스로 제공했습니다.

가격: 입력용 토큰 백만 개당 0.042달러, 출력용은 무료입니다. 새 계정을 사용해 볼 수 있는 무료 할당량도 있습니다.

차분한 말 좀 해봐

첫째,더 큰 모델을 대체할 수는 없습니다.. Jev는 전문적인 의사결정 모델입니다. 공개 추론 및 콘텐츠 생성 기능이 있을 것이라고 기대하지 마십시오. 그 가치는 명확하게 정의된 가능한 결과 내에서 빠르고 신뢰할 수 있는 결정을 내리는 궁극적인 목표를 달성하는 것입니다.

둘째,많은 경우 '누구의 신용'인지 구별할 필요가 있다. 예를 들어, 7초 안에 항공편을 검색하는 브라우저 사용 시연은 전체 도구 체인의 협력의 결과이며 모든 기능이 Jev에 귀속될 수는 없습니다. 커뮤니티가 조직한 사례 창고 자체도 증거의 경계를 표시합니다. 즉, 어떤 원칙이 명확한지, 어떤 효과를 검증해야 하는지, 어떤 주장에 근거가 부족한지 표시합니다. 이런 태도는 배울 가치가 있다.

셋째,블라인드 블로우를 조심하세요. Jev는 출시 일주일 만에 스크린에 등장했습니다. 인기에는 실제 기술적 가치와 많은 마케팅 요소가 포함됩니다. 정말로 필요한 것은 그것으로 자신의 작업을 실행하고 얼마나 많은 지연과 비용을 절약하는지 확인하는 것입니다.

하지만 한 가지는 확실합니다.AI 애플리케이션은 단지 '세대'에 관한 것이 아닙니다. 이 트랙 외에 오랫동안 방치됐던 '심판' 인프라가 추가된다. Jev가 최종 답인지 여부는 말하기 어렵지만 올바른 질문을 제기합니다.

빅 모델은 답변 작성을 담당하고 Jev는 의사 결정을 담당합니다. 각각은 자신의 임무를 수행하므로 좋은 구조입니다.

참고: TypeSafe AI 공식 릴리스 노트, Jev_apps 사례 라이브러리(137건/11가지 용도), Wikipedia, DataCamp 기술 분석

이는 현재 엔지니어링 가치가 가장 높은 방향 중 하나입니다.

브라우저 사용 팀은 Jev에서만 릴리스됩니다. 3일이후 공식 통합 jev-ultrafast가 출시됐고, 이틀 만에 깃허브 스타 2,700개를 얻었다고 합니다. 웹페이지 작업을 두 가지 선택 항목(작업 + 목표)으로 나눕니다.스크린샷이나 다중 모드 토큰이 필요하지 않습니다., 각 왕복 여행에서는 두 가지 결정만 내려집니다.

설립자 Gregor Zunic은 실제 항공사 웹사이트에서 편도 항공편 검색을 완료하는 Jev 기반 브라우저 자동화의 무삭제 데모를 공유했습니다.전체 과정은 7초가 소요됩니다., 모델 호출 비용은 약 $0.0039.

유사한 것들이 많이 있습니다: Stagehand 브라우저 컨트롤, Cua의 jev-use, CoreML + OCR을 사용하여 Mac에서 버튼을 찾고 Jev가 클릭 위치를 선택하도록 하는 TipTour, 음성 컨트롤 브라우저... 현재 이 카테고리에는 13건이 있으며 가장 많은 사례가 있는 카테고리입니다.

4. "라우터"가 되어 보세요: 작업에 적합한 모델을 선택하도록 도와주세요.

다중 모델 시대에는 진정한 낭비가 있습니다. 단순한 문제에 값비싼 모델을 사용하는 것은 돈 낭비입니다. Jev의 낮은 대기 시간과 저렴한 비용으로 인해 매우 적합합니다.트래픽 분류.

