Melayu

← Kembali ke senarai

Kongsi beberapa aplikasi Jev yang menarik: model AI yang tidak menjawab dan hanya juri

itadol5j

Dalam penilaian pra-registrasi buta oleh PrimeLine, ada cerita yang bagus.

Keakuratan mutlak Claude Opus 5 dan Haiku 4,5 dari dua misi nyataIni jauh lebih baik daripada Jeff, bahkan di awal.Aku tidak tahu. Tapi ketika penilaian memungkinkan model untuk melewatkan sampel yang paling tidak pasti dari dirinya sendiri,Jev, pada kedua misi, berjalan mundur.Aku tidak tahu.

Ini karena itu keyakinan keluaran.Ini dikalibrasi.Kontrasnya, model generasi generik sering kali dikalibrasi secara buruk dan terlalu percaya diri dalam penilaian mereka sendiri. Dengan kata lain, nilai Jev keluar ketika " tahu diri yourself lebih penting daripada " Jawaban keras".

Bagaimana?

Jika Anda sudah menggunakan platform perakitan model, biaya akses hampir nol:

  • OpenRouterJev online di katalog model resmi, nama model typesafe/jevAnda dapat memotong model dalam kode.
  • AI Gateway: 72 jam setelah rilis, terintegrasi, pergi Vercel Global Marginal Network distribusi, penundaan rendah
  • KDK Resmi: TypeSafe menyediakan konsol online (Playground) dan melengkapi dokumentasi dalam mendukung API HTTP, SDK Python, SDK JavaScript
  • Kemasan keterampilan resmiTypeSafe membuka gudang keterampilan di GitHub, agen coding khusus yang bertanya semua perbedaan sekaligus, bukan hanya satu pertanyaan pada satu waktu

Masukkan token 0,042 per juta, keluaran gratis. Nomor rekening baru juga gratis.

Aras Pembuatan Kebijakan AI AI

Katakan sesuatu yang tenang.

Pertama-tama,Ini bukan pengganti untuk model besar.Aku tidak tahu. Zev adalah model pengambilan keputusan profesional yang tidak diharapkan memiliki kemampuan penalaran terbuka dan generasi konten. Nilainya adalah untuk memaksimalkan ” pengambilan keputusan yang cepat dan dapat diandalkan dalam hasil yang jelas didefinisikan ”.

Kedua,Banyak kasus harus diselesaikan.Aku tidak tahu. Sebagai contoh, Browner Use, demonstrasi pencarian penerbangan tujuh detik, adalah hasil dari seluruh rantai alat, yang tidak menghitung semua kemampuan pada Jev. Gudang - gudang di mana kasus - kasus masyarakat dikolasi sendiri menunjukkan batas bukti — apa yang jelas, apa yang berfungsi untuk diverifikasi dan klaim apa yang tidak didukung. Sikap ini patut dipelajari.

Ketiga,Tetap waspada.Aku tidak tahu. Kev dirilis layar sepanjang seminggu, dengan nilai teknis nyata dalam panas dan banyak komponen pemasaran. Apa yang benar-benar dibutuhkan adalah untuk mengambilnya dan melarikan diri dari misi Anda dan melihat berapa banyak penundaan dan uang yang disimpan.

Tapi satu hal yang pasti:AI AIA berlaku lebih dari sebuah " generasi" jalurAku tidak tahu. Di luar jalur ini, infrastruktur yang sudah lama dineglected dari \"pengadilan\" sedang diisi. Jev bukan jawaban terakhir untuk itu, tapi itu mengajukan pertanyaan yang tepat.

Model - model yang besar menulis jawaban, dan Jev membuat keputusan — itu adalah struktur yang baik untuk setiap pekerjaan.

Rujukan: TypeSafe AI Resmi Diterbitkan Catatan, Jev aplikasi Buku Kasus (137 Kasus / 11 Penggunaan), Wikipedia, Analisis Teknis DataCamp

Ini adalah salah satu petunjuk paling berharga dari proyek saat ini.

Tim wourson Browner Use hanya rilis di Jev Hari ke-3Sebuah integrasi resmi jev-ultrafast kemudian dirilis, dilaporkan menerima 2.700 GitHub Stars dalam waktu dua hari. Ia membagi operasi web menjadi dua set pilihan (operasi + target), dan bukan pilihan.Tidak ada cekupan, tidak ada token polimorfik.Hanya dua keputusan yang dibuat per putaran perjalanan.

Pendirinya, Gregor Zunic, berbagi presentasi yang tidak dipotong: Jev-driven browser otomasi pencarian penerbangan satu arah di situs web maskapai penerbangan nyata, dan pencarian dilakukan di situs web.Seluruh proses 7 detik, model panggilan biaya kira-kira $0.0039Aku tidak tahu.

Ada juga sekumpulan kontrol peramban Staagehand, jev-use untuk Cua, Mac pada tombol lokasi CoreML + OCR, dan Jev's TipTour, Voice Control Browser untuk memilih posisi klik. Saat ini terdapat 13 kasus dalam kategori ini, kategori terbanyak.

