讨论墙

I tested Jev on 11,700 decisions. Cost: $0.59. When it says '90% confident', it's right 90% of the time. This calibration thing is for real.

大多数谈论 JEV 的人从未读过定价页面之后的任何内容。以下是文档中真正隐藏的 10 件事:并行采样器、硬上限、state 污染、Vercel SDK 上 confidence 的位置、批处理的真实节省……

最让我感兴趣的不是它只是更快或更便宜,而是它改变了 AI 优化的目标。RLHF 让 AI 在理解、回应甚至取悦人类方面变得极其出色,但人类的偏好并不等同于真理。AI 的下一个阶段可能不是关于听起来更像人类。

免费

我们把 Jev 与 LLM 评判员在准确性、可重复性、延迟和成本方面进行了测试,看看 System One 模型能否为代理评估提供新方法。结果显示 quality-score variance 比 GPT/Claude 低 92–913 倍。

一旦你试了 Jev,你就再也回不去了

Jev 新手终极保姆级教程,一次学会全部概念与使用方法。详细调研、按步骤走进去之后,写成这份教程,希望帮到更多像我一样的小白,把这个判定模型真正用起来。

拿到 Jev,然后呢? Jev 到底能干什么:剔掉虚火之后的一份真实落地清单。文章只做三件事:说清 Jev 是什么、不是什么;把真正跑通的案例按用途分类;把水分讲明白。

It's Jev, not Jev

如果你是投资者并建议提价,你将会有一个非常糟糕的时光

Jev Clearly Explained. We have been using LLMs like a hammer for every AI problem, even simple decisions. Jev handles those decisions in milliseconds at a fraction of the cost.

100 倍提升不是模型本身,而是您放置它的位置。通过删除那些根本不需要语言模型的调用来获得它。这 6 步升级路径,今晚从压缩开始,明天就能在账单上看到效果。

毫不讽刺地超级赞同!让 AI 成为后台技术,让软件变得有趣且强大

如何用上Jev:1、官网申请加入waitlist,基本上申请当天能过。2、告诉你的Codex:安装npx skills add typesafe-ai/skills –skill typesafe-ai。3、回到操作台,建立API Key。4、在 prompt 里说一句 'use the TypeSafe skill'。试了下,Jev 是真的快!

是的!内部将这个用例称为'暗数据':大数据时代遗留下来的残余,当时每个人都期望从中获取价值,但却无法提取出来……当智能的成本下降时,突然间,你就能分析更多的数据!

昨天出的 typesafe.ai Jev 模型适合高频决策,那岂不又是适合打游戏?实测用 Jev 打,行动思考只需 0.7秒,画面我都没看清它就操作完了。这超人类游戏速度,着实又让我震惊瘫坐了😅

我们正式走出隐身模式!加入前沿行列,并在我们的网站上获取 Jev 的访问权限(链接在个人资料中)

在共同发明 ChatGPT 之后,我一直问自己:为什么超人类聊天模型没有带来 AGI?过去 2 年,我一直在隐秘中构建一种新的模型训练方法(RLCD),以及一种新型的前沿 AI 模型,我们今天发布:Jev。速度快 20-200 倍,成本低 40-400 倍(输出令牌免费),针对决策优化的前沿可组合智能。