클로드 코드 라우터: 작업 주문 분류와 마찬가지로 Jev는 먼저 작업의 난이도를 결정하고 플러그인은 그에 따라 하위 에이전트 모델과 기본 세션의 추론 강도를 선택합니다.
Codex 임무 난이도 라우팅: 실행 전에 코딩 작업의 논리적 복잡성을 추정하고, 간단한 편집은 값싼 모델에 손실되며, 복잡한 파일 간 재구성으로 더 강력한 모델을 활성화합니다. - 보고됨총 모델 비용을 60% 이상 절감
Eve 조건부 라우팅/요청 배포: 먼저 문제에 어떤 유형의 모델이 필요한지 결정한 후 적절한 모델에 넘겨 처리합니다.
로컬 코딩 에이전트 부문: 간단한 작업, 복잡한 문제, 장기 작업을 다양한 AI 비서에게 할당

LangChain은 "Jev로 안전 벨트 구축"이라는 특별 기사를 작성하여 에이전트 프레임워크의 분류 및 라우팅 논리가 전통적으로 다양한 폐쇄 소스 구현에 숨겨져 있음을 지적했습니다. Jev와 같은 일반적인 저비용 분류 모델을 사용하면 이러한 의사 결정 논리 계층을 오픈 소스 에이전트에서 재사용할 수 있습니다. Sentry의 창립자인 Armin Ronacher는 라우팅 결정을 내리기 위해 대규모 생성 모델을 사용하는 것이 경제적으로 비합리적이라고 믿습니다.

5. 안전과 엔지니어링: 눈에 띄지 않는 더러운 작품

이 유형의 응용 프로그램은 화려하지는 않지만 가장 실용적입니다.

Vercel이 Shell 명령 보안 분류자를 대체합니다.: 엔지니어 Pranit Sharma가 내부 OpenAI 기반 셸 명령 보안 분류자를 Jev로 대체했습니다. 보고된다5~18배 더 빠름, 허위 경보 비율은 더 낮습니다. 허위 경보의 감소는 실제로 시스템의 실제 정확도를 향상시킵니다.
신속한 주입 감지: 커뮤니티에는 오픈 소스 jev-mcp(MCP 프로토콜 기반 확장)가 있습니다. Jev를 사용하여 소스 간 사실 확인을 수행하고, 사용자 프롬프트에 숨겨진 프롬프트 삽입 공격을 탐지하고, 검색된 콘텐츠의 의미론적 관련성을 평가할 수 있습니다.
긴 컨텍스트 압축: fast-jev-compaction은 Jev를 사용하여 각 도구 호출의 값을 신속하게 평가하고, 주요 상태를 유지하면서 쓸모 없는 로그를 삭제합니다. 코딩 에이전트가 긴 작업을 수행할 때 컨텍스트를 쉽게 확장할 수 있습니다. 이 프로젝트는 Jev 공식 팀에서도 인정을 받았습니다.
홍보 사전심사: 변경된 파일 목록과 자동화된 테스트 결과를 CI 파이프라인에서 분석하여 PR 병합 가능 여부를 1차 평가하고, 고위험 PR을 자동으로 표시하여 수동으로 전송합니다.

6. 비즈니스 파이프라인: 이메일, 작업 주문, 고객 서비스

이러한 시나리오의 공통점은 다음과 같습니다.수많은 작은 결정을 빠르고 일관되게 내려야 함, 대형 모델을 사용하는 것은 비용이 많이 들고 느립니다.

비즈니스 이메일 의도 분류: BryoAI의 CTO인 Nikhil Mudholkar가 Jev와 Gemini를 비교했습니다. Gemini의 절대 정확도는 약간 더 좋지만통화당 비용이 10~20배 더 높음. 더 중요한 것은 Jev가 보정된 확률 분포를 제공하여 다운스트림 시스템이 신뢰 임계값을 더 쉽게 설정할 수 있도록 한다는 것입니다.
작업 주문 할당 및 자동 라우팅: 편지를 주요 정보로 소화하여 Jev에게 전달하고, 비즈니스 팀 그룹에서 가장 적합한 것을 선택하고, 깨지기 쉬운 손으로 쓴 규칙을 대체합니다.
반복공제 및 긴급지원 분류: 금융 전자상거래 시나리오에서 고위험 민원(반복공제 등)을 신속하게 파악합니다. 고객이 감정적이거나 환불을 요청하면 밀리초 이내에 긴급으로 표시되고 우선적으로 배송됩니다.

