REAL CASE FILES / 07
JEV 正在被
用来做什么？
从公开 X 原帖中整理真实实践：每个案例都保留作者、摘要、媒体和原帖链接，只做索引与中文解读。
CASE LIBRARY
202 个真实案例
数据整理自公开内容，案例数字与原帖表达可能随时间变化。
Jev可以在您的网页上生成打斗场景
Jev可以在您的网页上生成打斗场景。 它询问每个区块：楼层、按钮还是忽略？ 然后每个猎人都会问：追赶、等待、侧翼还是撤退？
让Jev在第一人称射击游戏中与OpenJev进行了战斗
让Jev在第一人称射击游戏中与OpenJev进行了战斗。
犹太民主党把我送进了兔子洞 现在我有144条YouTube上传内容在一个屏幕上变成了内容地图 这是我构建的概念# 来自4个人工智能频道的144个…
犹太民主党把我送进了兔子洞 现在我有144条YouTube上传内容在一个屏幕上变成了内容地图 这是我构建的概念# 来自4个人工智能频道的144个真实视频 - 缩略图形成一堵墙 - 标题按主题和挂钩标记 →墙重组成主题图 →三个视频创意结束了该序列 我最喜欢的部分：你可以看到想法背后的原始材料 这是一个概念演示，具有预先计算的基于标题的标签-而不是实时Jev跑步或速度基准 下一个实验：选择一个想法，构建它，展示结果 收藏本
Jev + Higgsfield =已解决genAI模型的自动路由问题
Jev + Higgsfield =已解决genAI模型的自动路由问题。 在此演示中，@typesafeai的Jev评估提示并挑选最适合在Higgsfield API上生成视频和图像的模型。
o modelo jev（paradoxo de jevons）com RLCD（用于校准决策的强化学习）da typesafe ai
o modelo jev（paradoxo de jevons）com RLCD（用于校准决策的强化学习）da typesafe ai
我们找到了Jev的完美用例：自动路由GenAI模型
我们找到了Jev的完美用例：自动路由GenAI模型。 想法：Jev为您的任务选择最具成本效益的型号，平衡速度和质量。 所有世代都使用Higgsfield API制作。
将Jev作为MuJoCo中的实时机器人政策进行测试 一开始它很困难，所以我将每次更新分成两个调用：决定下一步做什么，然后决定如何移动手臂和抓爪 …
将Jev作为MuJoCo中的实时机器人政策进行测试 一开始它很困难，所以我将每次更新分成两个调用：决定下一步做什么，然后决定如何移动手臂和抓爪 Jev不接受图像，它将简化的几何形状和联系人作为文本在这里
jev的另一个演示，用于~即时变量生成
jev的另一个演示，用于~即时变量生成
这是他妈的疯狂 Jev坐在GPT和我之间，在我看到之前就杀死了每一个违反我规则的草案
这是他妈的疯狂 Jev坐在GPT和我之间，在我看到之前就杀死了每一个违反我规则的草案。 然后杰夫没有回答。代理人决定保持沉默更安全，并停止向我发送任何东西。需要第二个探员才能把它弄开 你的检查器需要一个分支，因为它安静了： >让它通过标记未经验证，并继续移动 >将风险跨度交给大模型 '将其停放在队列中并在一分钟后再试 >当行为不可逆转时唤醒人类 70-500 ms 一个Jev电话，由TypSafe自己的号码拨打。当管道没有默认时，半秒检
国际象棋Jev vs GLM 5
国际象棋Jev vs GLM 5.3！ 结果： GLM 5.3被将军29步拿下 Jev：每次动作~ 0.3秒且<0.0001美元 GLM 5.3：每次动作~ 5.8秒，约0.008美元 整个游戏花费24美分 我的主要收获是，充分利用每个人的优势通常是有用的： 快速、定义明确的分类-Jev等专业车型 需要推理或前瞻的分类-GLM 5.3等LLM 真实分类管道-混合。Jev处理简单的电话，开放模式处理困难的电话。 未来是多模式的！
收件箱演讲者公告：@CompleteSkeptic首席执行官，@typesafeai Cloudflare Connect 立即注册：
收件箱演讲者公告：@CompleteSkeptic首席执行官，@typesafeai Cloudflare Connect 立即注册：
Jev将非常有助于代理在工作流程、数据分类、判断调用和企业中数百个其他用例中做出瞬间决策
Jev将非常有助于代理在工作流程、数据分类、判断调用和企业中数百个其他用例中做出瞬间决策。 以下是Box和Jev的快速演示，以实现这一目标。演示从Box中提取事件报告，询问其是否面向客户以及情况的严重程度，将文件移至升级、监视或审查文件夹，并使用结果设置元数据模板实例。这一切几乎立即发生，而且几乎没有任何代价。 您可以在保险索赔、合同管理、贷款处理、安全审查、客户日志分析等方面想象这一点。绝对是一种很棒的新AI用例。
Jev在www
Jev在www.example.com上以多个标准在28秒内以0.11美元的价格为3000
爱杰夫，但让它心烦意乱 - 不是开源的吗
爱杰夫，但让它心烦意乱 - 不是开源的吗？ - 缺乏视觉能力？ 我们通过引入 一个完全开源的库，可以接受任何HF模型并Jev-ify它，并带有API端点 现在在github上，并在@FeatherlessAI
Jev by @typesafeai将您的DeliverMac变成了人工智能代理
Jev by @typesafeai将您的DeliverMac变成了人工智能代理. 这对你意味着什么？ - Jev是ChatGPT共同发明者的一款新型号，可以实时操作计算机工具。 - 除了优化外，计算机使用速度更快200倍，便宜400倍。 - @MitosisLabs的Yappy是一款人工智能，它运行在您的Mac上，并并行执行多项任务。填写工作申请表、填写税务和其他文件、填写表格等等. - 对于Jev，所有这些事情都在眨眼间发生！ 以下
完全睡不着了
完全睡不着了....这个视频让你完全看懂JEV的恐怖能力 我实际演示了一下，用 JEV 和 DeepSeek 做同一个任务：从当天的海量实时新闻流里，为 15 个品牌快速匹配有没有适合借势的公关热点，并打上结构化意图分类标签 结果是：28 秒内，Jev 狂刷完了整整 428 条数据，并完成了全部的目标分解与分类；而同一时间跑在同样任务上的 DeepSeek V4.1-flash，才刚刚完成 6/428 条 速度被拉开了几十倍，答案甚至在
感谢@typesafeai jev，我不再在提示框上填写所有这些字段
感谢@typesafeai jev，我不再在提示框上填写所有这些字段。 它为我选择代理/型号/计算机/文件夹。 - 对于重大重写，它使用了Fable + Claude Code。 - 对在我的Mac上运行的iOS应用程序的更改
Jev已经在OpenRouter上了
Jev已经在OpenRouter上了！！ 它才推出一天，TypSafe仍然有等待名单。 OpenRouter有它，这就是我们运行它的方式。 定价太疯狂了。每百万个代币0.042美元，输出免费。 如何使用： - 在OpenRouter上注册并添加一些积分 - 制作API密钥 - 调用决策端点：/api/Alpha/decisions - 将模型设置为~typesafe/jev-latest - 向其发送“状态”（正在发生的事情）和“问题”
来自@typesafeai的Jev玩@BalatroGame
来自@typesafeai的Jev玩@BalatroGame。每手牌都会看到牌、小丑和盲牌，然后在约200- 500 ms内选择玩或丢弃。下注后，它也会购物。完整运行的费用不到一美分。
Jev让我们的Slack代理速度提高了2倍️ 我们的代理可能会相当慢，因为它需要阅读技能并弄清楚要调用哪些工具
Jev让我们的Slack代理速度提高了2倍️ 我们的代理可能会相当慢，因为它需要阅读技能并弄清楚要调用哪些工具。 我们使用@typesafeai的新模型来加速这一过程，首先向它传递提示，并在将其交给代理之前对要使用的最佳技能、工具和参数进行分类
今天玩了一下@typesafeai Jev，主要是为了了解它对工具调用的作用
今天玩了一下@typesafeai Jev，主要是为了了解它对工具调用的作用。 我没有让法学硕士决定该做什么，而是用Jev代替了这部分。 我的了解是，我们将能够让代理在用户完成句子之前采取行动。到目前为止，我们已经使用不同的LLM组合（非思考+思考）加上状态机设置，为最终用户获得正确的体验。 TLDR是为了更多地了解语音代理如何对部分音进行决策，而不是等待回合结束，以更低的成本。
Jev 是 ChatGPT 的创建者之一 Diogo Almeida 创建的新 AI ， 承诺比目前的模型快 200 倍 ， 便宜 400 倍
Jev 是 ChatGPT 的创建者之一 Diogo Almeida 创建的新 AI ， 承诺比目前的模型快 200 倍 ， 便宜 400 倍。 与法学硕士不同的是 ， 它不会逐字逐句地生成文本 ： 它在几秒钟内评估选项、做出决策并返回概率 ， 这可能会改变代理、推荐、安全过滤器和许多人工智能应用程序的工作方式。 # 人工智能 # 杰夫 # 聊天 GPT # 技术 # EDteam
这两天关于 Jev 这个模型的热度非常之高，甚至可以说是近半年我重点关注了英推以来，看到的原创内容密度最高的一次
