X / Twitter6

Jev 模型能力展示

多条内容集中展示 Jev 模型的超高速判断与多场景能力:用邮件分类任务对比 Luna、Sonnet、Flash 等高速模型并遥遥领先;40 秒拆解 37 个品牌 724 条在线广告,仅用 9 美分 token;通过 Claude 集成 Playwright 搜索二手车,每分钟读约 26 条、单条决策 406 毫秒,成本 0.00085 美元;以超人速度同时玩 50 局 Subway Surfers,成本不到一美分;@o_kwasniewski 正构建结合 e2e 测试与 @typesafeai Jev 的开源框架,支持 Web 与移动端。相关内容还包括 Jev 是模型新方向、新范式,配合 OpenCLI 使用体验极佳,未来可用于大规模召回、AI 推荐系统、实时交易等场景。

@o_kwasniewski

开发者@o_kwasniewski宣布正在构建一个用AI代理运行端到端(e2e)测试的开源框架,结合e2e与来自@typesafeai的jev,支持Web、移动端等,即将发布。

X / Twitter查看原文 →

@usutaku_channel

@usutaku_channel 为验证当下热门「Jev」的判断速度,用邮件分类任务对多家 AI 高速模型 Luna、Sonnet、Flash 进行对比测试,Jev 结果遥遥领先。

X / Twitter查看原文 →

@TheMattBerman

@TheMattBerman 称 Jev 在 40 秒内拆解了 37 个品牌的 724 条在线广告,仅用 9 美分 token。

X / Twitter查看原文 →

@AlanDaitch

@AlanDaitch 称用 Claude 将 Jev 与 Playwright 集成用于搜索二手车,每分钟读约 26 条、单条决策 406 毫秒。

X / Twitter查看原文 →

@_MaxBlade

@_MaxBlade 称 Jev 表现惊人,能以超人速度玩 Subway Surfers 并同时玩 50 局游戏,成本不到一美分。

X / Twitter查看原文 →

@jakevin7

@jakevin7 称赞 Jev 是模型新方向、新范式,并用 OpenCLI 配合 Jev 使用。

X / Twitter查看原文 →

数据由 GitHub Actions 每小时自动抓取 · AI 摘要聚合 · News Monitor