7. 와일더 게임플레이

픽셀 단위로 이미지 생성: 개발자 @anshuc는 이미지 생성을 픽셀 수준 분류 문제로 전환합니다. 각 픽셀에 일련의 색상 옵션과 확률을 제공하고 프로그램은 점차적으로 Jev가 선택한 가장 높은 확률의 색상으로 채우고 마지막으로 저해상도 이미지를 작성합니다.
자동 온체인 거래: 일부 Web3 개발자는 Jev를 분산형 거래소에 연결하고, 실시간 주문 심도 데이터를 읽고, 매수, 매도, 보유라는 세 가지 동작만 출력합니다. 커뮤니티는 이것이 가장 눈길을 끄는 애플리케이션 중 하나라고 생각하지만 실제 시장 상황에서는 위험도 명백합니다.
웹 인터페이스용 구성 요소 선택: json-render 프로젝트에서 Jev는 구성 요소를 선택하고 관계를 정렬하며 프로그램은 결과를 빌딩 블록과 같은 렌더링 가능한 인터페이스로 조립합니다.

8. 주목할 만한 평가 결과

PrimeLine이 실시한 이중 맹검 사전 등록 평가에서 한 가지 세부 사항을 알 수 있습니다.

시작하는 방법

이미 모델 집계 플랫폼을 사용하고 있다면 액세스 비용은 거의 0입니다.

오픈라우터: Jev가 공식 모델 카탈로그에 출시되었습니다, 모델명 typesafe/jev, 코드에서 모델 이름을 변경하면 전환할 수 있습니다.
Vercel AI 게이트웨이: 출시 후 72시간 이내에 통합 완료, Vercel 글로벌 엣지 네트워크를 통해 배포, 짧은 지연 시간
공식 SDK: TypeSafe는 HTTP API, Python SDK 및 JavaScript SDK를 지원하는 온라인 콘솔(Playground)과 완전한 문서를 제공합니다.
공식 스킬팩: TypeSafe는 코딩 에이전트에게 한 번에 하나의 질문만 하는 대신 "모든 모호성을 한 번에 물어보세요"를 가르치기 위해 GitHub의 기술 창고를 오픈 소스로 제공했습니다.

가격: 입력용 토큰 백만 개당 0.042달러, 출력용은 무료입니다. 새 계정을 사용해 볼 수 있는 무료 할당량도 있습니다.

차분한 말 좀 해봐

빅 모델은 답변 작성을 담당하고 Jev는 의사 결정을 담당합니다. 각각은 자신의 임무를 수행하므로 좋은 구조입니다.

참고: TypeSafe AI 공식 릴리스 노트, Jev_apps 사례 라이브러리(137건/11가지 용도), Wikipedia, DataCamp 기술 분석

이는 현재 엔지니어링 가치가 가장 높은 방향 중 하나입니다.

4. "라우터"가 되어 보세요: 작업에 적합한 모델을 선택하도록 도와주세요.

클로드 코드 라우터: 작업 주문 분류와 마찬가지로 Jev는 먼저 작업의 난이도를 결정하고 플러그인은 그에 따라 하위 에이전트 모델과 기본 세션의 추론 강도를 선택합니다.
Codex 임무 난이도 라우팅: 실행 전에 코딩 작업의 논리적 복잡성을 추정하고, 간단한 편집은 값싼 모델에 손실되며, 복잡한 파일 간 재구성으로 더 강력한 모델을 활성화합니다. - 보고됨총 모델 비용을 60% 이상 절감
Eve 조건부 라우팅/요청 배포: 먼저 문제에 어떤 유형의 모델이 필요한지 결정한 후 적절한 모델에 넘겨 처리합니다.
로컬 코딩 에이전트 부문: 간단한 작업, 복잡한 문제, 장기 작업을 다양한 AI 비서에게 할당

5. 안전과 엔지니어링: 눈에 띄지 않는 더러운 작품

이 유형의 응용 프로그램은 화려하지는 않지만 가장 실용적입니다.