Bila \"routing\": memilih model yang sesuai untuk tugas

Ada limbah nyata di zaman multi-model: hal-hal sederhana mahal, uang murni. Jev's rendah biaya penundaan membuatnya cocok.Klinik lalu lintasAku tidak tahu.

  • Rute Kode ClaudeSeperti lembar kerja, Jev menilai kesulitan tugas, plugin memilih penalaran model sub-agen dan sesi utama sesuai derajat
  • Jalur Sulit Penerjemahan Kodeks Kodeks Kodeks CodexMenganggarkan kompleksitas logis dari tugas yang dikodekan sebelum eksekusi, meninggalkan penyuntingan sederhana ke model murah, rekayasa ulang file silang kompleks untuk mengaktifkan model yang lebih kuat - dilaporkan.Mengurangi total biaya model hingga lebih dari 60%.
  • Rute / Permintaan untuk DidistribusikanUntuk menentukan jenis model yang dibutuhkan masalah dan kemudian merujuknya ke model yang sesuai
  • Pembagian proksi kode lokal code orgOTugas sederhana, masalah rumit, tugas panjang untuk asisten AI yang berbeda

Tesóda LangChain menulis artikel khusus, " Membangun sabuk pengaman dengan Jev " , mencatat bahwa klasifikasi dan logika rute dalam kerangka proksi secara tradisional telah disembunyikan dalam sumber tertutup, dan bahwa model klasifikasi biaya rendah generik seperti Jev memungkinkan lapisan logika pengambilan keputusan ini digunakan kembali dalam agen sumber terbuka. Armin Ronacher, pendiri Gentry, juga percaya bahwa secara ekonomis tidak masuk akal untuk menggunakan model besar yang menghasilkan model untuk keputusan routing.

V. SAFETY DAN PERSATUAN: KEBUDAYAAN

Aplikasi-aplikasi tersebut tidak mengerut, tetapi mereka adalah yang terbaik.

  • Kronologi Vercel gantikan Shell perintah klasifikasi keamanan PerangkatInsinyur Pranit Sharma menggantikan katalog keamanan komando Shell internal berdasarkan OpenAI dengan Jev.Speed Speed up 5-18 kaliDan itu adalah tingkat yang lebih rendah dari kesalahan pelaporan -- pengurangan kesalahan pelaporan meningkatkan ketepatan sistem yang sebenarnya.
  • Tes penyuntikan.: komunitas open source jev-mcp (ekstensi berdasarkan protokol MCP) yang dapat digunakan untuk lintas-sumber fakta cek, test tips tersembunyi dalam peringatan pengguna untuk serangan dan relevansi semantik dari pencarian konten Fight! ♪ ♪ ♪ min min min min ♪
  • Konteks Panjang Compact:fast-jev-komparasi dengan cepat menilai nilai setiap alat yang dapat dipanggil dengan Jev, menghapus log yang tidak digunakan sambil mempertahankan keadaan kritis - Konteks misi jangka panjang agen kode sangat besar.
  • [ Gambar di hlm.Analisis analisa perubahan ke daftar berkas dan tes otomatis dalam saluran CI, penilaian awal PR ' s kelayakan untuk konsolidasi, risiko tinggi PR ' s transfer tag otomatis

Jalur layanan: surat, lembar kerja, seragam penumpang

Bagian penyebut adegan ini adalah:Ada banyak sekali keputusan kecil yang perlu dibuat dengan cepat dan konsisten.Ini mahal dan lambat dengan model besar.

  • Pengklasifikasian tujuan e-mail perusahaanCTO Nikhil Mudholkar dari Brioai membandingkan Jev dengan Gemini, yang ketepatan mutlaknya sedikit lebih tinggi, tapiBiaya setiap panggilan adalah 10-20 kali lebih tinggiAku tidak tahu. Yang lebih penting lagi, Jev menyediakan distribusi probabilitas yang dikalibrasi, dan sistem hilir dapat lebih mudah mengatur ambang keyakinan. Nilai
  • Atribusi perintah kerja dan rute otomatisBerikan Jev ringkasan surat sebagai informasi kunci, pilih yang paling cocok dari tim bisnis untuk menggantikan aturan manual lemah
  • Categorization of duplikat deduksi dan dukungan darurat:Pengidentifikasian cepat keluhan berisiko tinggi (mis., deduksi ganda) dalam adegan bisnis listrik keuangan, tag darurat dalam beberapa milidetik pada saat klien mendapatkan emosional atau meminta pengembalian, prioritas diberikan kepada buruh

vii. Lebih liar bermain

  • Penjanaan gambar oleh pikselPengembang @anshuc mengubah generasi gambar menjadi masalah klasifikasi piksel -- Berikan setiap piksel satu set pilihan warna dan kemungkinan, dan program mengisi dengan warna probabilitas maksimum yang dipilih oleh Jev, dan akhirnya mengeluarkan gambar resolusi rendah.
  • Transaksi berantai secara automatikBeberapa pengembang Web3 membuat Jev melakukan pertukaran go-to-centre untuk membaca data kedalaman pesanan real-time dan output hanya tiga tindakan: membeli, menjual, memegang. Komunitas berpikir itu salah satu aplikasi yang paling terlihat, tetapi kondisi pasar nyata juga menunjukkan risiko.
  • Pilih komponen untuk antarmuka web:json-render proyek, Jev memilih komponen, mengatur hubungan, dan program merakit hasil ke dalam antarmuka yang dapat dirender - seperti blok bangunan

VIII. Penilaian yang patut diperhatikan

Dalam penilaian pra-registrasi buta oleh PrimeLine, ada cerita yang bagus.

