Compartilhe algumas aplicações interessantes de Jev: um modelo de IA que não dá respostas, apenas faz julgamentos

Numa avaliação duplo-cega de pré-registro realizada pela PrimeLine, um detalhe é revelador.

Precisão absoluta de Claude Opus 5 e Haiku 4.5 em duas tarefas reaisComparável a Jev, ou ainda melhor inicialmente. Mas quando a avaliação permite que o modelo ignore amostras nas quais é menos confiável,Jev teve um desempenho superior em ambas as tarefas.

A razão é que a confiança que ele produz écalibrado, enquanto os modelos generativos gerais tendem a ser mal calibrados e excessivamente confiantes nos seus julgamentos. Em outras palavras: quando “saber o que você não sabe” é mais importante do que “responder com firmeza”, o valor de Jev aparece.

Como começar

Se você já utiliza uma plataforma de agregação de modelos, o custo de acesso é quase zero:

• OpenRouter: Jev foi lançado no catálogo oficial de modelos, nome do modelo typesafe/jev, altere o nome do modelo no código e você poderá alternar
• Gateway Vercel AI: Integração concluída em até 72 horas após o lançamento, distribuída via rede global Vercel, com baixa latência
• SDK oficial: TypeSafe fornece um console online (Playground) e documentação completa, suportando API HTTP, SDK Python e SDK JavaScript
• Pacote oficial de habilidades: TypeSafe abriu o código-fonte do armazém de habilidades no GitHub para ensinar os agentes de codificação a "perguntar todas as ambigüidades de uma vez" em vez de apenas fazer uma pergunta de cada vez.

Preço: US$ 0,042 por milhão de tokens para entrada, grátis para saída. Há também uma cota gratuita para novas contas experimentarem.

Diga algo calmo

Primeiro,Não é um substituto para modelos maiores. Jev é um modelo especializado de tomada de decisão. Não espere que ele tenha raciocínio aberto e recursos de geração de conteúdo. Seu valor é atingir o objetivo final de tomar decisões rápidas e confiáveis ​​com resultados possíveis claramente definidos.

Em segundo lugar,Em muitos casos, é necessário distinguir “de quem é o crédito”. Por exemplo, a demonstração do uso do navegador de busca de voos em 7 segundos é o resultado da cooperação de toda a cadeia de ferramentas, e todos os recursos não podem ser atribuídos a Jev. O próprio armazém de casos organizado pela comunidade também marca os limites das evidências – quais princípios são claros, quais efeitos precisam ser verificados e quais alegações carecem de base. Vale a pena aprender essa atitude.

Terceiro,Tenha cuidado com o sopro cego. Jev apareceu na tela uma semana após seu lançamento. A popularidade inclui valor técnico real e muitos elementos de marketing. O que você realmente precisa é executar suas próprias tarefas com ele e ver quanto atraso e dinheiro você economiza.

Mas uma coisa é certa:As aplicações de IA não são apenas uma questão de “geração”. Fora deste caminho, está a ser acrescentada a infra-estrutura do “julgamento”, há muito negligenciada. É difícil dizer se Jev é a resposta final, mas levanta as questões certas.

O grande modelo é responsável por escrever as respostas e Jev é responsável por tomar decisões - cada um desempenha suas próprias funções, o que é uma boa estrutura.

Referência: notas de lançamento oficiais do TypeSafe AI, biblioteca de casos Jev_apps (137 casos/11 tipos de uso), Wikipedia, análise técnica do DataCamp

Esta é uma das direções com maior valor de engenharia atualmente.

A equipe de uso do navegador lança apenas em Jev 3 diasDepois disso, o jev-ultrafast oficial integrado foi lançado e foi dito que obteve 2.700 estrelas no GitHub em dois dias. Ele divide as operações da página web em dois conjuntos de escolhas (ação + objetivo),Não são necessárias capturas de tela ou tokens multimodais, cada viagem de ida e volta produz apenas duas decisões.

O fundador Gregor Zunic compartilhou uma demonstração sem cortes da automação do navegador com tecnologia Jev, completando uma pesquisa de voo unilateral em um site real de uma companhia aérea,Todo o processo leva 7 segundos, o custo de chamada do modelo é de cerca de US$ 0,0039.

Existem vários semelhantes: controle de navegador Stagehand, jev-use de Cua, TipTour que usa CoreML + OCR para localizar o botão no Mac e deixar Jev selecionar o local do clique, navegador de controle de voz... Existem atualmente 13 casos nesta categoria, que é a categoria com mais casos.