Vercel이 Shell 명령 보안 분류자를 대체합니다.: 엔지니어 Pranit Sharma가 내부 OpenAI 기반 셸 명령 보안 분류자를 Jev로 대체했습니다. 보고된다5~18배 더 빠름, 허위 경보 비율은 더 낮습니다. 허위 경보의 감소는 실제로 시스템의 실제 정확도를 향상시킵니다.
신속한 주입 감지: 커뮤니티에는 오픈 소스 jev-mcp(MCP 프로토콜 기반 확장)가 있습니다. Jev를 사용하여 소스 간 사실 확인을 수행하고, 사용자 프롬프트에 숨겨진 프롬프트 삽입 공격을 탐지하고, 검색된 콘텐츠의 의미론적 관련성을 평가할 수 있습니다.
긴 컨텍스트 압축: fast-jev-compaction은 Jev를 사용하여 각 도구 호출의 값을 신속하게 평가하고, 주요 상태를 유지하면서 쓸모 없는 로그를 삭제합니다. 코딩 에이전트가 긴 작업을 수행할 때 컨텍스트를 쉽게 확장할 수 있습니다. 이 프로젝트는 Jev 공식 팀에서도 인정을 받았습니다.
홍보 사전심사: 변경된 파일 목록과 자동화된 테스트 결과를 CI 파이프라인에서 분석하여 PR 병합 가능 여부를 1차 평가하고, 고위험 PR을 자동으로 표시하여 수동으로 전송합니다.

6. 비즈니스 파이프라인: 이메일, 작업 주문, 고객 서비스

비즈니스 이메일 의도 분류: BryoAI의 CTO인 Nikhil Mudholkar가 Jev와 Gemini를 비교했습니다. Gemini의 절대 정확도는 약간 더 좋지만통화당 비용이 10~20배 더 높음. 더 중요한 것은 Jev가 보정된 확률 분포를 제공하여 다운스트림 시스템이 신뢰 임계값을 더 쉽게 설정할 수 있도록 한다는 것입니다.
작업 주문 할당 및 자동 라우팅: 편지를 주요 정보로 소화하여 Jev에게 전달하고, 비즈니스 팀 그룹에서 가장 적합한 것을 선택하고, 깨지기 쉬운 손으로 쓴 규칙을 대체합니다.
반복공제 및 긴급지원 분류: 금융 전자상거래 시나리오에서 고위험 민원(반복공제 등)을 신속하게 파악합니다. 고객이 감정적이거나 환불을 요청하면 밀리초 이내에 긴급으로 표시되고 우선적으로 배송됩니다.

7. 와일더 게임플레이

픽셀 단위로 이미지 생성: 개발자 @anshuc는 이미지 생성을 픽셀 수준 분류 문제로 전환합니다. 각 픽셀에 일련의 색상 옵션과 확률을 제공하고 프로그램은 점차적으로 Jev가 선택한 가장 높은 확률의 색상으로 채우고 마지막으로 저해상도 이미지를 작성합니다.
자동 온체인 거래: 일부 Web3 개발자는 Jev를 분산형 거래소에 연결하고, 실시간 주문 심도 데이터를 읽고, 매수, 매도, 보유라는 세 가지 동작만 출력합니다. 커뮤니티는 이것이 가장 눈길을 끄는 애플리케이션 중 하나라고 생각하지만 실제 시장 상황에서는 위험도 명백합니다.
웹 인터페이스용 구성 요소 선택: json-render 프로젝트에서 Jev는 구성 요소를 선택하고 관계를 정렬하며 프로그램은 결과를 빌딩 블록과 같은 렌더링 가능한 인터페이스로 조립합니다.

8. 주목할 만한 평가 결과

PrimeLine이 실시한 이중 맹검 사전 등록 평가에서 한 가지 세부 사항을 알 수 있습니다.

시작하는 방법

이미 모델 집계 플랫폼을 사용하고 있다면 액세스 비용은 거의 0입니다.

오픈라우터: Jev가 공식 모델 카탈로그에 출시되었습니다, 모델명 typesafe/jev, 코드에서 모델 이름을 변경하면 전환할 수 있습니다.
Vercel AI 게이트웨이: 출시 후 72시간 이내에 통합 완료, Vercel 글로벌 엣지 네트워크를 통해 배포, 짧은 지연 시간
공식 SDK: TypeSafe는 HTTP API, Python SDK 및 JavaScript SDK를 지원하는 온라인 콘솔(Playground)과 완전한 문서를 제공합니다.
공식 스킬팩: TypeSafe는 코딩 에이전트에게 한 번에 하나의 질문만 하는 대신 "모든 모호성을 한 번에 물어보세요"를 가르치기 위해 GitHub의 기술 창고를 오픈 소스로 제공했습니다.

가격: 입력용 토큰 백만 개당 0.042달러, 출력용은 무료입니다. 새 계정을 사용해 볼 수 있는 무료 할당량도 있습니다.