这两天关于 Jev 这个模型的热度非常之高，甚至可以说是近半年我重点关注了英推以来，看到的原创内容密度最高的一次。 正好我过去一年一直在跑一个小项目，其中有一个环节就是要对每天出版的《人民日报》上的新闻做一个分类，判断每一篇文章中是否包含有湖北相关的元素。 一年跑下来，积累了接近 2 万 4 千条数据，其中判定包含的有 1800 条左右。在这些数据的基础上，我随机筛选了一个测试数据集，其中包含了 500 条判定包含的内容，以及 500
Jev创始人Diogo Almeida（前OpenAI）： “下一个时代不是克劳德·密码时代
Jev创始人Diogo Almeida（前OpenAI）： “下一个时代不是克劳德·密码时代。Claude Code仍然是援助时代的一部分- Jev是下一步 Jev速度快200，便宜400，幻觉为0。这是RLHF之后的事情” 在17分钟内，他解释了为什么你使用的每一个模型都有一个人形缺陷，为什么Jev更好 价值超过500美元的克劳德代码工程课程 观看今天，然后阅读如何真正提高自己x100与Jev在下面的帖子
JEV疯了
JEV疯了。 我们向它提供了400家公司和一份候选人简介。 它在12秒内预测候选人获得哪些工作的机会最大，分配置信度分数并检测工作与候选人的不匹配。 只需0.0005美元，它还可以对公司进行评分、分析您的经验、为您匹配合适的职位，并根据您的个人资料识别您最有可能获得的机会。 即将登陆@textbackdoor 评论“JEV”以抢先体验。
使用Jev @typesafeai的Doc-OCR路由器 一个由Jev驱动的路由器逐页查看PDF，决定哪些页面实际需要OCR，并在本地提取其余内…
使用Jev @typesafeai的Doc-OCR路由器 一个由Jev驱动的路由器逐页查看PDF，决定哪些页面实际需要OCR，并在本地提取其余内容。 结果：节省# OCR页面上的成本+速度
@typesafeai的jev不会生成文本，而是生成结构化输出 这使得它非常适合模型路由、工具选择/搜索和多种形式的护栏等分类任务
@typesafeai的jev不会生成文本，而是生成结构化输出 这使得它非常适合模型路由、工具选择/搜索和多种形式的护栏等分类任务！ 与执行相同任务的LLM相比，它的速度快且便宜得离谱
实时制作音乐，只需描述您想要的内容
实时制作音乐，只需描述您想要的内容。 我今天使用JEV和GPT-Live-1构建的演示
与Jev一起构建税务文件分类器
与Jev一起构建税务文件分类器。 我们使用我上个纳税季节建立的LLM管道获取了数千份税务文件。 直到今年四月，我还阅读了多篇文章，声称人工智能在税务文件分类方面失败。当时不是这样，现在又被证明是错误的。 Jev将我们100%的税务文件库归类为每页0.001美元。 比LLM设置便宜34倍，速度快6倍。 开源：
因此，我使用Jev from @typesafeai将迄今为止的每个人工智能模型在从S+到F的级别列表中进行了排名，进入通用智能的ULTIMAT…
因此，我使用Jev from @typesafeai将迄今为止的每个人工智能模型在从S+到F的级别列表中进行了排名，进入通用智能的ULTIMATE AI级别列表，赋予智能和性能很大的权重 接下来是超级排名！
从@typesafeai获得了一些乐趣，在手动和人工智能驱动的游戏之间无缝切换
从@typesafeai获得了一些乐趣，在手动和人工智能驱动的游戏之间无缝切换。 它的时钟2-3调用/秒在60 FPS，与~ 150毫秒的平均延迟。 最有趣的部分不是速度。它将游戏提炼成AI需要玩好的变量、动作和决策标准： 它是否冒着去加油的风险，或者保护球？什么时候回报值得冒险？ 有趣的时代即将到来！
ego Lite + Jev + DeepSeek Flash =愚蠢的快
ego Lite + Jev + DeepSeek Flash =愚蠢的快。⚡ 20个亚马逊产品决策3.71。 GPT-5.6索尔：54.45s 同样的任务。同样的结果。 两者均为10/10。 较少的推理。更快的决定。 1倍速度。
人工智能正在进化
人工智能正在进化。 杰夫可以随时携带武器。 我可以自由地说话，它（从可能性）知道我是否要求我的计算机做某事或喋喋不休地谈论其他事情。 没有唤醒词。 速度+可负担性+智能正在达到一个始终处于环境贾维斯风格的助理是可能的。 我喜欢我们要去的地方。 CNVS仍然是振动编码的未来。
e2e + jev from @typesafeai 我正在构建一个开源框架，用于使用代理运行e2 e测试
e2e + jev from @typesafeai 我正在构建一个开源框架，用于使用代理运行e2 e测试。支持Web，移动（和更多！） 即将推出：
是的，但Jev能进行多特工群吗
是的，但Jev能进行多特工群吗？ 企业解决方案可以在客户刷新浏览器之前自行修复现场制作？ (Demo人类放慢速度）
我将Jev添加到人工智能对冲基金中
我将Jev添加到人工智能对冲基金中。 我们现在可以获得前沿级别的交易决策，比LLM快100倍，而且便宜。 它的工作原理： 1 ·制定策略 2 ·挑选股票 3 ·与Jev进行回溯测试 系统现在运行时间为几秒钟，而不是几分钟。
Jev现在负责该账户的幽默
Jev现在负责该账户的幽默
jav @typesafeai - 我感到非常印象深刻🤩 真棒
jav @typesafeai - 我感到非常印象深刻🤩 真棒。我又编写了一个演示程序。我认为现在可以明显看到该模型的强大之处了……它能够识别真正有价值的内容。 活动一 - X射线模式：“一次提问，同时处理所有问题”——以简短的新闻稿为例，这种模式下在约1秒内可以完成67次评估，价格为0.0002美元；而对于较长的报告来说，可能需要在1.5秒内完成145次评估，价格为0.0005美元。由于不需要额外的代币，因此每增加一个问题，只需要支
我已经通过@typesafeai访问Jev大约30个小时了，我无法停止思考它可以在数百万个地方使用
我已经通过@typesafeai访问Jev大约30个小时了，我无法停止思考它可以在数百万个地方使用。🤯 与此同时，查看我制作的这个有趣的蛇游戏，其中2个Jev互相竞争以夺取奖杯🏆 在这里尝试一下网址www.example.com🔗 顺便说一句，这是开源的 低延迟使得制作如此有趣的项目成为可能，需要实时收件箱输入🚀
一个叔叔刚刚看了 1891 个广告 ， 他的能力为 12 美分
一个叔叔刚刚看了 1891 个广告 ， 他的能力为 12 美分。 好吧 ， 读给他们听不。他问了 JEV ， TypeSafe 的新型号 1，891 个广告 19 秒钟 → 0.12 美元 这不是一个总结。它是每一个广告标记在漏斗中攻击的位置和风格 ， 加上完整的帐户 X 光片 ： 你投资什么 ， 你重复什么 ， 你在哪里有漏洞 确切地知道你的竞争对手是如何销售的 ， 这要花费一整家机构的钱。现在比咖啡还便宜。 即将到来的 maxfus
jev是一款非常酷的产品 看到一篇关于jev的帖子并决定查看一下 这东西简直是金子，无论谁建造它，都是天才 吉普车是未来 在40秒内扫描了700…
jev是一款非常酷的产品 看到一篇关于jev的帖子并决定查看一下 这东西简直是金子，无论谁建造它，都是天才 吉普车是未来 在40秒内扫描了700多个现场广告，只花了我4美分。 如果你从事市场营销，这种疯狂的快速数据处理无疑是最好的事情。 通过Opus 5这样做将运行大约200万到450万个代币，花费15到50美元，需要10分钟到一个小时。这比Jev贵200到500倍，而且慢得多。
在@AgentConf Jev演示
在@AgentConf Jev演示
JEV对于竞争对手的研究来说太疯狂了
JEV对于竞争对手的研究来说太疯狂了！ 我们给了它Resilia的广告库 它在19秒内分类了1，891个广告，价格为0.12美元 顾客旅程步骤+广告风格 以及对账户的完整深入分析 即将登陆Maxfusion LCP
我做了一个Chrome扩展，可以让我自己写X算法
我做了一个Chrome扩展，可以让我自己写X算法。 它在我看到之前就把订婚诱饵、空钩和广告藏起来了。规则是简单的英语。@typesafeai的Jev在半秒内检查每个帖子。 有人想试试吗？
我和杰夫一起重建了我的工作爬虫
我和杰夫一起重建了我的工作爬虫。 任务：从一家公司的官方主页开始，找到职业，并找到与我的个人资料相匹配的工作。 之前，攻读LLM：~5分钟。 之后，与Jev：在我的测试中刚刚超过20秒。 每家公司对其网站的组织方式都不同。Jev识别职业切入点、选择要关注的链接、识别职位页面并根据我的个人资料对每个职位进行评分。 这就是Jev对我来说有意义的地方：自动化需要大量小决策，比在每一步呼叫LLM具有更快的响应和更低的成本。 将其包装为一项技能：
我给了jev 1，00，000英镑，以便以5倍杠杆进行漂亮的盘中交易
我给了jev 1，00，000英镑，以便以5倍杠杆进行漂亮的盘中交易。 这不是纸质交易，而是我的真实kotak账户上的真实资金投入使用。 经过一个相当绿色的早晨，今天我们到达了1，000点的硬停站。下周将继续调整策略，并随时向大家发布
很早就访问了@typesafeai Jev，并花了几个小时对其进行了改进