4. Seja um “roteador”: ajude a selecionar o modelo adequado para a tarefa

Há um verdadeiro desperdício na era dos multimodelos: usar modelos caros para problemas simples é um desperdício de dinheiro. A baixa latência e o baixo custo do Jev o tornam muito adequado paraTriagem de trânsito.

• Roteador de código Claude: como na triagem de ordens de serviço, Jev primeiro determina a dificuldade da tarefa e o plug-in então seleciona o modelo de subagente e a força de raciocínio da sessão principal de acordo.
• Roteamento de dificuldade da missão Codex: Estime a complexidade lógica das tarefas de codificação antes da execução, a edição simples é perdida para modelos baratos e a reconstrução complexa de arquivos cruzados ativa modelos mais fortes - é relatadoReduza o custo total do modelo em mais de 60%
• Eve roteamento condicional/distribuição de solicitação: primeiro determine que tipo de modelo é necessário para o problema e, em seguida, entregue-o ao modelo apropriado para processamento.
• Divisão de agentes de codificação locais: Atribua tarefas simples, problemas complexos e tarefas de longo prazo a diferentes assistentes de IA

LangChain escreveu um artigo especial "Construindo cintos de segurança com Jev", apontando que a classificação e a lógica de roteamento na estrutura do agente estão tradicionalmente ocultas em várias implementações de código fechado. Um modelo geral de classificação de baixo custo como o Jev pode permitir que essa camada de lógica de tomada de decisão seja reutilizada em agentes de código aberto. Armin Ronacher, fundador da Sentry, também acredita que não é economicamente razoável usar grandes modelos generativos para tomar decisões de roteamento.

5. Segurança e Engenharia: Essas Obras Sujas Imperceptíveis

Esse tipo de aplicação não é chamativo, mas é o mais prático.

• Vercel substitui classificador de segurança de comando Shell: O engenheiro Pranit Sharma substituiu o classificador de segurança de comando shell interno baseado em OpenAI por Jev. É relatado5-18 vezes mais rápido, e a taxa de falsos alarmes é menor - a redução de falsos alarmes realmente melhora a precisão real do sistema
• Detecção imediata de injeção: A comunidade possui jev-mcp de código aberto (uma extensão baseada no protocolo MCP). Você pode usar o Jev para fazer verificação de fatos entre fontes, detectar ataques de injeção de prompt ocultos nos prompts do usuário e avaliar a relevância semântica do conteúdo recuperado.
• Compressão de contexto longa: fast-jev-compact usa Jev para avaliar rapidamente o valor de cada chamada de ferramenta, excluir logs inúteis enquanto retém estados-chave - o contexto é fácil de expandir quando os agentes de codificação executam tarefas longas. Este projeto também foi reconhecido pela equipe oficial da Jev
• Pré-seleção de relações públicas: Analise a lista de arquivos alterados e os resultados dos testes automatizados no pipeline de CI, avalie inicialmente se o PR é elegível para mesclagem e marque automaticamente PRs de alto risco e transfira-os manualmente

6. Pipeline de negócios: e-mails, ordens de serviço, atendimento ao cliente

O que esses cenários têm em comum é:Precisa tomar inúmeras pequenas decisões de forma rápida e consistente, usar modelos grandes é caro e lento.

• Classificação de intenção de e-mail comercial: Nikhil Mudholkar, CTO da BryoAI, comparou Jev e Gemini. A precisão absoluta do Gemini é um pouco melhor, masCusto por chamada 10 a 20 vezes maior. Mais importante ainda, Jev fornece distribuições de probabilidade calibradas, tornando mais fácil para os sistemas downstream definir limites de confiança
• Alocação de ordens de serviço e roteamento automático: Resumir a carta em informações importantes e entregá-la a Jev, selecionar a mais adequada em um grupo de equipes de negócios, substituir as frágeis regras regulares manuscritas
• Deduções repetidas e classificação do apoio emergencial: identifique rapidamente reclamações de alto risco (como deduções repetidas) em cenários financeiros de comércio eletrônico. Quando os clientes ficam emocionados ou solicitam reembolsos, eles serão rotulados como urgentes em milissegundos e despachados com prioridade.

7. Jogabilidade mais selvagem

• Gerar imagem pixel por pixel: O desenvolvedor @anshuc transforma a geração de imagens em um problema de classificação em nível de pixel - dando a cada pixel um conjunto de opções de cores e probabilidades, o programa gradualmente o preenche com a cor de maior probabilidade selecionada por Jev e, finalmente, desenha uma imagem de baixa resolução
• Transações automáticas na rede: Alguns desenvolvedores Web3 conectam Jev a bolsas descentralizadas, leem dados de profundidade de pedidos em tempo real e produzem apenas três ações: comprar, vender e manter. A comunidade considera que esta é uma das aplicações mais atraentes, mas os riscos também são óbvios em condições reais de mercado.
• Selecione componentes para a interface web: No projeto json-render, Jev seleciona componentes e organiza relacionamentos, e o programa reúne os resultados em uma interface renderizável - como blocos de construção.