차분한 말 좀 해봐

빅 모델은 답변 작성을 담당하고 Jev는 의사 결정을 담당합니다. 각각은 자신의 임무를 수행하므로 좋은 구조입니다.

참고: TypeSafe AI 공식 릴리스 노트, Jev_apps 사례 라이브러리(137건/11가지 용도), Wikipedia, DataCamp 기술 분석

최근 AI 서클에는 Jev라는 다른 모델이 등장했습니다. "답변 작성" 작업에 대해 GPT 및 Claude와 경쟁하지 않고 대신 무시되는 위치에 중점을 둡니다.판단하다.

현재 상황을 제공하고 질문이나 옵션 세트를 추가하면 객관식 질문에 대한 답변, 점수 또는 예/아니오 확률이 반환됩니다. 그런 다음 프로그램이 이를 실행합니다. 출시일은 2026년 9월 15일입니다(제한된 조기 액세스). 그 뒤에 있는 회사는 TypeSafe AI라고 합니다. 창립자 Diogo Almeida는 ChatGPT의 공동 발명자 중 한 명입니다. 시드 라운드 규모는 4천만 달러이며 DCVC가 주도합니다.

개념은 추상적으로 들리지만 커뮤니티에서는 일주일 이내에 수백 건의 사례를 처리했습니다. 가장 흥미로운 몇 가지를 선택하고 읽은 후 해당 내용이 어떤 문제를 해결하는지 이해하게 될 것입니다.

먼저 일반 대형 모델과의 차이점을 이해하세요.

전통적인 대형 모델의 본질은 생성입니다. 요청하면 토큰별로 기록됩니다. 나는 기사 작성, 논리 추론 및 코드 입력에 능숙하지만 "이 옵션 중 하나를 선택하십시오"와 같은 간단한 객관식 질문에 직면하면 느리고 비용이 많이 듭니다.

Jev는 다른 방향으로 나아갑니다. 가볍습니다.분류 및 채점 모델. 호출할 때마다 배경 정보와 명확하게 정의된 옵션 세트를 제공하고 이러한 옵션의 확률 분포를 직접 출력하고 가장 신뢰도가 높은 옵션을 반환합니다. 지연 시간은 수십~수백 밀리초에 달하며 비용은 주류 대형 모델에 비해 극히 일부에 불과합니다.

TypeSafe는 공식적으로 이름을 지정했습니다.시스템 원 모델——심리학의 "시스템 1"(직관, 빠른 판단) 개념을 빌려 "시스템 2"(느린, 깊은 추론)의 대규모 언어 모델에 해당합니다. 공식 데이터에 따르면 주요 대형 모델보다 40~200배 빠르며 입력 비용은 토큰 백만 개당 $0.042에 불과합니다.출력 무료.

1. 게임을 플레이하는 데 사용하세요: Doom부터 50 Subway Surfers까지

이것은 Jev의 가치를 가장 쉽게 이해할 수 있는 애플리케이션 유형입니다. 게임은 초당 여러 번 작은 결정을 내려야 하며, 이것이 바로 Jev의 강점입니다.

공식 데모: Doom을 실시간으로 플레이하세요. Jev는 캐릭터의 움직임과 사격을 제어하면서 초당 약 10개의 행동 결정을 내립니다.1시간 연속 작동 비용은 약 $7입니다.——이 수치는 엔지니어를 놀라게 했으며, 이는 고주파수 실시간 의사 결정이 가능함을 나타냅니다.
50명의 지하철 서퍼를 동시에 조종하세요. 개발자 @_MaxBlade는 Jev가 동시에 50개의 게임을 제어할 수 있도록 자동화된 환경을 구축했습니다. 차선 변경, 점프, 슬라이딩 등 각 동작은 작은 결정입니다. 50이닝을 모두 마친 것으로 알려졌으며,총 비용은 1센트 미만
오픈 소스 슈퍼 마리오 컨트롤러. 개발자 @faadilhshaik이 만든 시스템은 구조화된 게임 상태를 메모리에서 직접 읽습니다. Jev는 언제 점프하고 언제 가속할지 결정합니다. 이 프로젝트는 오픈 소스였습니다.
스피드런 Slay the Spire 2. 중국 개발자 paulwei는 이를 사용하여 전략 카드 게임을 플레이합니다. 초기에는 대형 모델을 사용할 때 두 카드 사이에 상당한 지연이 있었습니다. Jev로 전환한 후각 결정에는 0.7초밖에 걸리지 않습니다., 이전 애니메이션이 끝나기 전에 다음 명령을 보낼 수 있습니다.
위키 레이싱. 또 다른 공식 데모: Wikipedia 기사에서 시작하여 페이지 하이퍼링크에만 의존하여 대상 기사로 이동합니다. 각 단계는 수백 또는 수천 개의 후보 링크에 직면할 수 있으며 Jev는 의미상 대상에 가장 가까운 링크를 선택해야 합니다. 즉, 수많은 옵션 중에서 선택할 수 있는 능력을 테스트해야 합니다.