Keakuratan mutlak Claude Opus 5 dan Haiku 4,5 dari dua misi nyataIni jauh lebih baik daripada Jeff, bahkan di awal.Aku tidak tahu. Tapi ketika penilaian memungkinkan model untuk melewatkan sampel yang paling tidak pasti dari dirinya sendiri,Jev, pada kedua misi, berjalan mundur.Aku tidak tahu.

Ini karena itu keyakinan keluaran.Ini dikalibrasi.Kontrasnya, model generasi generik sering kali dikalibrasi secara buruk dan terlalu percaya diri dalam penilaian mereka sendiri. Dengan kata lain, nilai Jev keluar ketika " tahu diri yourself lebih penting daripada " Jawaban keras".

Bagaimana?

Jika Anda sudah menggunakan platform perakitan model, biaya akses hampir nol:

  • OpenRouterJev online di katalog model resmi, nama model typesafe/jevAnda dapat memotong model dalam kode.
  • AI Gateway: 72 jam setelah rilis, terintegrasi, pergi Vercel Global Marginal Network distribusi, penundaan rendah
  • KDK Resmi: TypeSafe menyediakan konsol online (Playground) dan melengkapi dokumentasi dalam mendukung API HTTP, SDK Python, SDK JavaScript
  • Kemasan keterampilan resmiTypeSafe membuka gudang keterampilan di GitHub, agen coding khusus yang bertanya semua perbedaan sekaligus, bukan hanya satu pertanyaan pada satu waktu

Masukkan token 0,042 per juta, keluaran gratis. Nomor rekening baru juga gratis.

Aras Pembuatan Kebijakan AI AI

Katakan sesuatu yang tenang.

Pertama-tama,Ini bukan pengganti untuk model besar.Aku tidak tahu. Zev adalah model pengambilan keputusan profesional yang tidak diharapkan memiliki kemampuan penalaran terbuka dan generasi konten. Nilainya adalah untuk memaksimalkan ” pengambilan keputusan yang cepat dan dapat diandalkan dalam hasil yang jelas didefinisikan ”.

Kedua,Banyak kasus harus diselesaikan.Aku tidak tahu. Sebagai contoh, Browner Use, demonstrasi pencarian penerbangan tujuh detik, adalah hasil dari seluruh rantai alat, yang tidak menghitung semua kemampuan pada Jev. Gudang - gudang di mana kasus - kasus masyarakat dikolasi sendiri menunjukkan batas bukti — apa yang jelas, apa yang berfungsi untuk diverifikasi dan klaim apa yang tidak didukung. Sikap ini patut dipelajari.

Ketiga,Tetap waspada.Aku tidak tahu. Kev dirilis layar sepanjang seminggu, dengan nilai teknis nyata dalam panas dan banyak komponen pemasaran. Apa yang benar-benar dibutuhkan adalah untuk mengambilnya dan melarikan diri dari misi Anda dan melihat berapa banyak penundaan dan uang yang disimpan.

Tapi satu hal yang pasti:AI AIA berlaku lebih dari sebuah " generasi" jalurAku tidak tahu. Di luar jalur ini, infrastruktur yang sudah lama dineglected dari \"pengadilan\" sedang diisi. Jev bukan jawaban terakhir untuk itu, tapi itu mengajukan pertanyaan yang tepat.

Model - model yang besar menulis jawaban, dan Jev membuat keputusan — itu adalah struktur yang baik untuk setiap pekerjaan.

Rujukan: TypeSafe AI Resmi Diterbitkan Catatan, Jev aplikasi Buku Kasus (137 Kasus / 11 Penggunaan), Wikipedia, Analisis Teknis DataCamp

Ini adalah salah satu petunjuk paling berharga dari proyek saat ini.

Tim wourson Browner Use hanya rilis di Jev Hari ke-3Sebuah integrasi resmi jev-ultrafast kemudian dirilis, dilaporkan menerima 2.700 GitHub Stars dalam waktu dua hari. Ia membagi operasi web menjadi dua set pilihan (operasi + target), dan bukan pilihan.Tidak ada cekupan, tidak ada token polimorfik.Hanya dua keputusan yang dibuat per putaran perjalanan.

Pendirinya, Gregor Zunic, berbagi presentasi yang tidak dipotong: Jev-driven browser otomasi pencarian penerbangan satu arah di situs web maskapai penerbangan nyata, dan pencarian dilakukan di situs web.Seluruh proses 7 detik, model panggilan biaya kira-kira $0.0039Aku tidak tahu.