8. Um resultado de avaliação digno de nota

Numa avaliação duplo-cega de pré-registro realizada pela PrimeLine, um detalhe é revelador.

Precisão absoluta de Claude Opus 5 e Haiku 4.5 em duas tarefas reaisComparável a Jev, ou ainda melhor inicialmente. Mas quando a avaliação permite que o modelo ignore amostras nas quais é menos confiável,Jev teve um desempenho superior em ambas as tarefas.

A razão é que a confiança que ele produz écalibrado, enquanto os modelos generativos gerais tendem a ser mal calibrados e excessivamente confiantes nos seus julgamentos. Em outras palavras: quando “saber o que você não sabe” é mais importante do que “responder com firmeza”, o valor de Jev aparece.

Como começar

Se você já utiliza uma plataforma de agregação de modelos, o custo de acesso é quase zero:

• OpenRouter: Jev foi lançado no catálogo oficial de modelos, nome do modelo typesafe/jev, altere o nome do modelo no código e você poderá alternar
• Gateway Vercel AI: Integração concluída em até 72 horas após o lançamento, distribuída via rede global Vercel, com baixa latência
• SDK oficial: TypeSafe fornece um console online (Playground) e documentação completa, suportando API HTTP, SDK Python e SDK JavaScript
• Pacote oficial de habilidades: TypeSafe abriu o código-fonte do armazém de habilidades no GitHub para ensinar os agentes de codificação a "perguntar todas as ambigüidades de uma vez" em vez de apenas fazer uma pergunta de cada vez.

Preço: US$ 0,042 por milhão de tokens para entrada, grátis para saída. Há também uma cota gratuita para novas contas experimentarem.

Diga algo calmo

Primeiro,Não é um substituto para modelos maiores. Jev é um modelo especializado de tomada de decisão. Não espere que ele tenha raciocínio aberto e recursos de geração de conteúdo. Seu valor é atingir o objetivo final de tomar decisões rápidas e confiáveis ​​com resultados possíveis claramente definidos.

Em segundo lugar,Em muitos casos, é necessário distinguir “de quem é o crédito”. Por exemplo, a demonstração do uso do navegador de busca de voos em 7 segundos é o resultado da cooperação de toda a cadeia de ferramentas, e todos os recursos não podem ser atribuídos a Jev. O próprio armazém de casos organizado pela comunidade também marca os limites das evidências – quais princípios são claros, quais efeitos precisam ser verificados e quais alegações carecem de base. Vale a pena aprender essa atitude.

Terceiro,Tenha cuidado com o sopro cego. Jev apareceu na tela uma semana após seu lançamento. A popularidade inclui valor técnico real e muitos elementos de marketing. O que você realmente precisa é executar suas próprias tarefas com ele e ver quanto atraso e dinheiro você economiza.

Mas uma coisa é certa:As aplicações de IA não são apenas uma questão de “geração”. Fora deste caminho, está a ser acrescentada a infra-estrutura do “julgamento”, há muito negligenciada. É difícil dizer se Jev é a resposta final, mas levanta as questões certas.

O grande modelo é responsável por escrever as respostas e Jev é responsável por tomar decisões - cada um desempenha suas próprias funções, o que é uma boa estrutura.

Referência: notas de lançamento oficiais do TypeSafe AI, biblioteca de casos Jev_apps (137 casos/11 tipos de uso), Wikipedia, análise técnica do DataCamp

Esta é uma das direções com maior valor de engenharia atualmente.

A equipe de uso do navegador lança apenas em Jev 3 diasDepois disso, o jev-ultrafast oficial integrado foi lançado e foi dito que obteve 2.700 estrelas no GitHub em dois dias. Ele divide as operações da página web em dois conjuntos de escolhas (ação + objetivo),Não são necessárias capturas de tela ou tokens multimodais, cada viagem de ida e volta produz apenas duas decisões.

O fundador Gregor Zunic compartilhou uma demonstração sem cortes da automação do navegador com tecnologia Jev, completando uma pesquisa de voo unilateral em um site real de uma companhia aérea,Todo o processo leva 7 segundos, o custo de chamada do modelo é de cerca de US$ 0,0039.

