Jev — новая нейросеть, которая не умеет писать текст, но переворачивает всю индустрию.
Пока ChatGPT, Claude и Gemini соревнуются в генерации всё более сложных ответов, создатели Jev полностью отказались от генерации и научили модель одному — быстро принимать решения.
Идея бывшего исследователя OpenAI Диогу Алмейды в том, что во многих задачах от нейросети вообще не нужен текст, нужен только выбор. Поэтому Jev построили на новой архитектуре для прямой связки кода и ИИ.
Обычная LLM последовательно генерирует токены. Jev получает состояние системы — текст, JSON, диалог или данные приложения — и набор конкретных вопросов с заранее заданными вариантами ответа. На выходе сразу возвращает решения и их вероятности: срочно ли письмо, в какой отдел его отправить, какое действие выполнить агенту. Причём сотни таких решений можно считать параллельно.
По данным создателей, Jev работает в 20–200 раз быстрее и обходится в 40–400 раз дешевле обычных LLM.
Поэтому Jev уже начали пихать буквально везде.
Видео 1: в виртуальной примерочной он слушает человека и в реальном времени (!) примеряет на нём одежду.
Видео 2: В SEO-аудите за 45 секунд модель проверила 586 страниц и приняла 8 790 решений о внутренних ссылках за $0,21.
А один разработчик за вечер собрал на Jev полностью автономного торгового бота: тот получает биржевые и ончейн-данные и в реальном времени решает, какие сделки совершать. Пока что бот потерял ему $31 680 — никто же не говорил, что это модель для трейдинга
Поэтому особенно интересна связка LLM + Jev. Представьте автономного AI-агента: Claude ставит цели и решает сложные задачи, а Jev между ними принимает тысячи мелких решений — куда нажать, какой инструмент вызвать, безопасно ли действие и когда снова нужен Claude. Дорогая модель становится мозгом, Jev — быстрым слоем управления. Тот же принцип применим к приложениям, играм, роботам, рекомендациям, модерации, рекламе и тд.
The Open Ai
Пока ChatGPT, Claude и Gemini соревнуются в генерации всё более сложных ответов, создатели Jev полностью отказались от генерации и научили модель одному — быстро принимать решения.
Идея бывшего исследователя OpenAI Диогу Алмейды в том, что во многих задачах от нейросети вообще не нужен текст, нужен только выбор. Поэтому Jev построили на новой архитектуре для прямой связки кода и ИИ.
Обычная LLM последовательно генерирует токены. Jev получает состояние системы — текст, JSON, диалог или данные приложения — и набор конкретных вопросов с заранее заданными вариантами ответа. На выходе сразу возвращает решения и их вероятности: срочно ли письмо, в какой отдел его отправить, какое действие выполнить агенту. Причём сотни таких решений можно считать параллельно.
По данным создателей, Jev работает в 20–200 раз быстрее и обходится в 40–400 раз дешевле обычных LLM.
Поэтому Jev уже начали пихать буквально везде.
Видео 1: в виртуальной примерочной он слушает человека и в реальном времени (!) примеряет на нём одежду.
Видео 2: В SEO-аудите за 45 секунд модель проверила 586 страниц и приняла 8 790 решений о внутренних ссылках за $0,21.
А один разработчик за вечер собрал на Jev полностью автономного торгового бота: тот получает биржевые и ончейн-данные и в реальном времени решает, какие сделки совершать. Пока что бот потерял ему $31 680 — никто же не говорил, что это модель для трейдинга
Поэтому особенно интересна связка LLM + Jev. Представьте автономного AI-агента: Claude ставит цели и решает сложные задачи, а Jev между ними принимает тысячи мелких решений — куда нажать, какой инструмент вызвать, безопасно ли действие и когда снова нужен Claude. Дорогая модель становится мозгом, Jev — быстрым слоем управления. Тот же принцип применим к приложениям, играм, роботам, рекомендациям, модерации, рекламе и тд.
The Open Ai