Ada juga sekumpulan kontrol peramban Staagehand, jev-use untuk Cua, Mac pada tombol lokasi CoreML + OCR, dan Jev's TipTour, Voice Control Browser untuk memilih posisi klik. Saat ini terdapat 13 kasus dalam kategori ini, kategori terbanyak.

Bila \"routing\": memilih model yang sesuai untuk tugas

Ada limbah nyata di zaman multi-model: hal-hal sederhana mahal, uang murni. Jev's rendah biaya penundaan membuatnya cocok.Klinik lalu lintasAku tidak tahu.

  • Rute Kode ClaudeSeperti lembar kerja, Jev menilai kesulitan tugas, plugin memilih penalaran model sub-agen dan sesi utama sesuai derajat
  • Jalur Sulit Penerjemahan Kodeks Kodeks Kodeks CodexMenganggarkan kompleksitas logis dari tugas yang dikodekan sebelum eksekusi, meninggalkan penyuntingan sederhana ke model murah, rekayasa ulang file silang kompleks untuk mengaktifkan model yang lebih kuat - dilaporkan.Mengurangi total biaya model hingga lebih dari 60%.
  • Rute / Permintaan untuk DidistribusikanUntuk menentukan jenis model yang dibutuhkan masalah dan kemudian merujuknya ke model yang sesuai
  • Pembagian proksi kode lokal code orgOTugas sederhana, masalah rumit, tugas panjang untuk asisten AI yang berbeda

Tesóda LangChain menulis artikel khusus, " Membangun sabuk pengaman dengan Jev " , mencatat bahwa klasifikasi dan logika rute dalam kerangka proksi secara tradisional telah disembunyikan dalam sumber tertutup, dan bahwa model klasifikasi biaya rendah generik seperti Jev memungkinkan lapisan logika pengambilan keputusan ini digunakan kembali dalam agen sumber terbuka. Armin Ronacher, pendiri Gentry, juga percaya bahwa secara ekonomis tidak masuk akal untuk menggunakan model besar yang menghasilkan model untuk keputusan routing.

V. SAFETY DAN PERSATUAN: KEBUDAYAAN

Aplikasi-aplikasi tersebut tidak mengerut, tetapi mereka adalah yang terbaik.

  • Kronologi Vercel gantikan Shell perintah klasifikasi keamanan PerangkatInsinyur Pranit Sharma menggantikan katalog keamanan komando Shell internal berdasarkan OpenAI dengan Jev.Speed Speed up 5-18 kaliDan itu adalah tingkat yang lebih rendah dari kesalahan pelaporan -- pengurangan kesalahan pelaporan meningkatkan ketepatan sistem yang sebenarnya.
  • Tes penyuntikan.: komunitas open source jev-mcp (ekstensi berdasarkan protokol MCP) yang dapat digunakan untuk lintas-sumber fakta cek, test tips tersembunyi dalam peringatan pengguna untuk serangan dan relevansi semantik dari pencarian konten Fight! ♪ ♪ ♪ min min min min ♪
  • Konteks Panjang Compact:fast-jev-komparasi dengan cepat menilai nilai setiap alat yang dapat dipanggil dengan Jev, menghapus log yang tidak digunakan sambil mempertahankan keadaan kritis - Konteks misi jangka panjang agen kode sangat besar.
  • [ Gambar di hlm.Analisis analisa perubahan ke daftar berkas dan tes otomatis dalam saluran CI, penilaian awal PR ' s kelayakan untuk konsolidasi, risiko tinggi PR ' s transfer tag otomatis

Jalur layanan: surat, lembar kerja, seragam penumpang

Bagian penyebut adegan ini adalah:Ada banyak sekali keputusan kecil yang perlu dibuat dengan cepat dan konsisten.Ini mahal dan lambat dengan model besar.

  • Pengklasifikasian tujuan e-mail perusahaanCTO Nikhil Mudholkar dari Brioai membandingkan Jev dengan Gemini, yang ketepatan mutlaknya sedikit lebih tinggi, tapiBiaya setiap panggilan adalah 10-20 kali lebih tinggiAku tidak tahu. Yang lebih penting lagi, Jev menyediakan distribusi probabilitas yang dikalibrasi, dan sistem hilir dapat lebih mudah mengatur ambang keyakinan. Nilai
  • Atribusi perintah kerja dan rute otomatisBerikan Jev ringkasan surat sebagai informasi kunci, pilih yang paling cocok dari tim bisnis untuk menggantikan aturan manual lemah
  • Categorization of duplikat deduksi dan dukungan darurat:Pengidentifikasian cepat keluhan berisiko tinggi (mis., deduksi ganda) dalam adegan bisnis listrik keuangan, tag darurat dalam beberapa milidetik pada saat klien mendapatkan emosional atau meminta pengembalian, prioritas diberikan kepada buruh

vii. Lebih liar bermain

  • Penjanaan gambar oleh pikselPengembang @anshuc mengubah generasi gambar menjadi masalah klasifikasi piksel -- Berikan setiap piksel satu set pilihan warna dan kemungkinan, dan program mengisi dengan warna probabilitas maksimum yang dipilih oleh Jev, dan akhirnya mengeluarkan gambar resolusi rendah.
  • Transaksi berantai secara automatikBeberapa pengembang Web3 membuat Jev melakukan pertukaran go-to-centre untuk membaca data kedalaman pesanan real-time dan output hanya tiga tindakan: membeli, menjual, memegang. Komunitas berpikir itu salah satu aplikasi yang paling terlihat, tetapi kondisi pasar nyata juga menunjukkan risiko.
  • Pilih komponen untuk antarmuka web:json-render proyek, Jev memilih komponen, mengatur hubungan, dan program merakit hasil ke dalam antarmuka yang dapat dirender - seperti blok bangunan