Existem vários semelhantes: controle de navegador Stagehand, jev-use de Cua, TipTour que usa CoreML + OCR para localizar o botão no Mac e deixar Jev selecionar o local do clique, navegador de controle de voz... Existem atualmente 13 casos nesta categoria, que é a categoria com mais casos.

4. Seja um “roteador”: ajude a selecionar o modelo adequado para a tarefa

Há um verdadeiro desperdício na era dos multimodelos: usar modelos caros para problemas simples é um desperdício de dinheiro. A baixa latência e o baixo custo do Jev o tornam muito adequado paraTriagem de trânsito.

• Roteador de código Claude: como na triagem de ordens de serviço, Jev primeiro determina a dificuldade da tarefa e o plug-in então seleciona o modelo de subagente e a força de raciocínio da sessão principal de acordo.
• Roteamento de dificuldade da missão Codex: Estime a complexidade lógica das tarefas de codificação antes da execução, a edição simples é perdida para modelos baratos e a reconstrução complexa de arquivos cruzados ativa modelos mais fortes - é relatadoReduza o custo total do modelo em mais de 60%
• Eve roteamento condicional/distribuição de solicitação: primeiro determine que tipo de modelo é necessário para o problema e, em seguida, entregue-o ao modelo apropriado para processamento.
• Divisão de agentes de codificação locais: Atribua tarefas simples, problemas complexos e tarefas de longo prazo a diferentes assistentes de IA

LangChain escreveu um artigo especial "Construindo cintos de segurança com Jev", apontando que a classificação e a lógica de roteamento na estrutura do agente estão tradicionalmente ocultas em várias implementações de código fechado. Um modelo geral de classificação de baixo custo como o Jev pode permitir que essa camada de lógica de tomada de decisão seja reutilizada em agentes de código aberto. Armin Ronacher, fundador da Sentry, também acredita que não é economicamente razoável usar grandes modelos generativos para tomar decisões de roteamento.

5. Segurança e Engenharia: Essas Obras Sujas Imperceptíveis

Esse tipo de aplicação não é chamativo, mas é o mais prático.

• Vercel substitui classificador de segurança de comando Shell: O engenheiro Pranit Sharma substituiu o classificador de segurança de comando shell interno baseado em OpenAI por Jev. É relatado5-18 vezes mais rápido, e a taxa de falsos alarmes é menor - a redução de falsos alarmes realmente melhora a precisão real do sistema
• Detecção imediata de injeção: A comunidade possui jev-mcp de código aberto (uma extensão baseada no protocolo MCP). Você pode usar o Jev para fazer verificação de fatos entre fontes, detectar ataques de injeção de prompt ocultos nos prompts do usuário e avaliar a relevância semântica do conteúdo recuperado.
• Compressão de contexto longa: fast-jev-compact usa Jev para avaliar rapidamente o valor de cada chamada de ferramenta, excluir logs inúteis enquanto retém estados-chave - o contexto é fácil de expandir quando os agentes de codificação executam tarefas longas. Este projeto também foi reconhecido pela equipe oficial da Jev
• Pré-seleção de relações públicas: Analise a lista de arquivos alterados e os resultados dos testes automatizados no pipeline de CI, avalie inicialmente se o PR é elegível para mesclagem e marque automaticamente PRs de alto risco e transfira-os manualmente

6. Pipeline de negócios: e-mails, ordens de serviço, atendimento ao cliente

O que esses cenários têm em comum é:Precisa tomar inúmeras pequenas decisões de forma rápida e consistente, usar modelos grandes é caro e lento.

• Classificação de intenção de e-mail comercial: Nikhil Mudholkar, CTO da BryoAI, comparou Jev e Gemini. A precisão absoluta do Gemini é um pouco melhor, masCusto por chamada 10 a 20 vezes maior. Mais importante ainda, Jev fornece distribuições de probabilidade calibradas, tornando mais fácil para os sistemas downstream definir limites de confiança
• Alocação de ordens de serviço e roteamento automático: Resumir a carta em informações importantes e entregá-la a Jev, selecionar a mais adequada em um grupo de equipes de negócios, substituir as frágeis regras regulares manuscritas
• Deduções repetidas e classificação do apoio emergencial: identifique rapidamente reclamações de alto risco (como deduções repetidas) em cenários financeiros de comércio eletrônico. Quando os clientes ficam emocionados ou solicitam reembolsos, eles serão rotulados como urgentes em milissegundos e despachados com prioridade.