很早就访问了@typesafeai Jev，并花了几个小时对其进行了改进。 我不断碰到的问题是：代理跟踪可以告诉您运行了哪个工具，花费了多长时间，返回了什么，但永远不会告诉您代理实际上是否正在进行任何操作。一个代理编辑、测试和恢复同一个文件六次，在日志中看起来非常健康。 所以我制作了JevScope。它观察人工智能代理的工作，并询问Jev每一步实际上意味着什么，这是否与任务一致，是否进展，是否重复，是否陷入困境。每一步都是随着时间的推移
好吧，现在您还可以制作Jev自动拒绝cookie横幅和弹出窗口 以下是它在不同网站（gymshark、fashionnova、nyPost）上工…
好吧，现在您还可以制作Jev自动拒绝cookie横幅和弹出窗口 以下是它在不同网站（gymshark、fashionnova、nyPost）上工作的演示
杰夫疯了
杰夫疯了。 我们给了它一个在tiktok & ig上有1100多万个视频的库，并要求它找到病毒式的“bloom nutrition”内容。 在20秒内，它给了我们超过384个视频，分解了使每个视频病毒式传播的钩子，格式和角度。 (only代币使用成本为0.09美元） jev还查找、观看、分析和分解病毒式视频和创作者，然后根据经过验证的数据为您撰写简报和脚本。 目前在@virlomain + HCP中提供。 评论“JEV”以获取访问权限。
我访问了Jev并立即将其插入Claude Code，看看它是否真的解决了代理工作流程中最大的难题：上下文压缩 >结果：相当狂野 为那些错过它的人…
我访问了Jev并立即将其插入Claude Code，看看它是否真的解决了代理工作流程中最大的难题：上下文压缩 >结果：相当狂野 为那些错过它的人提供快速背景： 每个Claude Code会话都有一个上下文窗口，该窗口会快速填充工具调用（文件读取、grep输出、日志等）。 当它填满时，代理运行“压缩”-要求一个单独的LLM总结聊天。这是缓慢的，昂贵的，LLM经常丢弃重要的上下文或用垃圾膨胀摘要： fast-jev-compaction使用
在我看来，像JEV这样的模型将会带来巨大的改变
在我看来，像JEV这样的模型将会带来巨大的改变。目前的LLM模型模拟的是系统2的运作方式。对我来说，JEV的实现是过去几个月里出现的最新的概念之一。 虽然看起来没什么特别之处（只是一个动态分类器），但令人惊讶的是，要等待这样一个模型这么长时间。其实，一个通用的分类器，一个智能的“if”结构……在我的之前的文章中，我已经解释过这种模型的运作原理了。我可以访问@typesafeai和@CompleteSkeptic的API，因此我在自己的“
Jev释放了很多令人敬畏的新想法
Jev释放了很多令人敬畏的新想法。 我构建了一个macOS应用程序，可以监控我的下载文件夹以及一组可定制的规则。 下载的文件是发票吗？将其移动到具有正确文件名的特殊文件夹中。 不涉及其他LLM电话-只有Jev！
每个模特都想要这份工作
每个模特都想要这份工作。 速度最快的人说：“我明白了。” 推理模型要求更多上下文。 安全模型说：“绝对不。” Jev介入并将每个任务发送到其所属的地方。 Aria上的Jev决策每100万个输入代币花费0.04美元-没有加价。@完全怀疑论者 正确的任务。正确的模型。正确的决定。
使用@typesafeai的Jev，每次判定Local Whisper的文字生成，使Macbook的本地计算机的操作自动化，试着做了各种各样的事…
.使用@typesafeai的Jev，每次判定Local Whisper的文字生成，使Macbook的本地计算机的操作自动化，试着做了各种各样的事情! Chrome页面通过Browser Harness识别和操作，Slack和Notion通过Mac的Accessibility识别和操作。 实现仅限于Grok 4.6（因为Codex的限制）
JEV疯了
JEV疯了。 我们给了它700个高意图的线索和个性化的外展信息。 在40秒内，它预测了每条消息的表现，分配了一个置信度分数，并检测了引导消息的不匹配。 全部仅需0.09美元。 JEV还可以对潜在客户进行评分、分析购买信号、将每个潜在客户与最佳信息进行匹配，并根据数据识别最有可能执行的活动。 即将登陆@GojiberryAI+ HCP。 评论“JEV”以抢先体验。
Typesafe发布了一个不生成文本的模型，它打破了代理循环的成本底线 jev是他们所谓的系统一模型
Typesafe发布了一个不生成文本的模型，它打破了代理循环的成本底线 jev是他们所谓的系统一模型。你向它发送一个状态和一组问题，它会返回带有概率的类型化答案。没有令牌，没有采样，没有顺序解码。 路线|决定|守卫|下工具|观察|完成？ 它们报告称，分类任务的推理速度比同类LLM快20- 200倍，成本低40- 400倍。请求中的每个问题都是并行评估的，因此添加问题几乎不会改变延迟。 在两圈循环中，这意味着八个决定。需要计划的两个人仍然
🔥 卧槽了，jev 简直太适合 codex 用户了，强烈建议 codex 用户去尝试下 jev 因为 jev 非常适合需要快速进行复杂决策和评…
🔥 卧槽了，jev 简直太适合 codex 用户了，强烈建议 codex 用户去尝试下 jev 因为 jev 非常适合需要快速进行复杂决策和评估的场景，所以和 codex 的 computer use 功能简直是绝配。 直接把 jev 用作判官，指导 codex 快速操作你的电脑，既准确又节省 token。 要使用的话需要去官网申请👇，如何申请我已经录制好视频了，跟着操作即可
多亏了@typesafeai的Jev，我们现在有了大规模并行的基于浏览器的对抗测试套件，它试图打破每个版本
多亏了@typesafeai的Jev，我们现在有了大规模并行的基于浏览器的对抗测试套件，它试图打破每个版本。 而且很便宜
杰夫对广告研究非常着迷
杰夫对广告研究非常着迷。 我构建了一个工具，可以在1.5秒内对Meta上任何视频广告的每个镜头进行评分。 它在Maxfusion + @typesafeai上运行 我在不到3分钟的时间里就通过它推送了450多个广告。 它从Maxfusion上的研究实验室撤下所有广告商的实时视频广告。 Maxfusion观看了广告并给出了法医分析。 然后Jev对每个镜头进行评判并对整个广告进行评分。 它在1.52秒内做出了50次判断，价格为0.00028
我为Jev想到的9个用例 希望对你有用
我为Jev想到的9个用例 希望对你有用
卧槽，居然真有比Codex内置computer use更快的操作电脑的方式 我尝试用Codex+Jev打造了一个加强版computer use，…
卧槽，居然真有比Codex内置computer use更快的操作电脑的方式 我尝试用Codex+Jev打造了一个加强版computer use，我称之为「Jev Use」。比内置的更快更丝滑，token消耗却差不多 下面是我用「添加Mac日历事件」做了一个对比视频，同样的内容，明显可以看到Jev版本整体过程几乎无任何停顿😆
昨晚申请的 Typesafe AI 账号，半夜已通过审批
昨晚申请的 Typesafe AI 账号，半夜已通过审批！ 幸运之星在此感谢 @typesafeai @CompleteSkeptic 今天抽空写了个 Chrome 插件，通过 Jev 标注 X 平台中帖子内容的意图和概率。 实时判定，并将分类结果以标签的形式展示在时间戳的后面。 分类的类别包括诱导、挑拨、推销、机器生成、说服、娱乐、告知等。 Jev 太疯狂了，几乎秒响应，这在 LLM 上是无法感受到的。 而且我还未细调的情况下，它的分
自推出@thallyio以来，最受欢迎的请求之一是演示它的工作原理
自推出@thallyio以来，最受欢迎的请求之一是演示它的工作原理。所以它就在这里！ Thally可以在您的GitHub帐户上创建一个新的文档存储库，连接到其文档文档的产品以及其他需要随着产品的发展保持同步的辅助表面。 现在探索我们如何从@typesafeai中受益，使工作流程更加高效
Jev解锁了一种阻止AI代理旋转的新方法
Jev解锁了一种阻止AI代理旋转的新方法。 代理并不总是重复相同的操作。有时候，他们会基于同样的错误假设尝试不同的事情。 我围绕这个建立了一个语义断路器。 在一次卡住的运行中： 12次模特电话-> 4 19.9K代币-> 5.1K
我给了@typesafeai @SiliconHBO历史上最重要的二进制文件
我给了@typesafeai @SiliconHBO历史上最重要的二进制文件。 热狗或不热狗 尝试在这里： 由@render workshop提供支持
使用@typesafeai的Jev通过语音控制Figma 从第一行代码到录制此视频的总成本：0
使用@typesafeai的Jev通过语音控制Figma 从第一行代码到录制此视频的总成本：0.01美元 🤯
很多人没看懂爆火的JEV是什么
很多人没看懂爆火的JEV是什么？ 所以我做了一个 50 秒的演示视频，带大家把海外刷屏的 JEV 以及它背后的底层架构看透👇（见下方视频） JEV 是前 OpenAI、参与 ChatGPT / RLHF 的 @CompleteSkeptic（Diogo Almeida）创办 @typesafeai 后的第一款模型 他在 OpenAI 时发现了一个致命矛盾： 通过人类偏好微调（RLHF）训练出来的自回归大模型，存在严重的模式崩溃（Mod