VIII. Penilaian yang patut diperhatikan

Dalam penilaian pra-registrasi buta oleh PrimeLine, ada cerita yang bagus.

Keakuratan mutlak Claude Opus 5 dan Haiku 4,5 dari dua misi nyataIni jauh lebih baik daripada Jeff, bahkan di awal.Aku tidak tahu. Tapi ketika penilaian memungkinkan model untuk melewatkan sampel yang paling tidak pasti dari dirinya sendiri,Jev, pada kedua misi, berjalan mundur.Aku tidak tahu.

Ini karena itu keyakinan keluaran.Ini dikalibrasi.Kontrasnya, model generasi generik sering kali dikalibrasi secara buruk dan terlalu percaya diri dalam penilaian mereka sendiri. Dengan kata lain, nilai Jev keluar ketika " tahu diri yourself lebih penting daripada " Jawaban keras".

Bagaimana?

Jika Anda sudah menggunakan platform perakitan model, biaya akses hampir nol:

  • OpenRouterJev online di katalog model resmi, nama model typesafe/jevAnda dapat memotong model dalam kode.
  • AI Gateway: 72 jam setelah rilis, terintegrasi, pergi Vercel Global Marginal Network distribusi, penundaan rendah
  • KDK Resmi: TypeSafe menyediakan konsol online (Playground) dan melengkapi dokumentasi dalam mendukung API HTTP, SDK Python, SDK JavaScript
  • Kemasan keterampilan resmiTypeSafe membuka gudang keterampilan di GitHub, agen coding khusus yang bertanya semua perbedaan sekaligus, bukan hanya satu pertanyaan pada satu waktu

Masukkan token 0,042 per juta, keluaran gratis. Nomor rekening baru juga gratis.

Aras Pembuatan Kebijakan AI AI

Katakan sesuatu yang tenang.

Pertama-tama,Ini bukan pengganti untuk model besar.Aku tidak tahu. Zev adalah model pengambilan keputusan profesional yang tidak diharapkan memiliki kemampuan penalaran terbuka dan generasi konten. Nilainya adalah untuk memaksimalkan ” pengambilan keputusan yang cepat dan dapat diandalkan dalam hasil yang jelas didefinisikan ”.

Kedua,Banyak kasus harus diselesaikan.Aku tidak tahu. Sebagai contoh, Browner Use, demonstrasi pencarian penerbangan tujuh detik, adalah hasil dari seluruh rantai alat, yang tidak menghitung semua kemampuan pada Jev. Gudang - gudang di mana kasus - kasus masyarakat dikolasi sendiri menunjukkan batas bukti — apa yang jelas, apa yang berfungsi untuk diverifikasi dan klaim apa yang tidak didukung. Sikap ini patut dipelajari.

Ketiga,Tetap waspada.Aku tidak tahu. Kev dirilis layar sepanjang seminggu, dengan nilai teknis nyata dalam panas dan banyak komponen pemasaran. Apa yang benar-benar dibutuhkan adalah untuk mengambilnya dan melarikan diri dari misi Anda dan melihat berapa banyak penundaan dan uang yang disimpan.

Tapi satu hal yang pasti:AI AIA berlaku lebih dari sebuah " generasi" jalurAku tidak tahu. Di luar jalur ini, infrastruktur yang sudah lama dineglected dari \"pengadilan\" sedang diisi. Jev bukan jawaban terakhir untuk itu, tapi itu mengajukan pertanyaan yang tepat.

Model - model yang besar menulis jawaban, dan Jev membuat keputusan — itu adalah struktur yang baik untuk setiap pekerjaan.

Rujukan: TypeSafe AI Resmi Diterbitkan Catatan, Jev aplikasi Buku Kasus (137 Kasus / 11 Penggunaan), Wikipedia, Analisis Teknis DataCamp

Baru-baru ini AI mengelilingi model yang berbeda -- Jev. Daripada bekerja dengan GPT, Claude, menulis jawaban, itu menatap posisi yang diabaikan:Hakim.Aku tidak tahu.

Model AI Jev

Berikan status quo dan tambahkan pertanyaan atau seperangkat pilihan, dan mengembalikan jawaban atas pertanyaan pemilihan, fraksi, atau probabilitas dari ya/tidak — dan kemudian program untuk dieksekusi. Tanggal rilisnya adalah 15 September 2026 (jumlah terbatas kunjungan awal), dan perusahaan di belakangnya adalah TypeSafe AI, pendiri Diogo Almeida, salah satu co-inventor dari ChatGPT, dengan Seed Wheel sebesar $40 juta, yang disponsori oleh DCVC.