7. Jogabilidade mais selvagem

• Gerar imagem pixel por pixel: O desenvolvedor @anshuc transforma a geração de imagens em um problema de classificação em nível de pixel - dando a cada pixel um conjunto de opções de cores e probabilidades, o programa gradualmente o preenche com a cor de maior probabilidade selecionada por Jev e, finalmente, desenha uma imagem de baixa resolução
• Transações automáticas na rede: Alguns desenvolvedores Web3 conectam Jev a bolsas descentralizadas, leem dados de profundidade de pedidos em tempo real e produzem apenas três ações: comprar, vender e manter. A comunidade considera que esta é uma das aplicações mais atraentes, mas os riscos também são óbvios em condições reais de mercado.
• Selecione componentes para a interface web: No projeto json-render, Jev seleciona componentes e organiza relacionamentos, e o programa reúne os resultados em uma interface renderizável - como blocos de construção.

8. Um resultado de avaliação digno de nota

Numa avaliação duplo-cega de pré-registro realizada pela PrimeLine, um detalhe é revelador.

Precisão absoluta de Claude Opus 5 e Haiku 4.5 em duas tarefas reaisComparável a Jev, ou ainda melhor inicialmente. Mas quando a avaliação permite que o modelo ignore amostras nas quais é menos confiável,Jev teve um desempenho superior em ambas as tarefas.

A razão é que a confiança que ele produz écalibrado, enquanto os modelos generativos gerais tendem a ser mal calibrados e excessivamente confiantes nos seus julgamentos. Em outras palavras: quando “saber o que você não sabe” é mais importante do que “responder com firmeza”, o valor de Jev aparece.

Como começar

Se você já utiliza uma plataforma de agregação de modelos, o custo de acesso é quase zero:

• OpenRouter: Jev foi lançado no catálogo oficial de modelos, nome do modelo typesafe/jev, altere o nome do modelo no código e você poderá alternar
• Gateway Vercel AI: Integração concluída em até 72 horas após o lançamento, distribuída via rede global Vercel, com baixa latência
• SDK oficial: TypeSafe fornece um console online (Playground) e documentação completa, suportando API HTTP, SDK Python e SDK JavaScript
• Pacote oficial de habilidades: TypeSafe abriu o código-fonte do armazém de habilidades no GitHub para ensinar os agentes de codificação a "perguntar todas as ambigüidades de uma vez" em vez de apenas fazer uma pergunta de cada vez.

Preço: US$ 0,042 por milhão de tokens para entrada, grátis para saída. Há também uma cota gratuita para novas contas experimentarem.

Diga algo calmo

Primeiro,Não é um substituto para modelos maiores. Jev é um modelo especializado de tomada de decisão. Não espere que ele tenha raciocínio aberto e recursos de geração de conteúdo. Seu valor é atingir o objetivo final de tomar decisões rápidas e confiáveis ​​com resultados possíveis claramente definidos.

Em segundo lugar,Em muitos casos, é necessário distinguir “de quem é o crédito”. Por exemplo, a demonstração do uso do navegador de busca de voos em 7 segundos é o resultado da cooperação de toda a cadeia de ferramentas, e todos os recursos não podem ser atribuídos a Jev. O próprio armazém de casos organizado pela comunidade também marca os limites das evidências – quais princípios são claros, quais efeitos precisam ser verificados e quais alegações carecem de base. Vale a pena aprender essa atitude.

Terceiro,Tenha cuidado com o sopro cego. Jev apareceu na tela uma semana após seu lançamento. A popularidade inclui valor técnico real e muitos elementos de marketing. O que você realmente precisa é executar suas próprias tarefas com ele e ver quanto atraso e dinheiro você economiza.

Mas uma coisa é certa:As aplicações de IA não são apenas uma questão de “geração”. Fora deste caminho, está a ser acrescentada a infra-estrutura do “julgamento”, há muito negligenciada. É difícil dizer se Jev é a resposta final, mas levanta as questões certas.

O grande modelo é responsável por escrever as respostas e Jev é responsável por tomar decisões - cada um desempenha suas próprias funções, o que é uma boa estrutura.

Referência: notas de lançamento oficiais do TypeSafe AI, biblioteca de casos Jev_apps (137 casos/11 tipos de uso), Wikipedia, análise técnica do DataCamp

Recentemente, um modelo diferente surgiu no círculo de IA – Jev. Não compete com GPT e Claude pelo trabalho de “escrever respostas”, mas concentra-se em uma posição negligenciada:fazer julgamento.

Dê-lhe uma situação atual, adicione uma pergunta ou um conjunto de opções, e o que ele retorna é a resposta a uma pergunta de múltipla escolha, uma pontuação ou uma probabilidade de sim/não - e então o programa a executa. A data de lançamento é 15 de setembro de 2026 (acesso antecipado limitado). A empresa por trás disso se chama TypeSafe AI. O fundador, Diogo Almeida, é um dos co-inventores do ChatGPT. A rodada inicial é de US$ 40 milhões, liderada pela DCVC.