2. 물리적 시뮬레이션: 로켓이 스스로 착륙하도록 합니다.

나는 Jev가 단지 게임을 하는 것 이상을 할 수 있다는 것을 증명하기 때문에 이 사례를 특히 좋아합니다.

개발자 @uttkarsh_42는 Jev를 MuJoCo 물리 엔진에 연결하여 수직으로 착륙하는 로켓을 제어했습니다. Jev는 다음 사항을 결정할 책임이 있습니다.언제 점화할 것인지, 엔진을 몇 개 가동할 것인지, 언제 착륙 자세로 전환할 것인지. 12번의 테스트 끝에 시스템은 성공적으로 착륙했습니다. 전체 실험 중 하나에서는 245건의 호출이 발생했으며 비용은 약 $0.04로 보고되었습니다.

3D 도시 시뮬레이션에는 자율 주행도 있습니다. 개발자 @jpschroeder는 Jev를 가상 도시에 통합했습니다. 차량이 주행할 때 센서 데이터와 도로 상황을 활용해 주행 방향을 결정하고, 각 조치 후에 새로운 상태가 시스템에 피드백됩니다. 전체 빌드는 1시간도 채 걸리지 않은 것으로 알려졌다.

3. 브라우저 자동화: 7초 안에 실제 항공편 검색

이는 현재 엔지니어링 가치가 가장 높은 방향 중 하나입니다.

4. "라우터"가 되어 보세요: 작업에 적합한 모델을 선택하도록 도와주세요.

클로드 코드 라우터: 작업 주문 분류와 마찬가지로 Jev는 먼저 작업의 난이도를 결정하고 플러그인은 그에 따라 하위 에이전트 모델과 기본 세션의 추론 강도를 선택합니다.
Codex 임무 난이도 라우팅: 실행 전에 코딩 작업의 논리적 복잡성을 추정하고, 간단한 편집은 값싼 모델에 손실되며, 복잡한 파일 간 재구성으로 더 강력한 모델을 활성화합니다. - 보고됨총 모델 비용을 60% 이상 절감
Eve 조건부 라우팅/요청 배포: 먼저 문제에 어떤 유형의 모델이 필요한지 결정한 후 적절한 모델에 넘겨 처리합니다.
로컬 코딩 에이전트 부문: 간단한 작업, 복잡한 문제, 장기 작업을 다양한 AI 비서에게 할당

5. 안전과 엔지니어링: 눈에 띄지 않는 더러운 작품

이 유형의 응용 프로그램은 화려하지는 않지만 가장 실용적입니다.

Vercel이 Shell 명령 보안 분류자를 대체합니다.: 엔지니어 Pranit Sharma가 내부 OpenAI 기반 셸 명령 보안 분류자를 Jev로 대체했습니다. 보고된다5~18배 더 빠름, 허위 경보 비율은 더 낮습니다. 허위 경보의 감소는 실제로 시스템의 실제 정확도를 향상시킵니다.
신속한 주입 감지: 커뮤니티에는 오픈 소스 jev-mcp(MCP 프로토콜 기반 확장)가 있습니다. Jev를 사용하여 소스 간 사실 확인을 수행하고, 사용자 프롬프트에 숨겨진 프롬프트 삽입 공격을 탐지하고, 검색된 콘텐츠의 의미론적 관련성을 평가할 수 있습니다.
긴 컨텍스트 압축: fast-jev-compaction은 Jev를 사용하여 각 도구 호출의 값을 신속하게 평가하고, 주요 상태를 유지하면서 쓸모 없는 로그를 삭제합니다. 코딩 에이전트가 긴 작업을 수행할 때 컨텍스트를 쉽게 확장할 수 있습니다. 이 프로젝트는 Jev 공식 팀에서도 인정을 받았습니다.
홍보 사전심사: 변경된 파일 목록과 자동화된 테스트 결과를 CI 파이프라인에서 분석하여 PR 병합 가능 여부를 1차 평가하고, 고위험 PR을 자동으로 표시하여 수동으로 전송합니다.