Konsep terdengar abstrak, tetapi masyarakat memainkan ratusan kasus dalam waktu seminggu. Ambil beberapa hal yang paling menarik, dan Anda akan melihat persis apa yang diselesaikannya.

Kita perlu mencari tahu perbedaan antara itu dan model besar normal.

Model besar tradisional pada dasarnya dihasilkan: Anda bertanya, itu adalah token dan token turun. Menulis artikel, mendorong logika, mengetuk kode itu bagus, tetapi pilihan sederhana untuk memilih salah satu dari pilihan ini" diubah menjadi pisau pembunuh ayam - lambat dan mahal.

Jeff pergi dengan cara lain: itu ringan.Model klasifikasi dan ratingAku tidak tahu. Setiap panggilan yang Anda berikan satu set pilihan yang jelas didefinisikan, yang secara langsung mengeluarkan kemungkinan distribusi pilihan ini dan memilih satu dengan kepercayaan tertinggi. Jeda beberapa lusin hingga ratusan milidetik hanya sebagian kecil dari ukuran model dominan.

TypeSafe, nama resmi untuk itu.Model Sistem SatuWaski — untuk menggunakan konsep \"sistem I\" (intuitif, penilaian cepat) dalam psikologi, sesuai dengan model bahasa besar \"sistem II\" (perlahan, penalaran dalam-dalam). Data resminya 40-200 kali lebih cepat dari model besar garis depan, memasukkan satu juta token per juta.Output bebas.Aku tidak tahu.

Saya bermain game dengan itu: dari kapal perusak ke 50 kereta bawah tanah

Ini adalah salah satu aplikasi termudah untuk memahami nilai dari Jev -- permainan yang membutuhkan banyak keputusan kecil per detik, yang persis kekuatannya.

  • Presentasi resmi: waktu nyata pada DestroyerAku tidak tahu. ¡Jev membuat sekitar 10 keputusan tindakan per detik, mengendalikan gerakan peran dan tunas.Biayanya sekitar $7 untuk satu jam lari.Ini nomor kejutan insinyur, menyarankan bahwa pengambilan keputusan frekuensi tinggi real-time adalah layak.
  • Dan mengendalikan 50 kereta bawah tanah.Aku tidak tahu. Pengembang pengembang, @MaxBlade, membangun lingkungan otomatis yang memungkinkan Jev untuk menjalankan permainan 50 sekaligus, di mana setiap langkah adalah keputusan kecil. Dilaporkan bahwa semua 50 stasiun selesai dibangun.Biaya totalnya kurang dari satu sen.
  • Pengontrol Super Mario sumber terbukaAku tidak tahu. Sistem oleh pengembang @faadirhshaik membaca keadaan permainan terstruktur langsung dari memori. ¡Jev memutuskan kapan untuk melompat, kapan untuk mempercepat, proyek dibuka
  • Cepat membunuh Point 2.Aku tidak tahu. Paulwei pengembang Tiongkok yang magia menggunakannya untuk memainkan permainan kartu strategi. Ada penundaan yang ditandai antara kedua kartu ketika model besar digunakan sebelumnya; setelah Jev digantiSetiap keputusan mengambil 0,7 detik.Urutan berikutnya akan dikirim sebelum animasi terakhir.
  • Wikis.Aku tidak tahu. Presentasi resmi lainnya: Dari artikel Wikipedia, hanya hyperlink halaman ke artikel target. Setiap langkah dapat dihadapi dengan ratusan atau ribuan calon mata rantai. - Tidak. Tes adalah kemampuan untuk memilih di bawah pilihan besar.

Fisika: Mendarat roket itu sendiri

Aku suka kasus ini karena itu membuktikan bahwa Jeff bisa bermain lebih dari permainan.

Pembangun culuner @uttkarsh 42 membawa Jeff ke mesin fisik MujoCo untuk mengendalikan roket pendaratan vertikal. Joe memutuskan:Saat kau menyalakan api, berapa banyak mesin, ketika kau mengubah postur pendaratan.Aku tidak tahu. Sistem ini berhasil mendarat setelah 12 tes. Salah satu tes lengkap disebut 245 kali dengan biaya dilaporkan sekitar USD 0,04.

Ada juga simulasi kota 3D autopilot: pengembang @jpschroeder mengintegrasikan Jev ke kota virtual di mana kendaraan menggunakan data sensor dan kondisi jalan untuk menentukan arah perjalanan mereka dan masuk kembali ke sistem setelah masing-masing pindah. Seluruh konstruksi dikatakan memakan waktu kurang dari satu jam.

Aplikasi Model Keputusan Jev

/ III. Otomasi penjelajah: 7 detik untuk mencari penerbangan nyata

Ini adalah salah satu petunjuk paling berharga dari proyek saat ini.