O conceito parece abstrato, mas a comunidade reproduziu centenas de casos em uma semana. Escolha alguns dos mais interessantes e depois de lê-los você entenderá quais problemas eles resolvem.

Primeiro entenda a diferença entre ele e os modelos grandes comuns

A essência dos grandes modelos tradicionais é generativa: você pergunta e ele anota ficha por ficha. Sou bom em escrever artigos, raciocinar lógica e digitar código, mas quando me deparo com uma pergunta simples de múltipla escolha como "escolha uma dessas opções", torna-se um exagero - lento e caro.

Jev vai para o outro lado: é leveModelos de classificação e pontuação. Cada vez que você o chama, você fornece informações básicas e um conjunto de opções claramente definidas, e ele gera diretamente a distribuição de probabilidade dessas opções e retorna aquela com maior confiança. O atraso é de dezenas a centenas de milissegundos e o custo é apenas uma fração do custo dos grandes modelos convencionais.

TypeSafe nomeou-o oficialmenteModelo do Sistema Um—— Tomando emprestado o conceito de "Sistema 1" (intuição, julgamento rápido) em psicologia e correspondendo ao grande modelo de linguagem do "Sistema 2" (raciocínio lento e profundo). Os dados oficiais mostram que ele é 40-200 vezes mais rápido que o modelo líder de grande porte e o custo de entrada é de apenas US$ 0,042 por milhão de tokens.Saída gratuita.

1. Use-o para jogar: de Doom a 50 Subway Surfers

Este é o tipo de aplicação onde é mais fácil entender o valor do Jev - os jogos exigem a tomada de pequenas decisões muitas vezes por segundo, que é exatamente o seu ponto forte.

• Demonstração oficial: jogue Doom em tempo real. Jev toma cerca de 10 decisões de ação por segundo, controlando o movimento e os tiros do personagem.Uma hora de operação contínua custa cerca de US$ 7——Este número surpreendeu os engenheiros, indicando que a tomada de decisões em tempo real de alta frequência é viável
• Controle 50 Subway Surfers simultaneamente. O desenvolvedor @_MaxBlade construiu um ambiente automatizado para permitir que Jev controle 50 jogos ao mesmo tempo. Cada ação de mudar de faixa, pular e deslizar é uma pequena decisão. Supostamente completou todas as 50 entradas,Custo total inferior a um centavo
• Controlador Super Mario de código aberto. O sistema feito pelo desenvolvedor @faadilhshaik lê o estado estruturado do jogo diretamente da memória. Jev decide quando pular e quando acelerar. O projeto é de código aberto
• Corrida rápida Mate o Pináculo 2. O desenvolvedor chinês paulwei o usa para jogar jogos de cartas de estratégia. Ao usar modelos grandes nos primeiros dias, havia um atraso significativo entre as duas placas; depois de mudar para JevCada decisão leva apenas 0,7 segundos, o próximo comando pode ser enviado antes que a animação anterior seja concluída.
• Wiki Corridas. Outra demonstração oficial: partindo de um artigo da Wikipédia, navegando até o artigo alvo apenas contando com hiperlinks de páginas. Cada etapa pode enfrentar centenas ou até milhares de links candidatos, e Jev precisa escolher aquele que está semanticamente mais próximo do alvo – testando a capacidade de escolher entre um grande número de opções.

2. Simulação física: deixe o foguete pousar sozinho

Gosto particularmente deste caso porque prova que Jev é capaz de mais do que apenas jogar.

O desenvolvedor @uttkarsh_42 conectou Jev ao mecanismo de física MuJoCo para controlar um foguete que pousa verticalmente. Jev é responsável por decidir:Quando ligar, quantos motores ligar e quando mudar para atitude de pouso. Após 12 testes, o sistema pousou com sucesso. Um dos experimentos completos recebeu 245 ligações e relatou um custo de aproximadamente US$ 0,04.

Há também direção autônoma na simulação de cidade 3D: o desenvolvedor @jpschroeder integrou Jev à cidade virtual. Quando o veículo está em movimento, ele usa dados de sensores e condições da estrada para determinar a direção de condução, e o novo status é enviado de volta ao sistema após cada ação. Diz-se que toda a construção levou menos de uma hora.

3. Automação do navegador: pesquise voos reais em 7 segundos

Esta é uma das direções com maior valor de engenharia atualmente.