刚刚黑了一个有趣的小项目- Skill Router（开放源代码）使用Claude和Jev @typesafeai 为什么
刚刚黑了一个有趣的小项目- Skill Router（开放源代码）使用Claude和Jev @typesafeai 为什么？我安装了约90个Claude Code技能，并使用了大约5个技能。其余的都很好，我只是忘记了它们的存在，而且克劳德不会单独接触技能，除非你叫它。 所以我给自己建了一个个人技能路由器：
@typesafeai jev玩Chrome dino
@typesafeai jev玩Chrome dino！ 该模型速度惊人！ - 平均响应时间：~ 280 ms - 花费1.16亿代币 - 成本？只要4.65美元。 - 这里输入的是一个铬亚军的快照 - jev用信心分数决定是跳跑还是闪避 如果您想尝试一下，请访问repo链接！👇🏻
我使用@typesafeai的Jev为我的Mac构建了一台语音控制计算机，它的速度有多快，真是太疯狂了
我使用@typesafeai的Jev为我的Mac构建了一台语音控制计算机，它的速度有多快，真是太疯狂了！ 我可以口述“打开笔记应用程序并创建.“我还没说完，应用程序就打开了。
杰夫疯了
杰夫疯了。 我们正在为物理人工智能构建以自我为中心的训练数据。Jev QA在3分钟内处理了58，643个动作标签。90美分。 Claude GPT型号的摩擦成本。
第一个Jev用例在Bannerbear上现场发布
第一个Jev用例在Bannerbear上现场发布！ 当名称略有不同时，模板和源之间的即时字段映射（例如） 模板 - 照片 - 名称 - 公司名称 数据源（例如Airtable） - 化身 - 全名 - 业务 Jev一次点击就知道了
在试用Jev时，我制作了一个Chrome扩展程序，它： - 收听您的YouTube音频（可选） - 检测是否进入赞助商细分 - 跳过它''…
在试用Jev时，我制作了一个Chrome扩展程序，它： - 收听您的YouTube音频（可选） - 检测是否进入赞助商细分 - 跳过它''''️ - 全部实时进行，每个视频的成本约为0.005美元 原型项目，BYOK，开源：
认识一下杰夫 （Typesafe的第一个“System One”模型） 谁知道人工智能的下一步将是让LLM过时…… 足够快的人工智能可用于实时应…
认识一下杰夫 （Typesafe的第一个“System One”模型） 谁知道人工智能的下一步将是让LLM过时…… 足够快的人工智能可用于实时应用 （包括实时玩《毁灭战士》） 我在哪里签名？
另一个疯狂的@typesafeai Jev例子： 预测电子表格 电子表格重新计算数字，而不是意义
另一个疯狂的@typesafeai Jev例子： 预测电子表格 电子表格重新计算数字，而不是意义。杰夫读到了意图。 在列的顶部输入“紧急”，当您输入时，它会发现您希望每一行在约100 ms内从“无需后续行动”到“紧急”评级。
没有替补的发布-替补 @typesafeai jev几乎立即完成路由
没有替补的发布-替补 @typesafeai jev几乎立即完成路由
#杰夫 原来蛇也不错
#杰夫 原来蛇也不错！ 也快！ 活了321招！ #demo #day_2 #类型_safe
克劳德把我和杰夫和剧作家结合起来寻找二手的
克劳德把我和杰夫和剧作家结合起来寻找二手的。每分钟阅读大约 26 篇文章 ， 并在 406 毫秒内决定如何处理每篇文章 他排除了那些不符合我正在寻找的东西 ， 为那些符合我正在寻找的东西出价 ， 甚至在出版物中缺少一些数据时给卖家发了一条消息。 整个搜索结果为 USD 0.00085 。换句话说 ： 用一美元 ， 你就可以查看大约 26000 篇文章。 一个终于可以比我们更快地浏览互联网的人工智能是一个游戏规则改变者
Jev示威2 根据演讲内容自动显示幻灯片
Jev示威2 根据演讲内容自动显示幻灯片。 它会自动显示与你所谈论的内容匹配的幻灯片。你可以在不触摸PC或指针的情况下查看页面，这可能意味着任何人都可以成为乔布斯吗？ 我很兴奋地看到，只有快速、廉价才能做到的事情竟然会扩散到这一点。
顺便说一句，这是你得到的，如果你问Jev玩我的世界与GPT-6阿斯特拉
顺便说一句，这是你得到的，如果你问Jev玩我的世界与GPT-6阿斯特拉。 我还是不敢相信
Jev by @typesafeai现已在OpenRouter上进行测试
Jev by @typesafeai现已在OpenRouter上进行测试。 Jev是System One车型。它不会生成文本，而是获取应用程序的状态加上输入的问题，并返回带有可能性的输入决定。没有SON提示、解析层，也没有任何可验证的东西。
杰夫疯了吗
杰夫疯了吗？ 这是杰夫与《粉碎兄弟》对抗自己 他正在控制所有4个不同的角色。 并真正决定什么是最好的 与自己对抗的举动 这一切都在几分之一秒之内 我使用了超过2200万个代币来玩这场比赛 而且只花了我几美分. jev不会取代gpt 6 astra 但其即时响应时间的可能性 层出不穷
哇，@typesafeai Jev是语音驱动UI的游戏规则改变者
哇，@typesafeai Jev是语音驱动UI的游戏规则改变者。响应性对于体验“感觉”正确真的很重要，这当然可以完成这项工作！ 这里的延迟不是最佳的，因为我在伦敦，并呼吁我们-西。不过，还是很爽快。 在本视频中，Jamcat正在使用Pipecat来协调驱动UI的命令代理（Jev）和语音代理（PhoneLLM）之间的实时切换，用于处理代生成以及（不在视频中）与用户讨论想法和会话设置。
您可以使用Jev实时组装界面
您可以使用Jev实时组装界面。 这是我与Astra一起破解的一个例子。 在这个演示中，Jev在大约1秒或更短的时间内将自然语言请求转化为UI计划。 它比Gemini 3.8 Flash和GPT 5.6 Luna快6倍。也更便宜。
在Jev，我们设计了一个传感器，可以实时观察对话
在Jev，我们设计了一个传感器，可以实时观察对话。 每一次你说。 ·探索收敛 解除未决 不同意不同意 更新并使会议状态可见 它也可以用于用户访谈的实时分析。
我使用Jev根据向我出售东西的可能性对YouTube用户最后100个视频进行了分类
我使用Jev根据向我出售东西的可能性对YouTube用户最后100个视频进行了分类. 它在12秒内分析并为每个视频分配销售意图分数，成本约为0.02美元 我还没有深入研究分数的准确性，但粗略一看，它看起来像是一个超级有前途的分类器模型
Jev + SuperX =病毒式传播已解决 每条帖子在~ 1内收到61个问题，费用为0
Jev + SuperX =病毒式传播已解决 每条帖子在~ 1内收到61个问题，费用为0.0004美元 >适合207位创作者的9，481篇真实帖子 >3次中有2次选择病毒帖子 >从不奖励回复诱饵 所以：写、评分、重写，在达到顶峰时停止。 免费，无需注册。在下面尝试一下#
速度和成本将支持以前不可能的用例
速度和成本将支持以前不可能的用例。 以下是我说话时实时决定拉出哪张幻灯片的快速演示，由@typesafeai Jev提供支持。 另外，抱歉我流鼻涕。我有点感冒。
到目前为止，您可能已经在您的时间轴上看到了Jev
到目前为止，您可能已经在您的时间轴上看到了Jev。 是的，这是一个速度快且便宜的型号。 但它与GPT-6 Astra、Fable 5.1和Deepseek v4.1 Flash相比如何？ 在本视频中，我将其与4项不同任务的顶级LLM进行了比较。它赢了吗？还是输了？让我们来看看。 本视频中所有内容的Jev总账单：0.49美元。 章 0：00简介 1：07 Jev到底是什么 2：57系统1与系统2思维 4：36 Jev玩毁灭战士 7：14
告诉我的hermes代理在我目前为OSS开发的iOS应用程序上测试@typesafeai Jev模型 赫尔墨斯把屏幕录下来，用电报发给我 我会继…
告诉我的hermes代理在我目前为OSS开发的iOS应用程序上测试@typesafeai Jev模型 赫尔墨斯把屏幕录下来，用电报发给我 我会继续对这个模型做更多的测试 这是输出
Jev为游戏收件箱开辟了多种可能性 我构建了Wordshift -第一款使用@typesafeai的Jev构建的语义类型赛车游戏 比喷气式飞机慢…
Jev为游戏收件箱开辟了多种可能性 我构建了Wordshift -第一款使用@typesafeai的Jev构建的语义类型赛车游戏 比喷气式飞机慢，比大象大，比猎豹快。 差异越大，您的汽车移动得越远。
完整的Jev 它是什么、如何用它构建以及它可以解锁哪些新应用程序 → 0：00简介 → 0：34杰夫解释道 -4：06 API设置 -5：59演…
完整的Jev 它是什么、如何用它构建以及它可以解锁哪些新应用程序 → 0：00简介 → 0：34杰夫解释道 -4：06 API设置 -5：59演示1：语音控制浏览器 → 11：33演示2：AI内存 → 17：27演示3：YouTube预测器
我用杰夫做了100个人物的观众来咆哮