6. 비즈니스 파이프라인: 이메일, 작업 주문, 고객 서비스

비즈니스 이메일 의도 분류: BryoAI의 CTO인 Nikhil Mudholkar가 Jev와 Gemini를 비교했습니다. Gemini의 절대 정확도는 약간 더 좋지만통화당 비용이 10~20배 더 높음. 더 중요한 것은 Jev가 보정된 확률 분포를 제공하여 다운스트림 시스템이 신뢰 임계값을 더 쉽게 설정할 수 있도록 한다는 것입니다.
작업 주문 할당 및 자동 라우팅: 편지를 주요 정보로 소화하여 Jev에게 전달하고, 비즈니스 팀 그룹에서 가장 적합한 것을 선택하고, 깨지기 쉬운 손으로 쓴 규칙을 대체합니다.
반복공제 및 긴급지원 분류: 금융 전자상거래 시나리오에서 고위험 민원(반복공제 등)을 신속하게 파악합니다. 고객이 감정적이거나 환불을 요청하면 밀리초 이내에 긴급으로 표시되고 우선적으로 배송됩니다.

7. 와일더 게임플레이

픽셀 단위로 이미지 생성: 개발자 @anshuc는 이미지 생성을 픽셀 수준 분류 문제로 전환합니다. 각 픽셀에 일련의 색상 옵션과 확률을 제공하고 프로그램은 점차적으로 Jev가 선택한 가장 높은 확률의 색상으로 채우고 마지막으로 저해상도 이미지를 작성합니다.
자동 온체인 거래: 일부 Web3 개발자는 Jev를 분산형 거래소에 연결하고, 실시간 주문 심도 데이터를 읽고, 매수, 매도, 보유라는 세 가지 동작만 출력합니다. 커뮤니티는 이것이 가장 눈길을 끄는 애플리케이션 중 하나라고 생각하지만 실제 시장 상황에서는 위험도 명백합니다.
웹 인터페이스용 구성 요소 선택: json-render 프로젝트에서 Jev는 구성 요소를 선택하고 관계를 정렬하며 프로그램은 결과를 빌딩 블록과 같은 렌더링 가능한 인터페이스로 조립합니다.

8. 주목할 만한 평가 결과

PrimeLine이 실시한 이중 맹검 사전 등록 평가에서 한 가지 세부 사항을 알 수 있습니다.

시작하는 방법

이미 모델 집계 플랫폼을 사용하고 있다면 액세스 비용은 거의 0입니다.

오픈라우터: Jev가 공식 모델 카탈로그에 출시되었습니다, 모델명 typesafe/jev, 코드에서 모델 이름을 변경하면 전환할 수 있습니다.
Vercel AI 게이트웨이: 출시 후 72시간 이내에 통합 완료, Vercel 글로벌 엣지 네트워크를 통해 배포, 짧은 지연 시간
공식 SDK: TypeSafe는 HTTP API, Python SDK 및 JavaScript SDK를 지원하는 온라인 콘솔(Playground)과 완전한 문서를 제공합니다.
공식 스킬팩: TypeSafe는 코딩 에이전트에게 한 번에 하나의 질문만 하는 대신 "모든 모호성을 한 번에 물어보세요"를 가르치기 위해 GitHub의 기술 창고를 오픈 소스로 제공했습니다.

가격: 입력용 토큰 백만 개당 0.042달러, 출력용은 무료입니다. 새 계정을 사용해 볼 수 있는 무료 할당량도 있습니다.

차분한 말 좀 해봐

빅 모델은 답변 작성을 담당하고 Jev는 의사 결정을 담당합니다. 각각은 자신의 임무를 수행하므로 좋은 구조입니다.

참고: TypeSafe AI 공식 릴리스 노트, Jev_apps 사례 라이브러리(137건/11가지 용도), Wikipedia, DataCamp 기술 분석