Jev: не LLM, а быстрый и дешёвый классификатор решений

Что в ролике
Тем, кто устал от потока новых LLM, стоит присмотреться к Jev — это не генеративная модель, а «система один», которая не пишет текст, а принимает решения, выбирая из заданных вариантов. Модель обучали по алгоритму RLCD (reinforcement learning for calibrated decisions) вместо привычного RLHF, и она выдаёт не только ответ, но и уверенность в нём. Jev обещает 0% отказов при выдаче структурированного вывода, работает в 20–200 раз быстрее и стоит в 40–1000 раз дешевле больших языковых моделей. Автор показывает, как Jev играет в его собственную игру на localhost, принимая решения о действиях с руками, убранными с клавиатуры, и как за $0,004 прогоняет десятки тестов маршрутизации между моделями со средней задержкой 0,2 секунды. Другие примеры: Jev играет в Doom и Pong, управляет браузером вместо LLM в инструментах типа Playwright или Vercel AI agent browser CLI, а также выполняет классификацию и маршрутизацию pull request'ов в его open-source проекте Arkon. Критики говорят, что классификаторы существуют десятилетия, но автор подчёркивает: Jev универсален, а не заточен под одну задачу, и может отвечать даже на субъективные вопросы вроде «в какой стране самые крутые здания». Попробовать модель можно через OpenRouter или напрямую на typesafe.ai, где автор прошёл waitlist за день.
Практика
- Что получишь
- Поймёте, чем Jev отличается от LLM и где его встраивать в свои автоматизации: классификация, маршрутизация, игры, браузерная автоматизация.
- Первый шаг
- Зарегистрироваться на OpenRouter, найти модель Jev и прогнать простой пример маршрутизации или классификации из песочницы Typesafe.
- Цифры
- —0% — заявленный Jev уровень отказов при выдаче структурированного вывода
- —20–200 раз — во столько Jev быстрее LLM при принятии решений
- —40–1000 раз — во столько Jev дешевле LLM
- —$0,004 — столько стоили десятки тестов маршрутизации между моделями (4/10 цента)
- Честно
- Видео спонсировано Firecrawl, в описании партнёрская ссылка; сам Jev не спонсор. Автор продвигает свой open-source проект Arkon, в котором использует Jev. В пересказе нет готовых скриптов: команды и визуализации показаны на экране, для повторения нужно смотреть ролик или репозитории из описания.
Если слова незнакомы — 4 терминов
- LLMбольшая языковая модель, генерирующая текст
- RLHFобучение с подкреплением на основе обратной связи от людей — стандартный метод для генеративных моделей
- RLCDобучение с подкреплением для калиброванных решений — новый метод Jev
- структурированный выводответ в строгом формате, например JSON, а не свободный текст
Связки из этого ролика
4 шт.- Jev + LLMs
- Jev + OpenRouter
- Firecrawl + MCP
- Arkon + Jev + LLMs
Компоненты
13 шт.Формат: обзор · для практикующих · уверенность разметки 0.8 · источник