我用杰夫做了100个人物的观众来咆哮。 每个斑点都有自己的个性，每次你说话的时候，它都会打电话给你，决定它是否对你感到厌烦。 每轮花费0.01美元。来自@typesafeai的很酷的模特！
jev决定在解决电车问题时牺牲一个人来拯救机器人
jev决定在解决电车问题时牺牲一个人来拯救机器人
在我们的发布视频幕后
在我们的发布视频幕后.幕僚长@justKDeng让我们的首席执行官@CompleteSkeptic保持正轨
我使用jev @typesafeai构建了一个SQL扩展，可以将普通英语转换为WHERE Clause jev的地方（人们“可以在家工作”） 每…
我使用jev @typesafeai构建了一个SQL扩展，可以将普通英语转换为WHERE Clause jev的地方（人们“可以在家工作”） 每一行都会被单独判断，不需要索引，也不需要嵌入。 尝试一下（请不要烧钱包）
找到了@typesafeai Jev的完美用例： 瞬时压实 2026年，为何压实仍是总结提示
找到了@typesafeai Jev的完美用例： 瞬时压实 2026年，为何压实仍是总结提示？ Jev可以通过对每个工具调用进行评分并删除不相关的内容来即时实现
所以我让杰夫完全控制猎鹰9级火箭 全面发射到着陆 代码中没有自动驾驶仪，没有脚本轨迹，没有安全否决权 每个决定都是由jev做出的（您可以在视频底…
所以我让杰夫完全控制猎鹰9级火箭 全面发射到着陆 代码中没有自动驾驶仪，没有脚本轨迹，没有安全否决权 每个决定都是由jev做出的（您可以在视频底部看到决定） 是的，它能够着陆助推器 而所有这一切只需要245个调用和0.04美元的API调用 对于SIM卡，我使用Mujoco 这些布局是42米助推器、425吨重、9台发动机、真实大气层、马赫数相关阻力、风和推进剂消耗 车辆每0.8秒就会崩溃一次，jev的判决发生在~1Hz的频率下，输出时间为
我向Jev进行了进化模拟，Jev是@typesafeai的一个小模型，可以用赔率回答输入的问题，而不是写文本
我向Jev进行了进化模拟，Jev是@typesafeai的一个小模型，可以用赔率回答输入的问题，而不是写文本。 两个DNA相反的物种。14代人。冰河时代。432个生物。 杰夫决定了谁幸存、谁交配以及是什么杀死了每个人。
我用全新的@typesafeai Jev建立了一个交易代理
我用全新的@typesafeai Jev建立了一个交易代理。您可以在这里尝试： 令我惊讶的是，该代理人能够交易2.405美元ETH，并获利约0.23%。虽然价格很低，但在城里测试新模式确实很疯狂。 @CompleteSkeptic你们是这样测试你的模型的吗？ 如果您也热衷于金融科技并积极研究，那么我们就#connect吧。
不得不尝试jev，所以我尝试了您对我的期望：图形提取 - 对每个具有语义意义的单词进行评分（1-5） - 也用ID标记相关词语 - 独特的高分单…
不得不尝试jev，所以我尝试了您对我的期望：图形提取 - 对每个具有语义意义的单词进行评分（1-5） - 也用ID标记相关词语 - 独特的高分单词列表 - 高分词图表
我通过@typesafeai抢先体验了jev，并决定构建一个小扩展，在我输入推文时对我的推文进行判断 它运行得非常快，可以对每个收件箱做出反应，…
我通过@typesafeai抢先体验了jev，并决定构建一个小扩展，在我输入推文时对我的推文进行判断 它运行得非常快，可以对每个收件箱做出反应，而且基本上是免费的，测试了一个小时后花了我半美分收件箱
今天 1
今天 1.迷你路由器/融合已上线。它通过@typesafeai对Jev的每个请求进行分类，然后路由到与任务类型和复杂性相匹配的精心挑选的模型。 2. Codex现在会在型号选择器中列出您的收件箱和我们的路由器。 3.修复了克劳德代码中未自动缓存的长提示。 接下来是BYOK、沙箱、计算传递和计算收益率。
Jev是ChatGPT联合发明者的一款新型号，可以实时使用计算机工具 目前它正在Orgo上的云中自己的计算机上玩Minecraft 这就是只有一…
Jev是ChatGPT联合发明者的一款新型号，可以实时使用计算机工具 目前它正在Orgo上的云中自己的计算机上玩Minecraft 这就是只有一辆Jev的样子，但想象一下： 一千个怎么样？ 或者十亿杰夫呢？ 每个人都在自己的云中计算机上共同工作，发现新科学、运行实验并设计新药。 这将比ChatGPT更大
杰夫疯了
杰夫疯了。 在40秒内，它分解了来自37个品牌的724个直播广告。 每个钩子每一种格式。报价. cta。意识阶段。着陆页不匹配。使用了9美分的代币。 (will在@stealads + mcp中可用）
Jev的真正用例
Jev的真正用例
受@typesafeai的启发，这是一个可供使用的与Jev兼容的公共API 它运行类似的开放模型（Qwen 3
受@typesafeai的启发，这是一个可供使用的与Jev兼容的公共API 它运行类似的开放模型（Qwen 3.6 - 35 B-A3 B），并且仅使用SGLang基数缓存来保留预填充重用/非常快速的并行系统生成-64个任务在1秒内。
现在我们正在做饭
现在我们正在做饭。得到@typesafeai的Jev + AXe控制iOS模拟器现在超快，使用LLM的成本的一小部分。这是改变游戏规则！
视觉版 Jev 来了 仿照着社区的思路，把候选结果映射成固定标签，prefill 完直接采样，限制输出 token，采用多模态的 qwen-3
视觉版 Jev 来了 仿照着社区的思路，把候选结果映射成固定标签，prefill 完直接采样，限制输出 token，采用多模态的 qwen-3.5-0.8B 4bit 量化部署在本地，16g m4 mbp 顺利运行 叠甲：这只是在 infer 层小小的复现一下 jev 的形式，肯定不如各种成熟推理框架效率高，也肯定不是 jev 的正在原理，但是作为 inference 的小入门仍旧是不错的 demo 如下 200ms 实现《三色货品分拣
typeGPU + ruNNtime + Jev @typesafeai是一个非常有趣的组合：D ruNNtime为我提供了高效的本地推理，Ty…
typeGPU + ruNNtime + Jev @typesafeai是一个非常有趣的组合：D ruNNtime为我提供了高效的本地推理，Typegu让推理和渲染直接以零副本共享图形处理器资源。这是3个独立的NN推断加上渲染，所有这些都是实时发生的 由于我们控制管道，Jev可以坐在中间添加语义位。 相机+麦克风| Moonshine + YOLO 26 + DepthART | Jev |灯光、阴影和绽放
Jev v1
Jev v1.13通过概率计算收件箱躲避火箭🚀 @typesafeai的新非LLM模型返回决策而不是文本，因此我们让它在火箭坠落时每330 ms计算一次安全瓷砖，并且它以不到一美分的价格幸存了26次中的25次 通过API运行Jev-
杰夫疯了吗
杰夫疯了吗？ 这是Jev以超人的速度玩《地铁跑酷》，同时也玩50场比赛。 进行这次运行的成本不到一美分。 Jev并没有取代astra或fable等llms，而是开辟了一个全新的能力世界。
好吧，Jev实际上可以很好地使用电脑 没有任何屏幕截图，或者LLM和没有像素离开我的Mac 我甚至没有读过Dom元素 本地CoreML模型分割了…
好吧，Jev实际上可以很好地使用电脑 没有任何屏幕截图，或者LLM和没有像素离开我的Mac 我甚至没有读过Dom元素 本地CoreML模型分割了屏幕上的每个按钮和UI元素。 设备上OCR读取标签。这条短信就是杰夫得到的全部内容。 它返回这些元素的概率，并告诉我最适合单击的元素。 然后它单击，重新运行检测，并再次做出决定。循环，直到目标完成。 每次决定~ 90 ms。比我尝试过的任何LLM计算机都快。 快速使用计算机，没有任何延迟 @ty
他们说你与地球上的任何人都相差六个连接
他们说你与地球上的任何人都相差六个连接。 所以我尝试了@typesafeai的Jev并构建了这个：输入您的X手柄和您想联系的人。它找到了一系列真正的关注联系，可以在2秒内将您的消息发送到那里！ 显然，卢克·天行者离我只有两个人之遥。 谁是你不可能的人？如果你想尝试，我可以删除下面的链接。@MarkHamill
如果你的幻灯片足够智能，可以自动导航，怎么办
如果你的幻灯片足够智能，可以自动导航，怎么办？👀 感谢@typesafeai提供访问Jev的权限！几周前我就有了这个想法，Jev觉得自己是这个任务的合适人选。 （抱歉，音频不好）
我把我的生活托付给Jev
我把我的生活托付给Jev
我使用typesafeai的jev来构建一个路由器模型
我使用typesafeai的jev来构建一个路由器模型。 你给出一个任务和你当前的人工智能订阅，jev会告诉你哪个代理/模型应该把它捡起来。 把这个和herdr搭配起来，这将是一个杀手组合 jev是一个超级快速的判断者，这是整个事情可能的缺失部分
无需等待输入即可调用函数
无需等待输入即可调用函数。仅在需要时回答。 @typesafeai Jev在您输入时理解意图和参数，然后在一切就绪后提前执行。
Jev + Kimi K3用于欺诈检测