A equipe de uso do navegador lança apenas em Jev 3 diasDepois disso, o jev-ultrafast oficial integrado foi lançado e foi dito que obteve 2.700 estrelas no GitHub em dois dias. Ele divide as operações da página web em dois conjuntos de escolhas (ação + objetivo),Não são necessárias capturas de tela ou tokens multimodais, cada viagem de ida e volta produz apenas duas decisões.

O fundador Gregor Zunic compartilhou uma demonstração sem cortes da automação do navegador com tecnologia Jev, completando uma pesquisa de voo unilateral em um site real de uma companhia aérea,Todo o processo leva 7 segundos, o custo de chamada do modelo é de cerca de US$ 0,0039.

Existem vários semelhantes: controle de navegador Stagehand, jev-use de Cua, TipTour que usa CoreML + OCR para localizar o botão no Mac e deixar Jev selecionar o local do clique, navegador de controle de voz... Existem atualmente 13 casos nesta categoria, que é a categoria com mais casos.

4. Seja um “roteador”: ajude a selecionar o modelo adequado para a tarefa

Há um verdadeiro desperdício na era dos multimodelos: usar modelos caros para problemas simples é um desperdício de dinheiro. A baixa latência e o baixo custo do Jev o tornam muito adequado paraTriagem de trânsito.

• Roteador de código Claude: como na triagem de ordens de serviço, Jev primeiro determina a dificuldade da tarefa e o plug-in então seleciona o modelo de subagente e a força de raciocínio da sessão principal de acordo.
• Roteamento de dificuldade da missão Codex: Estime a complexidade lógica das tarefas de codificação antes da execução, a edição simples é perdida para modelos baratos e a reconstrução complexa de arquivos cruzados ativa modelos mais fortes - é relatadoReduza o custo total do modelo em mais de 60%
• Eve roteamento condicional/distribuição de solicitação: primeiro determine que tipo de modelo é necessário para o problema e, em seguida, entregue-o ao modelo apropriado para processamento.
• Divisão de agentes de codificação locais: Atribua tarefas simples, problemas complexos e tarefas de longo prazo a diferentes assistentes de IA

LangChain escreveu um artigo especial "Construindo cintos de segurança com Jev", apontando que a classificação e a lógica de roteamento na estrutura do agente estão tradicionalmente ocultas em várias implementações de código fechado. Um modelo geral de classificação de baixo custo como o Jev pode permitir que essa camada de lógica de tomada de decisão seja reutilizada em agentes de código aberto. Armin Ronacher, fundador da Sentry, também acredita que não é economicamente razoável usar grandes modelos generativos para tomar decisões de roteamento.

5. Segurança e Engenharia: Essas Obras Sujas Imperceptíveis

Esse tipo de aplicação não é chamativo, mas é o mais prático.

• Vercel substitui classificador de segurança de comando Shell: O engenheiro Pranit Sharma substituiu o classificador de segurança de comando shell interno baseado em OpenAI por Jev. É relatado5-18 vezes mais rápido, e a taxa de falsos alarmes é menor - a redução de falsos alarmes realmente melhora a precisão real do sistema
• Detecção imediata de injeção: A comunidade possui jev-mcp de código aberto (uma extensão baseada no protocolo MCP). Você pode usar o Jev para fazer verificação de fatos entre fontes, detectar ataques de injeção de prompt ocultos nos prompts do usuário e avaliar a relevância semântica do conteúdo recuperado.
• Compressão de contexto longa: fast-jev-compact usa Jev para avaliar rapidamente o valor de cada chamada de ferramenta, excluir logs inúteis enquanto retém estados-chave - o contexto é fácil de expandir quando os agentes de codificação executam tarefas longas. Este projeto também foi reconhecido pela equipe oficial da Jev
• Pré-seleção de relações públicas: Analise a lista de arquivos alterados e os resultados dos testes automatizados no pipeline de CI, avalie inicialmente se o PR é elegível para mesclagem e marque automaticamente PRs de alto risco e transfira-os manualmente

6. Pipeline de negócios: e-mails, ordens de serviço, atendimento ao cliente

O que esses cenários têm em comum é:Precisa tomar inúmeras pequenas decisões de forma rápida e consistente, usar modelos grandes é caro e lento.

• Classificação de intenção de e-mail comercial: Nikhil Mudholkar, CTO da BryoAI, comparou Jev e Gemini. A precisão absoluta do Gemini é um pouco melhor, masCusto por chamada 10 a 20 vezes maior. Mais importante ainda, Jev fornece distribuições de probabilidade calibradas, tornando mais fácil para os sistemas downstream definir limites de confiança
• Alocação de ordens de serviço e roteamento automático: Resumir a carta em informações importantes e entregá-la a Jev, selecionar a mais adequada em um grupo de equipes de negócios, substituir as frágeis regras regulares manuscritas
• Deduções repetidas e classificação do apoio emergencial: identifique rapidamente reclamações de alto risco (como deduções repetidas) em cenários financeiros de comércio eletrônico. Quando os clientes ficam emocionados ou solicitam reembolsos, eles serão rotulados como urgentes em milissegundos e despachados com prioridade.

