Video is unavailable for watching
Show in Telegram
Тихий переворот в автоматизации
Каждую неделю выходят новости о моделях, которые чуть лучше для своих задач, чуть обученнее, с новыми инструментами. Всё это «гонка вооружений» на одном поле генеративных моделей, которые много думают при работе над каждой задачей.
В эксплуатации их размышления стоят дорого.
15 сентября Диого Алмейда (соавтор техники дообучения, из которой вырос ChatGPT) выпустил модель Jev, которая отвечает решением, а не словами.
Ей отдают состояние программы и список допустимых вариантов.
Она возвращает один из них и степень уверенности в ответе.
Делает это в 20–200 раз быстрее обычных LLM и в 40–400 раз дешевле.
Диого в своём стартапе стремится изменить рынок сервисов, дав им возможность использовать под капотом умную, быструю и дешёвую нейронку, которая подходит под автоматизацию. Тем самым изменив устройство SaaS-приложений, которое, по его словам, не менялось с 2019 года.
И я с ним согласен: часто нам нужны конкретные решения в сервисах, а не абстрактный текст и размышления.
За одну неделю энтузиасты нашли применение Jev в своих задачах:
🟠 724 рекламных объявления от 37 брендов разложены по хукам, офферам и расхождению с лендингом за 40 секунд и 9 центов
🟠 Весь почтовый ящик SpatialChat получил оценку каждой переписки: кому, почём и чем закончилось
🟠 1 597 постов канала, четыре мегабайта текста, рассортированы по темам за минуту и восемь центов
🟠 Мод для Claude Code держит скиллы вне контекста, пока Jev не решит, какой из них нужен для запроса (экономия токенов и времени)
🟠 А кто-то собрал RTS на Unity, где юниты обходятся без прописанных правил поведения: каждый сам решает, выполнять приказ или отступить
Вроде новости проходные, «очередной кейс применения нейронки», но фактически — огромная разница в цене, скорости и отсутствии выдуманных ответов (всегда один из предложенных).
И такой класс нейронок станет свежим воздухом для автоматизации.
Каждую неделю выходят новости о моделях, которые чуть лучше для своих задач, чуть обученнее, с новыми инструментами. Всё это «гонка вооружений» на одном поле генеративных моделей, которые много думают при работе над каждой задачей.
В эксплуатации их размышления стоят дорого.
15 сентября Диого Алмейда (соавтор техники дообучения, из которой вырос ChatGPT) выпустил модель Jev, которая отвечает решением, а не словами.
Ей отдают состояние программы и список допустимых вариантов.
Она возвращает один из них и степень уверенности в ответе.
Делает это в 20–200 раз быстрее обычных LLM и в 40–400 раз дешевле.
Диого в своём стартапе стремится изменить рынок сервисов, дав им возможность использовать под капотом умную, быструю и дешёвую нейронку, которая подходит под автоматизацию. Тем самым изменив устройство SaaS-приложений, которое, по его словам, не менялось с 2019 года.
И я с ним согласен: часто нам нужны конкретные решения в сервисах, а не абстрактный текст и размышления.
За одну неделю энтузиасты нашли применение Jev в своих задачах:
🟠 724 рекламных объявления от 37 брендов разложены по хукам, офферам и расхождению с лендингом за 40 секунд и 9 центов
🟠 Весь почтовый ящик SpatialChat получил оценку каждой переписки: кому, почём и чем закончилось
🟠 1 597 постов канала, четыре мегабайта текста, рассортированы по темам за минуту и восемь центов
🟠 Мод для Claude Code держит скиллы вне контекста, пока Jev не решит, какой из них нужен для запроса (экономия токенов и времени)
🟠 А кто-то собрал RTS на Unity, где юниты обходятся без прописанных правил поведения: каждый сам решает, выполнять приказ или отступить
Вроде новости проходные, «очередной кейс применения нейронки», но фактически — огромная разница в цене, скорости и отсутствии выдуманных ответов (всегда один из предложенных).
И такой класс нейронок станет свежим воздухом для автоматизации.