Jev + Kimi K3用于欺诈检测！ TLDR：Jev在1.42秒内对100封电子邮件进行了分类，然后我将不确定的案件转发给Kimi K3。完整管道只需花费约0.07美元即可获得96/100的正确性。 视频未加速，查看实时运行！ 这是我的过程： 我给了Jev 100封电子邮件进行分类（50封合法电子邮件和50封欺诈电子邮件的混合物）。它在1.42秒内对所有这些进行了分类。 Jev的一个被低估的功能是，它会为您提供分类的置信度分数，因
Jev实现即时人工智能建议 在此应用程序中，每次编辑单元格时都会发生20多个智能检查，并立即提供警告
Jev实现即时人工智能建议 在此应用程序中，每次编辑单元格时都会发生20多个智能检查，并立即提供警告。 不需要LLM！
我刚刚构建了Easy-Jev，一个任何人现在都可以尝试的Jev演示
我刚刚构建了Easy-Jev，一个任何人现在都可以尝试的Jev演示！ 更改输入并实时查看分类变化。 我的硕士论文是关于分类模型的，所以看到非常有用的算法的现代化版本很有趣 Typesafe是正确的，因为LLM只是智能的一种方法，我认为随着时间的推移，我们将看到dif模型的混合体分解和分配问题的正确部分，总体使用更少的代币并依赖LLM来获得更少的答案。 我看好我所谓的“组合输入”方法：将一个陈述分解为一系列分类，并将每个分类路由到正确类型
Jev @typesafeai会把10
Jev @typesafeai会把10.000美元变成利润吗？ 让我们一探究竟！ 通过
介绍带有Code的论文LCP服务器
介绍带有Code的论文LCP服务器！ 为了庆祝它的发布，我请Claude Code通过@typesafeai使用“search_papers”工具研究Jev的架构。 这是它的结果： “如果Jev在架构上是任何公共的东西，那么它就是一个大型模式条件双向编码器，具有并行标签查询头（GLiNER/ML-Decoder形状），用适当的评分规则RL目标（RLCC形状）进行训练，扩展范围远远超过了这些论文操作的~ 150 M参数范围--“既不小，也
用Jev创建逻辑来预测下一个句子， 我做了一个应用程序，可以通过Jev的判断专业AI聊天，但首先它是爆炸性的，输入是0
用Jev创建逻辑来预测下一个句子， 我做了一个应用程序，可以通过Jev的判断专业AI聊天，但首先它是爆炸性的，输入是0.042美元/1 M令牌，但输出是无限的，是免费的。 什么是免费的人工智能聊天？这个。 哦，是吗？我可以做这个吗？“它变成了什么？ #Jev https：//t.co/h5LDG2tPpN
使用@typesafeai Jev构建了终极语法高光笔（我的意思是为什么不）
使用@typesafeai Jev构建了终极语法高光笔（我的意思是为什么不）。 它可以突出显示任何语言，甚至是我编造的语言。
建设变得更快了
建设变得更快了。味道并不是可以选择的。当该网站在第一天就必须看起来像一家严肃的公司时，像@typesafeai这样的前沿团队仍然会去Framer。
让Jev审查了我的公关
让Jev审查了我的公关。比Claude便宜约200倍，半秒内即可回复 视频中的6个真实PR。每人0.00007美元。1，000 PR = 7美分，Opus 5约为14.50美元 paste a diff → ONE call to @typesafeai → 14 typed check come back as probabilities： 硬编码的秘密，SQL注入，接触认证，删除测试，中断API，迁移，调试遗留问题，描述是否与差异实
今天早上我通过@typesafeai访问了Jev，并为此构建了一个很酷的用例 引入迪夫Jury-只需粘贴任何公共公关链接，Jev就会立即告诉您合…
今天早上我通过@typesafeai访问了Jev，并为此构建了一个很酷的用例 引入迪夫Jury-只需粘贴任何公共公关链接，Jev就会立即告诉您合并是否安全或是否需要审查收件箱 🔗随时在这里尝试一下- 想象一下Jev能够告诉您是否应该将PR与代码库的接地上下文合并。这就是我们在@graphify正在构建的内容👀 Jev的速度有多快真是令人着迷……模型架构本身就非常有趣，这开辟了大量新用例，我相信互联网会比任何人预期的更快地关注它
哇，这真的有效
哇，这真的有效！Jev现在让我用声音实时控制浏览器 >我说话 >已发送给杰夫的笔录 > jev在~ 300 ms内返回概率 >浏览器点击 费用：每次决定0.0002美元 我对这有多快感到震惊。当我要求它“回去”时，它甚至在我说完我的话之前就完成了请求
Jev的另一个有用用例来自@typesafeai - AI文本分类
Jev的另一个有用用例来自@typesafeai - AI文本分类。 非常接近@pangram，便宜6000倍，快5- 10倍 在@paulg文章中进行了测试！
昨天出的 Jev 模型 适合高频决策，那岂不又是适合打游戏
昨天出的 Jev 模型 适合高频决策，那岂不又是适合打游戏？ 之前用 GPT-6 Astra 代打杀戮尖塔2 能力强但速度慢。 我刚实测用 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😅 语言很难描述这感觉，看视频⬇️
杰夫在这里
杰夫在这里。 - 与LLM有什么不同？ - 引擎盖下是怎么工作的 - 有什么现实生活中的例子吗？ - 我应该什么时候使用它？ 我在下面回答所有问题：
这很酷
这很酷。我使用Jev来改进我的自定义内存系统。 结果： - 使用的代币减少了94% -2-3倍更快的内存检索 这只是一个快速测试，但我相信它开辟了很多新的机会。
如果你眨眼，你可能会错过它 Jev +计算机使用=比任何LLM快100倍 @typesafeai
如果你眨眼，你可能会错过它 Jev +计算机使用=比任何LLM快100倍 @typesafeai
我给了杰夫一只机器人手臂
我给了杰夫一只机器人手臂。 目标：绿框中的红色立方体。 陷阱：立方体遥不可及。 它抓起一个挂钩，将立方体拖得更近，放下挂钩，完成了工作。工具的使用从未被编程，模型刚刚决定。 速度足以运行机器人收件箱 @CompleteSkeptic @typesafeai @dotpem
我基于typesafe的jev创建了审核守卫 它的快速而准确 您可以进行现场演示：
我基于typesafe的jev创建了审核守卫 它的快速而准确 您可以进行现场演示：
与Jev一起构建了一个类似格莱美的Mac应用程序
与Jev一起构建了一个类似格莱美的Mac应用程序。 Jev是TypSafe的第一个“System One模型”，旨在快速、结构化的决策，而不是像LLM那样生成文本。 我想看看在真正的应用程序中感觉有多快。
让Jev、Claude俳句4
让Jev、Claude俳句4.5和Gemini 3.5 Flash精简版玩俄罗斯方块。同样的200件作品，同样的法律动作，实时。 Jev：9200分，75线，300 ms/移动，0错误 克劳德：8900分，72行，1.52秒/移动，0错误，0.48美元 双子座：9000分，75线，1.13秒/移动，0错误，0.02美元 Jev凭借得分获胜，每一步的速度比任何LLM快4- 5倍，基本上是免费的。这种差距不是模型更聪明，而是模型每次决策所做
我访问了@typesafeai的Jev模型并让它玩吃豆人 给定迷宫状态为SON，Jev决定Pac-Man在每个路口应该转向哪个方向，并实时玩
我访问了@typesafeai的Jev模型并让它玩吃豆人 给定迷宫状态为SON，Jev决定Pac-Man在每个路口应该转向哪个方向，并实时玩。 演示链接|
使用@typesafeai API执行零射击机器人任务 用简单的英语给它一个目标
使用@typesafeai API执行零射击机器人任务 用简单的英语给它一个目标。 Jev链接了一组硬编码的基元。 手臂做的事情。 无需培训。更多信息请访问
我用Jev @typesafeai构建了一个浏览器扩展，可以基于自然语言隐藏/折叠X上的帖子
我用Jev @typesafeai构建了一个浏览器扩展，可以基于自然语言隐藏/折叠X上的帖子。 它速度如此之快，以至于不引人注目，而且价格极其便宜……这一定是“广告拦截器”和内容防火墙的未来。
我让@typesafeai的新超高速模型Jev生成文本，尽管它不应该生成，这很好，因为我不能阅读，它也不能写 ** ** 最多20个单词，只需0
我让@typesafeai的新超高速模型Jev生成文本，尽管它不应该生成，这很好，因为我不能阅读，它也不能写 ** ** 最多20个单词，只需0.5美元，真是太便宜了
我得到了一个魔方，可以用@typesafeai的Jev自行解决，它像人一样解决这个问题，94步，而不是22步的最佳解决方案
我得到了一个魔方，可以用@typesafeai的Jev自行解决，它像人一样解决这个问题，94步，而不是22步的最佳解决方案。 Jev不是LLM，它只是在~ 250 ms内以一定的概率回答一个问题。因此，我将初学者方法放入代码中（您会在YouTube上学到的方法：白色十字、拐角、中间层、黄色层），在每一步中，Jev只是查看立方体并选择它处于哪种情况。代码检查每个选择。 约4秒的模型时间。视频被放慢了，所以你可以阅读它！
问杰夫任何事情