Tim wourson Browner Use hanya rilis di Jev Hari ke-3Sebuah integrasi resmi jev-ultrafast kemudian dirilis, dilaporkan menerima 2.700 GitHub Stars dalam waktu dua hari. Ia membagi operasi web menjadi dua set pilihan (operasi + target), dan bukan pilihan.Tidak ada cekupan, tidak ada token polimorfik.Hanya dua keputusan yang dibuat per putaran perjalanan.

Pendirinya, Gregor Zunic, berbagi presentasi yang tidak dipotong: Jev-driven browser otomasi pencarian penerbangan satu arah di situs web maskapai penerbangan nyata, dan pencarian dilakukan di situs web.Seluruh proses 7 detik, model panggilan biaya kira-kira $0.0039Aku tidak tahu.

Ada juga sekumpulan kontrol peramban Staagehand, jev-use untuk Cua, Mac pada tombol lokasi CoreML + OCR, dan Jev's TipTour, Voice Control Browser untuk memilih posisi klik. Saat ini terdapat 13 kasus dalam kategori ini, kategori terbanyak.

Bila \"routing\": memilih model yang sesuai untuk tugas

Ada limbah nyata di zaman multi-model: hal-hal sederhana mahal, uang murni. Jev's rendah biaya penundaan membuatnya cocok.Klinik lalu lintasAku tidak tahu.

  • Rute Kode ClaudeSeperti lembar kerja, Jev menilai kesulitan tugas, plugin memilih penalaran model sub-agen dan sesi utama sesuai derajat
  • Jalur Sulit Penerjemahan Kodeks Kodeks Kodeks CodexMenganggarkan kompleksitas logis dari tugas yang dikodekan sebelum eksekusi, meninggalkan penyuntingan sederhana ke model murah, rekayasa ulang file silang kompleks untuk mengaktifkan model yang lebih kuat - dilaporkan.Mengurangi total biaya model hingga lebih dari 60%.
  • Rute / Permintaan untuk DidistribusikanUntuk menentukan jenis model yang dibutuhkan masalah dan kemudian merujuknya ke model yang sesuai
  • Pembagian proksi kode lokal code orgOTugas sederhana, masalah rumit, tugas panjang untuk asisten AI yang berbeda

Tesóda LangChain menulis artikel khusus, " Membangun sabuk pengaman dengan Jev " , mencatat bahwa klasifikasi dan logika rute dalam kerangka proksi secara tradisional telah disembunyikan dalam sumber tertutup, dan bahwa model klasifikasi biaya rendah generik seperti Jev memungkinkan lapisan logika pengambilan keputusan ini digunakan kembali dalam agen sumber terbuka. Armin Ronacher, pendiri Gentry, juga percaya bahwa secara ekonomis tidak masuk akal untuk menggunakan model besar yang menghasilkan model untuk keputusan routing.

V. SAFETY DAN PERSATUAN: KEBUDAYAAN

Aplikasi-aplikasi tersebut tidak mengerut, tetapi mereka adalah yang terbaik.

  • Kronologi Vercel gantikan Shell perintah klasifikasi keamanan PerangkatInsinyur Pranit Sharma menggantikan katalog keamanan komando Shell internal berdasarkan OpenAI dengan Jev.Speed Speed up 5-18 kaliDan itu adalah tingkat yang lebih rendah dari kesalahan pelaporan -- pengurangan kesalahan pelaporan meningkatkan ketepatan sistem yang sebenarnya.
  • Tes penyuntikan.: komunitas open source jev-mcp (ekstensi berdasarkan protokol MCP) yang dapat digunakan untuk lintas-sumber fakta cek, test tips tersembunyi dalam peringatan pengguna untuk serangan dan relevansi semantik dari pencarian konten Fight! ♪ ♪ ♪ min min min min ♪
  • Konteks Panjang Compact:fast-jev-komparasi dengan cepat menilai nilai setiap alat yang dapat dipanggil dengan Jev, menghapus log yang tidak digunakan sambil mempertahankan keadaan kritis - Konteks misi jangka panjang agen kode sangat besar.
  • [ Gambar di hlm.Analisis analisa perubahan ke daftar berkas dan tes otomatis dalam saluran CI, penilaian awal PR ' s kelayakan untuk konsolidasi, risiko tinggi PR ' s transfer tag otomatis

Jalur layanan: surat, lembar kerja, seragam penumpang

Bagian penyebut adegan ini adalah:Ada banyak sekali keputusan kecil yang perlu dibuat dengan cepat dan konsisten.Ini mahal dan lambat dengan model besar.