7. Jogabilidade mais selvagem

• Gerar imagem pixel por pixel: O desenvolvedor @anshuc transforma a geração de imagens em um problema de classificação em nível de pixel - dando a cada pixel um conjunto de opções de cores e probabilidades, o programa gradualmente o preenche com a cor de maior probabilidade selecionada por Jev e, finalmente, desenha uma imagem de baixa resolução
• Transações automáticas na rede: Alguns desenvolvedores Web3 conectam Jev a bolsas descentralizadas, leem dados de profundidade de pedidos em tempo real e produzem apenas três ações: comprar, vender e manter. A comunidade considera que esta é uma das aplicações mais atraentes, mas os riscos também são óbvios em condições reais de mercado.
• Selecione componentes para a interface web: No projeto json-render, Jev seleciona componentes e organiza relacionamentos, e o programa reúne os resultados em uma interface renderizável - como blocos de construção.

8. Um resultado de avaliação digno de nota

Numa avaliação duplo-cega de pré-registro realizada pela PrimeLine, um detalhe é revelador.

Precisão absoluta de Claude Opus 5 e Haiku 4.5 em duas tarefas reaisComparável a Jev, ou ainda melhor inicialmente. Mas quando a avaliação permite que o modelo ignore amostras nas quais é menos confiável,Jev teve um desempenho superior em ambas as tarefas.

A razão é que a confiança que ele produz écalibrado, enquanto os modelos generativos gerais tendem a ser mal calibrados e excessivamente confiantes nos seus julgamentos. Em outras palavras: quando “saber o que você não sabe” é mais importante do que “responder com firmeza”, o valor de Jev aparece.

Como começar

Se você já utiliza uma plataforma de agregação de modelos, o custo de acesso é quase zero:

• OpenRouter: Jev foi lançado no catálogo oficial de modelos, nome do modelo typesafe/jev, altere o nome do modelo no código e você poderá alternar
• Gateway Vercel AI: Integração concluída em até 72 horas após o lançamento, distribuída via rede global Vercel, com baixa latência
• SDK oficial: TypeSafe fornece um console online (Playground) e documentação completa, suportando API HTTP, SDK Python e SDK JavaScript
• Pacote oficial de habilidades: TypeSafe abriu o código-fonte do armazém de habilidades no GitHub para ensinar os agentes de codificação a "perguntar todas as ambigüidades de uma vez" em vez de apenas fazer uma pergunta de cada vez.

Preço: US$ 0,042 por milhão de tokens para entrada, grátis para saída. Há também uma cota gratuita para novas contas experimentarem.

Diga algo calmo

Primeiro,Não é um substituto para modelos maiores. Jev é um modelo especializado de tomada de decisão. Não espere que ele tenha raciocínio aberto e recursos de geração de conteúdo. Seu valor é atingir o objetivo final de tomar decisões rápidas e confiáveis ​​com resultados possíveis claramente definidos.

Em segundo lugar,Em muitos casos, é necessário distinguir “de quem é o crédito”. Por exemplo, a demonstração do uso do navegador de busca de voos em 7 segundos é o resultado da cooperação de toda a cadeia de ferramentas, e todos os recursos não podem ser atribuídos a Jev. O próprio armazém de casos organizado pela comunidade também marca os limites das evidências – quais princípios são claros, quais efeitos precisam ser verificados e quais alegações carecem de base. Vale a pena aprender essa atitude.

Terceiro,Tenha cuidado com o sopro cego. Jev apareceu na tela uma semana após seu lançamento. A popularidade inclui valor técnico real e muitos elementos de marketing. O que você realmente precisa é executar suas próprias tarefas com ele e ver quanto atraso e dinheiro você economiza.

Mas uma coisa é certa:As aplicações de IA não são apenas uma questão de “geração”. Fora deste caminho, está a ser acrescentada a infra-estrutura do “julgamento”, há muito negligenciada. É difícil dizer se Jev é a resposta final, mas levanta as questões certas.

O grande modelo é responsável por escrever as respostas e Jev é responsável por tomar decisões - cada um desempenha suas próprias funções, o que é uma boa estrutura.

Referência: notas de lançamento oficiais do TypeSafe AI, biblioteca de casos Jev_apps (137 casos/11 tipos de uso), Wikipedia, análise técnica do DataCamp