问杰夫任何事情。 请访问 它不会回答。它会判断。 让我们看看是否能解决100万个问题。 @typesafeai@ concius合作得很好。 @ hmarantjoyer @ CompleteSkepic @justKDeng @ mikeyee
让@typesafeai的Jev玩Minecraft Skyblack
让@typesafeai的Jev玩Minecraft Skyblack。 一个代理读取游戏状态并通过输入决策选择下一步行动。
朋友们 我得到了 jev 的早期访问， 并开始测试它， 我不得不说我真的印象深刻 请观看我录制的演示
朋友们 我得到了 jev 的早期访问， 并开始测试它， 我不得不说我真的印象深刻 请观看我录制的演示。 这绝对不是一个加速的视频。4 个杰夫正在互相玩 101 游戏， 看看游戏的速度。 追随我的人都知道。 多年来，每次新车型问世时， 我都会玩我们著名的 101 OK 游戏。 我的个人基准之一是玩101的AI模型。 “哈没有比这更好的基准进入我们的家。 因为 101 比看上去要难得多 模型首先需要理解游戏的规则， 然后在游戏中完全遵守这些
对于那些仍然不明白@typesafeai的Jev能做什么的人来说，这里是一个例子
对于那些仍然不明白@typesafeai的Jev能做什么的人来说，这里是一个例子。 Jev可以读取数十个结构化交易信号，然后做出明智的决策。 是时候让您的系统真正活跃起来了。 多么美好的时刻啊！
我们建立了一个机制，询问150个著名的Jev虚构的人物介绍该产品的意图
我们建立了一个机制，询问150个著名的Jev虚构的人物介绍该产品的意图。每150人在API中抛出12个问题。 实际花费的费用为1.8日元，花费的时间约为5秒钟。虽然速度足够快，但它包含了日本美国的延迟，所以应该更快https：//t.co/6lbFXY9jjH
🚨我使用Jev为特朗普与卡马拉的辩论提供了一个现场BS表 每句话，两位候选人，每人5个是/否问题 1，191个Jev呼叫/118万个代币/ 4…
🚨我使用Jev为特朗普与卡马拉的辩论提供了一个现场BS表 每句话，两位候选人，每人5个是/否问题 1，191个Jev呼叫/118万个代币/ 415 ms中位数 总成本：0.0497美元 两者的问题相同，剪辑由一个固定规则挑选，而不是事实核查
构建了@typesafeai的替代版本，但在@cerebras上使用Qwen 3
构建了@typesafeai的替代版本，但在@cerebras上使用Qwen 3.8 27 b。 相似的质量、相似的性能，但成本却截然不同。TypSafe便宜得多，而且在性能上确实击败了Qwen。 我认为我们最接近的是使用LLM。 资料来源：
建立' jev-review '@typesafeai 这是一个实验性的、本地优先的LCP插件，为编码代理提供跨不同指标的评分质量反馈循环
建立' jev-review '@typesafeai 这是一个实验性的、本地优先的LCP插件，为编码代理提供跨不同指标的评分质量反馈循环。 特工在工作时致电jev，获得评分，进行改进，并重复循环 尝试以下网址
杰夫实际上疯了
杰夫实际上疯了。 我们对它进行了基准测试，结果彻底改变了我们的游戏： > 500名实时代理 >并行运行 >在3D环境中 初步结果很疯狂： 平均延迟> 500 ms > 35个API调用/秒 >所有这些都是天真的实现 我们进行了0次优化！ 瓶颈不再是智能延迟。 这是第一个System 1 LLM。疯狂的时代。
@typesafeai用Jev构建了一个模型路由器
@typesafeai用Jev构建了一个模型路由器。 Jev决定哪种型号最适合您的请求，然后请求将发送给该型号。
我说话
我说话。法典点击。观看浏览器切换 该视频是1 x！速度 内置Jev浏览器：适用于现有Codex浏览器工具的开源适配器。自然地说出任务; Codex计划，Jev选择，浏览器移动。 @sama @OpenAI让这个本地化？@
昨晚做了一个愚蠢的实验：通过@typesafeai使用Jev（决策/分类器模型，而不是文本生成模型）来编写C++
昨晚做了一个愚蠢的实验：通过@typesafeai使用Jev（决策/分类器模型，而不是文本生成模型）来编写C++。 在每一步，我都会给它一组语法有效的下一个令牌，然后让它..选一个。没有自由形式的生成，没有幻觉的语法，纯粹是“从这个法律集中选择”。“它不是为此而建的，这就是它有趣的原因。 从根本上不生成文本的模型中获得了C++的工作部分。不要声称这是您应该如何编写代码，而且这比仅使用实际的代码模型更慢、更愚蠢。但这很好地证明了一个受足够
我使用Jev对1，018篇人工智能研究论文进行了分类
我使用Jev对1，018篇人工智能研究论文进行了分类。 结果：总成本为0.08美元，每张纸张的端到端延迟中位数为256 ms。 管道是： 1.使用DeepSeek V4 Flash总结每份论文 2.将标题+摘要+ 24个可能的主题发送给Jev 3.使用Jev对每张论文进行分类 4.在 @togethercompute上的摘要售价为3.99美元。@typesafeai上的分类费用为0.08美元。 因此，只需花费4美元多一点的推断，我最终找
使用GPT-6 Astra和@typesafeai Jev构建SO-101拾取和放置模拟
使用GPT-6 Astra和@typesafeai Jev构建SO-101拾取和放置模拟。 Astra读取头顶和手腕摄像机图像并产生结构化观察，Jev返回带有概率分数的输入决策。 单独的本地控制器执行运动并检查手臂是否保持在其极限内并为每一步做好准备。这些模型从不直接控制电机。 固定的拾取和放置顺序可能不需要这么多的决策。我将其用作观察不确定且系统需要决定是等待还是停止的情况的测试平台。
人工智能大新闻
人工智能大新闻. Jev启用这个麦克风，当您说话时可以静音BS @typesafeai
突破：浏览器使用+ Jev =超快收件箱 发现航班需要7秒，只需0
突破：浏览器使用+ Jev =超快收件箱 发现航班需要7秒，只需0.0039美元 >每一步都有新的行动空间 >多姆状态空间 >LLM小型回退到类型 (this视频速度为1倍（顺便说一句） 构建了一个小型开源浏览器代理。在下面尝试一下#
好吧@typesafeai熟了 Jev确实是构建LL M的下一个时代 今晚将此添加到Scappa
好吧@typesafeai熟了 Jev确实是构建LL M的下一个时代 今晚将此添加到Scappa
我刚刚完成了 @typesafeai + Chromium Headless 的实现 ， 这样我的代理就可以以很快的速度浏览互联网
我刚刚完成了 @typesafeai + Chromium Headless 的实现 ， 这样我的代理就可以以很快的速度浏览互联网! 在这个例子中 ， 我要求代理进入维基百科中的 "咖啡馆" 页面 ， 并浏览超链接 ， 直到它到达 "人工智能" 页面。 她在 20 秒内完成了测试。我认为在那个时候很少有人能做到这一点
“jev无法生成文本” 但杰夫有很多话要说
“jev无法生成文本” 但杰夫有很多话要说！ 我给了他几百个常用英语单词供他选择+标点符号
我认为jev对自动驾驶的影响可能是巨大的
我认为jev对自动驾驶的影响可能是巨大的
卧槽，JEV 的出现很可能就是自动智能交易的起点
卧槽，JEV 的出现很可能就是自动智能交易的起点。 昨天JEV在AI 圈刷屏，今天 Monad 工程师就用JEV做了一个自动交易机器人。 实时读取 MON/USDC 价格，JEV 不负责写分析报告，也不跟你解释一堆逻辑，它只做最核心的事，判断 Buy 还是 Sell，再给出置信度，然后直接把交易发到 Kuru 的链上订单簿执行。 这一下我突然明白 JEV 为什么要做成一个不会说话的模型了。 交易根本不需要 AI 每 300ms 给你写一
我可以接触Jev了
我可以接触Jev了！ 它可以根据网站访问者需要帮助的内容将他们路由到他们需要的页面！
最后我访问了@typesafeai（谢谢你们
最后我访问了@typesafeai（谢谢你们！） Jev +模拟器前瞻性清除《超级马里奥兄弟》1-1仅需0.04美元。 在这个设置中，Jev看不到像素：我将RAM解析为结构化状态、模拟控制器宏、过滤预测死亡，然后让Jev选择。已记录运行; API中断后从同一状态恢复。 权衡：RAM提供精确、可审计的观察，但我的适配器是特定于游戏的。回避视觉使这个实验变得更容易;它不能解决一般游戏代理的感知问题。 Jev的潜力是作为结构化观察和预测结果的
Jev解决了委托问题
Jev解决了委托问题
Jev VS寓言5
Jev VS寓言5.1 VS GPT-6阿斯特拉：国际象棋 typesafe的新Jev V13不是LLM。它不聊天，不解释，不写代码-它只做决定。所以我们让它和边境LLM玩闪电战 测试：5+0闪电战。一举一动都是一次API调用。 Jev V13 vs寓言5.1： ·寓言胜过它。第29步，材料上+16，甚至提拔了第二位女王 ·但分析时每次动作持续燃烧6-15秒。杰夫回答时间约为2.6秒 ·所以寓言没有足够的时间而迷失了 Jev V13 v
整个晚上都在理解这一点，所以Jev用34秒的时间讲述了这一点
整个晚上都在理解这一点，所以Jev用34秒的时间讲述了这一点。 非常兴奋能够和@typesafeai一起建造一些令人难以置信的东西，这真是一个活着的时刻..