  • Pengklasifikasian tujuan e-mail perusahaanCTO Nikhil Mudholkar dari Brioai membandingkan Jev dengan Gemini, yang ketepatan mutlaknya sedikit lebih tinggi, tapiBiaya setiap panggilan adalah 10-20 kali lebih tinggiAku tidak tahu. Yang lebih penting lagi, Jev menyediakan distribusi probabilitas yang dikalibrasi, dan sistem hilir dapat lebih mudah mengatur ambang keyakinan. Nilai
  • Atribusi perintah kerja dan rute otomatisBerikan Jev ringkasan surat sebagai informasi kunci, pilih yang paling cocok dari tim bisnis untuk menggantikan aturan manual lemah
  • Categorization of duplikat deduksi dan dukungan darurat:Pengidentifikasian cepat keluhan berisiko tinggi (mis., deduksi ganda) dalam adegan bisnis listrik keuangan, tag darurat dalam beberapa milidetik pada saat klien mendapatkan emosional atau meminta pengembalian, prioritas diberikan kepada buruh

vii. Lebih liar bermain

  • Penjanaan gambar oleh pikselPengembang @anshuc mengubah generasi gambar menjadi masalah klasifikasi piksel -- Berikan setiap piksel satu set pilihan warna dan kemungkinan, dan program mengisi dengan warna probabilitas maksimum yang dipilih oleh Jev, dan akhirnya mengeluarkan gambar resolusi rendah.
  • Transaksi berantai secara automatikBeberapa pengembang Web3 membuat Jev melakukan pertukaran go-to-centre untuk membaca data kedalaman pesanan real-time dan output hanya tiga tindakan: membeli, menjual, memegang. Komunitas berpikir itu salah satu aplikasi yang paling terlihat, tetapi kondisi pasar nyata juga menunjukkan risiko.
  • Pilih komponen untuk antarmuka web:json-render proyek, Jev memilih komponen, mengatur hubungan, dan program merakit hasil ke dalam antarmuka yang dapat dirender - seperti blok bangunan

VIII. Penilaian yang patut diperhatikan

Dalam penilaian pra-registrasi buta oleh PrimeLine, ada cerita yang bagus.

Keakuratan mutlak Claude Opus 5 dan Haiku 4,5 dari dua misi nyataIni jauh lebih baik daripada Jeff, bahkan di awal.Aku tidak tahu. Tapi ketika penilaian memungkinkan model untuk melewatkan sampel yang paling tidak pasti dari dirinya sendiri,Jev, pada kedua misi, berjalan mundur.Aku tidak tahu.

Ini karena itu keyakinan keluaran.Ini dikalibrasi.Kontrasnya, model generasi generik sering kali dikalibrasi secara buruk dan terlalu percaya diri dalam penilaian mereka sendiri. Dengan kata lain, nilai Jev keluar ketika " tahu diri yourself lebih penting daripada " Jawaban keras".

Bagaimana?

Jika Anda sudah menggunakan platform perakitan model, biaya akses hampir nol:

  • OpenRouterJev online di katalog model resmi, nama model typesafe/jevAnda dapat memotong model dalam kode.
  • AI Gateway: 72 jam setelah rilis, terintegrasi, pergi Vercel Global Marginal Network distribusi, penundaan rendah
  • KDK Resmi: TypeSafe menyediakan konsol online (Playground) dan melengkapi dokumentasi dalam mendukung API HTTP, SDK Python, SDK JavaScript
  • Kemasan keterampilan resmiTypeSafe membuka gudang keterampilan di GitHub, agen coding khusus yang bertanya semua perbedaan sekaligus, bukan hanya satu pertanyaan pada satu waktu

Masukkan token 0,042 per juta, keluaran gratis. Nomor rekening baru juga gratis.

Aras Pembuatan Kebijakan AI AI

Katakan sesuatu yang tenang.

Pertama-tama,Ini bukan pengganti untuk model besar.Aku tidak tahu. Zev adalah model pengambilan keputusan profesional yang tidak diharapkan memiliki kemampuan penalaran terbuka dan generasi konten. Nilainya adalah untuk memaksimalkan ” pengambilan keputusan yang cepat dan dapat diandalkan dalam hasil yang jelas didefinisikan ”.

Kedua,Banyak kasus harus diselesaikan.Aku tidak tahu. Sebagai contoh, Browner Use, demonstrasi pencarian penerbangan tujuh detik, adalah hasil dari seluruh rantai alat, yang tidak menghitung semua kemampuan pada Jev. Gudang - gudang di mana kasus - kasus masyarakat dikolasi sendiri menunjukkan batas bukti — apa yang jelas, apa yang berfungsi untuk diverifikasi dan klaim apa yang tidak didukung. Sikap ini patut dipelajari.

Ketiga,Tetap waspada.Aku tidak tahu. Kev dirilis layar sepanjang seminggu, dengan nilai teknis nyata dalam panas dan banyak komponen pemasaran. Apa yang benar-benar dibutuhkan adalah untuk mengambilnya dan melarikan diri dari misi Anda dan melihat berapa banyak penundaan dan uang yang disimpan.

Tapi satu hal yang pasti:AI AIA berlaku lebih dari sebuah " generasi" jalurAku tidak tahu. Di luar jalur ini, infrastruktur yang sudah lama dineglected dari \"pengadilan\" sedang diisi. Jev bukan jawaban terakhir untuk itu, tapi itu mengajukan pertanyaan yang tepat.

Model - model yang besar menulis jawaban, dan Jev membuat keputusan — itu adalah struktur yang baik untuk setiap pekerjaan.

Rujukan: TypeSafe AI Resmi Diterbitkan Catatan, Jev aplikasi Buku Kasus (137 Kasus / 11 Penggunaan), Wikipedia, Analisis Teknis DataCamp