我和Jev一起开发了一个交易机器人
我和Jev一起开发了一个交易机器人！ Jev根据资产对的价格信息决定是否应该“买入”或“卖出”，并执行真实交易。 它使用Monad每300 ms块在Kuru的链上订单簿上下订单。 演示链接|
早上醒来时，很早就可以访问@typesafeai，并且非常兴奋地尝试一下
早上醒来时，很早就可以访问@typesafeai，并且非常兴奋地尝试一下。今天早上上班前做了一个烹饪演示，其中typesafe在我的@threejs动作游戏中驱动了一位AI合作伙伴。可以看到右侧的日志实时跟踪人工智能决策。 Typesafe正在读取游戏状态并选择机器人的意图：何时参与、重组、生存或逃跑。 显然现在有点原始，但这就像是大约1小时的工作。我需要跑去上班，但天哪，我超级兴奋地在这个收件箱上再接再厉😄 今天早上大约10分钟的游
我用Jev在不到一个小时的时间里重建了特斯拉全自动驾驶
我用Jev在不到一个小时的时间里重建了特斯拉全自动驾驶。 该模型完全解锁。
测试@typesafeai 测试TypSafe作为人工智能游戏伴侣的决策层
测试@typesafeai 测试TypSafe作为人工智能游戏伴侣的决策层。 它读取玩家的消息和游戏上下文，然后返回动作、目的地和信心。游戏代码让角色行动。对话已预先编写; TypSafe决定接下来会发生什么。
Jev by @typesafeai非常适合无人机应用
Jev by @typesafeai非常适合无人机应用。15分钟就做好了，只花了10美分。 回购：
犹太人会开车
犹太人会开车！🤯 我将Jev连接到驾驶模拟器的原始控制系统，这段视频显示了他的实时驾驶。 实时是这里的关键。询问模型每50 ms要做什么，然后将其渲染为“实时”视频是一回事，但在这个模拟中，我想给Jev一个挑战，让他在一个永远不会停顿的模拟中实际控制移动的车辆。思考。
对于那些试图了解Jev和LLM之间区别的人+如何使用它
对于那些试图了解Jev和LLM之间区别的人+如何使用它
jev +内核浏览器使用演示 太酷了
jev +内核浏览器使用演示 太酷了！好快！ 自己尝试一下：
我很早就访问了@typesafeai的新Jev模型，并构建了一个玩俄罗斯方块的演示 发电速度如此之快，以至于正在将区块推倒 这感觉就像是另一个“…
我很早就访问了@typesafeai的新Jev模型，并构建了一个玩俄罗斯方块的演示 发电速度如此之快，以至于正在将区块推倒 这感觉就像是另一个“这改变了一切”的时刻
Jev解决了本地线束/模型布线 我使用Claude Code、Codex和Opencode的组合作为我的本地代理堆栈，并且始终在系统提示/规则中…
Jev解决了本地线束/模型布线 我使用Claude Code、Codex和Opencode的组合作为我的本地代理堆栈，并且始终在系统提示/规则中强制执行到其他安全带的路由 借助Claude Code可以在委托前决定的确定性挂钩，Jev帮助根据任务路由到正确的装备/模型，并且根据任务的强度/智能，它非常准确 >机械任务被路由到俳句 > Opus子代理的聪明人 >外部利用的长期实施工作
好吧，浏览器使用是合法的用例 代理浏览器Jev循环 目标：从“咖啡”到“人工智能”的维基竞赛
好吧，浏览器使用是合法的用例 代理浏览器Jev循环 目标：从“咖啡”到“人工智能”的维基竞赛
ChatGPT的联合发明人Diogo Almeida表示，他的新型号Jev比AI快193倍
ChatGPT的联合发明人Diogo Almeida表示，他的新型号Jev比AI快193倍。 Typesafe的Jev从不写文本。上下文输入，输入决定。是或否，而不是一篇论文。 您正在付钱给聊天模特，让他花9秒思考是或否。
@typesafeai jev在玩2048时比astra快5倍，便宜1000倍
@typesafeai jev在玩2048时比astra快5倍，便宜1000倍！尽管与astra和fable等最先进的模型相比，它（显然）并不擅长推理 接下来我们应该尝试什么？
typesafe的jev很有趣
typesafe的jev很有趣！您可以玩的实时演示：
使用@typesafeai jev @opencode测试应用程序将非常快 小演示：
使用@typesafeai jev @opencode测试应用程序将非常快 小演示：
我想知道@typesafeai Jev是否可以生成图像 这是Jev所说的向日葵的样子：
我想知道@typesafeai Jev是否可以生成图像 这是Jev所说的向日葵的样子：
@CompleteSkeptic的Jev Doom演示非常酷，所以在我等待访问时，我在@GoogleGemma的Gemma 4 E2 B上尝试了…
@CompleteSkeptic的Jev Doom演示非常酷，所以在我等待访问时，我在@GoogleGemma的Gemma 4 E2 B上尝试了同样的事情。 我的直接拍摄640 x 480帧，没有场景的中间文本描述。它在批处理操作查询中共享图像预填充，然后直接从日志中读取控件。 这有点有效。
ChatGPT的共同发明者刚刚推出了一款模型，该模型只需0
ChatGPT的共同发明者刚刚推出了一款模型，该模型只需0.114秒即可完成GPT Astra在8.5中的功能。 我将Jev连接到我在Astra上运行的构建的路由层：同样的任务很快在37分钟内完成，重新尝试的错误响应为零。 您向它提交一个情况和一份打印问题列表。 它同时并行回答所有问题，并为每个问题附加一个置信度。 没有思想链，没有代币一一流出。 您停止将一个SON blob解析回您的代码中并祈祷它能够验证，因为模型物理上无法在您定义的
我使用@typesafeai建立了计算机用途
我使用@typesafeai建立了计算机用途！它比opus 5便宜155倍，快20倍，并且适用于操作系统 在下面的vid线程中了解有关其工作原理的更多信息：
Jev可以通过并行预测每个像素来绘制图片
Jev可以通过并行预测每个像素来绘制图片
在Jev等候名单上
在Jev等候名单上？ 您可以在此处使用不是Jev（但足够接近）：
Jev （@typesafeai）我正在考虑如何在各种产品中使用它
Jev （@typesafeai）我正在考虑如何在各种产品中使用它。 当你做dnd的时候，它会自动告诉你分类的地方。 第一次有点晚，但之后是https：//t.co/2Z7K8FA9XI
硅谷十年前就预言了Jev
硅谷十年前就预言了Jev。
我和Jev一起从第一原理上获得了法学硕士学位 每个字符29个是/否问题：下一个键应该是a-z、空格、逗号还是句号
我和Jev一起从第一原理上获得了法学硕士学位 每个字符29个是/否问题：下一个键应该是a-z、空格、逗号还是句号？ 最高的概率得到附加到它，然后反馈更新后的文本在重复 一个由分类器组成的自回归循环
这是Jev上的45秒TL;DR
这是Jev上的45秒TL;DR。 我发现核心想法非常简单，但视频让它真的很难理解。 希望您发现这对您有帮助。
硅谷预测@typesafeai
硅谷预测@typesafeai
让@typesafeai的新模特Jev玩《超级马里奥兄弟》 快速推理+结构化输出使其非常适合实时用例
让@typesafeai的新模特Jev玩《超级马里奥兄弟》 快速推理+结构化输出使其非常适合实时用例。 我很高兴看到这些新型号可以做什么！
@typesafeai玩Minecraft，玩2分钟只需1美分（15万代币），自动知道在夜幕降临时躲避僵尸，无需提示
@typesafeai玩Minecraft，玩2分钟只需1美分（15万代币），自动知道在夜幕降临时躲避僵尸，无需提示
我越来越认为未来的软件将将控制流代码与用于“模糊”判断的小型神经程序相结合
我越来越认为未来的软件将将控制流代码与用于“模糊”判断的小型神经程序相结合。 这就是我一直在用ProgramAsWeights探索的内容，它回答了这些神经程序来自哪里的问题：它们是从英语描述中“编译”的。 例如，我将30个神经程序与决策树结合起来，构建了一个课程网站助手，它看起来像聊天机器人，但在本地运行。每个小程序都会处理诸如“这应该被路由到哪个专业回答者”这样的问题，代码控制整个流程。 您可以在这里尝试使用它进行构建：
对于开发人员来说，又一次精彩的发布：它比LLM快20- 200倍，因为它完全跳过了逐代币生成
对于开发人员来说，又一次精彩的发布：它比LLM快20- 200倍，因为它完全跳过了逐代币生成。 TypSafe AI刚刚推出Jev， > 20- 200倍快 >40- 400倍便宜（含免费输出代币） >针对决策进行优化的前沿可组合智能 因此，Jev是一个人工智能模型，旨在做出软件决策，而不是为人们编写文本。 正常的LLM通过顺序生成令牌来回答，因此软件通常必须请求结构化输出、解析它、验证它并决定接下来会发生什么。 Jev删除了翻译层：给
贾维斯终于来了吗
贾维斯终于来了吗？ TypSafe刚刚推出了Jev，这是一个结构化决策API，可以路由模型、对搜索结果进行排名并检查其他人工智能系统，而无需聊天机器人参与循环。 想象一下一个真正有效的Magic 8球：一个输入答案，带有赔率和信心分数。 这意味着他们可以： ·模型路由：将每个请求发送到正确的模式 · LLM输出检查：在用户看到弱答案之前标记弱答案进行审查 ·支持工作流程：对门票进行排序并决定自动化或升级哪些门票 刚刚实现的TypSafe
我们花了3年时间学习如何写提示 @typesafeai的Jev将大提示分解为您可以围绕的较小决策 你不是一个巨大的提示，希望模型一切顺利，而是问…
我们花了3年时间学习如何写提示 @typesafeai的Jev将大提示分解为您可以围绕的较小决策 你不是一个巨大的提示，希望模型一切顺利，而是问一些更小的问题： - 这很紧急吗？ - 这是账单吗？ - 人类需要这个吗？ 然后将答案合并到您自己的代码中 少一些提示，多一些建设
在共同发明ChatGPT后，我不断问自己：为什么超人聊天模型没有导致AGI
在共同发明ChatGPT后，我不断问自己：为什么超人聊天模型没有导致AGI？ 过去两年，我一直在秘密开发一种新的模型训练方法（RLCD），以及我们今天发布的一种新型前沿人工智能模型：Jev ·快20- 200倍 ·便宜40- 400倍（免费输出代币） ·针对决策进行优化的前沿可组合智能 AFAICT是实现基于人工智能的经济革命的最短途径