Was Menschen mit Jev bauen

Jev ist IRRE. In 40 Sekunden hat es 724 aktive Anzeigen von 37 Marken aufgeschlüsselt: jede Hook, jedes Format, Angebot, CTA, Awareness-Phase und Landingpage-Abweichung. Es hat Tokens im Wert von 9 Cent verbraucht. (Wird in @stealads + MCP verfügbar sein) h… https://t.co/II1T9hy5tg

63.5万 views · 5.5k likes · 7.5k saves

Abgleich von Jobs und Kandidaten

3.7万 views · 553 likes · 543 saves

Jev ist irre 🤯 Hier spielt Jev Subway Surfers mit übermenschlicher Geschwindigkeit und gleichzeitig 50 Spiele. Dieser Lauf kostete weniger als einen Cent. Jev ersetzt keine LLMs wie Astra oder Fable, sondern eröffnet eine … https://t.co/T9QrLKmUcG

24.3万 views · 3.4k likes · 1.6k saves

Echtzeit-Sprachsteuerung für einen Browser

25.8万 views · 3.3k likes · 2.5k saves

Ich habe Jev ausprobiert und eine Chrome-Erweiterung gebaut, die optional YouTube-Audio anhört, Sponsorensegmente erkennt und sie in Echtzeit überspringt — für etwa 0,005 $ pro Video. Prototyp, BYOK und Open Source: https://t.co/g4sPXR5kML https://t.co/nH6c1LhU3C

5.5万 views · 897 likes · 589 saves

Jev von @typesafeai erzeugt keine Texte, sondern strukturierte Ausgaben. Das macht es großartig für Klassifikationsaufgaben wie Model-Routing, Tool-Auswahl und -Suche sowie viele Formen von Guardrails! Außerdem ist es geradezu absurd … https://t.co/59a8PxBuQ6

1.6万 views · 95 likes · 68 saves

Jev ist da. — Worin unterscheidet es sich von einem LLM? — Wie funktioniert es unter der Haube? — Welche Beispiele aus dem echten Leben gibt es? — Wann sollte ich es verwenden? Ich beantworte all das hier: https://t.co/HLfPVp51h6

4.7万 views · 899 likes · 994 saves

Jev v1.13 weicht Raketen per Wahrscheinlichkeitsberechnung aus 🚀 Das neue Nicht-LLM-Modell von @typesafeai liefert Entscheidungen statt Text. Wir ließen es alle 330 ms ein sicheres Feld berechnen, während Raketen fielen — es überlebte 25 von 26 Durchläufen für weniger als einen Cent. Jev über die API ausführen: https://t.co/RbcCOIgVkj https://t.co/f2VmOEPFnO

5.1万 views · 503 likes · 263 saves

Ein Rubik-Würfel, der sich selbst löst

20.2万 views · 692 likes · 299 saves

Die visuelle Version von Jev ist da https://t.co/x0kzeE3hdx Nach dem Ansatz der Community mappe ich die Kandidatenergebnisse auf feste Labels, führe direkt Prefill und Sampling durch, begrenze die Ausgabe-Tokens und deploye das multimodale, auf 4 Bit quantisierte Modell qwen-3.5-0.8B lokal. Es läuft problemlos auf einem 16-GB-M4-MacBook-Pro. Einschränkung: Das ist nur eine kleine Reproduktion der Jev-Form auf der Inferenzebene; sie ist sicher weniger effizient als ausgereifte Inferenz-Frameworks und entspricht sicher nicht dem eigentlichen Prinzip von Jev, aber als Inferenz …

2.9万 views · 293 likes · 330 saves

Ein Job-Crawler passend zu deinem Profil

1.4万 views · 35 likes · 45 saves

Jev von @typesafeai — ich bin beeindruckt 🤩 Cool. Ich habe eine weitere Demo geschrieben. Ich glaube, jetzt sieht man die Stärke des Modells, worum es geht und welchen echten geschäftlichen Wert es hat. Akt I — X-ray: „eine Anfrage, alle …“

6.7k views · 84 likes · 83 saves

Ein OCR-Router Seite für Seite

3.3k views · 66 likes · 88 saves

Sofortige Feldzuordnung in Bannerbear

1.2万 views · 118 likes · 94 saves

Jev-review-Feedback für Coding-Agenten

4.4万 views · 490 likes · 568 saves

Ich habe Jev genutzt, um die letzten 100 Videos eines YouTubers danach zu klassifizieren, wie wahrscheinlich sie mir etwas verkaufen wollen … jedes Video erhielt in 12 Sekunden einen Kaufabsichts-Score für etwa 0,02 $.

1.2万 views · 183 likes · 152 saves

Ich habe das neue ultraschnelle Modell Jev von @typesafeai Text erzeugen lassen, obwohl es das eigentlich nicht sollte. Egal — ich kann nicht lesen und es kann für 0,50 $ bis zu 20 Wörter schreiben. Was für ein Schnäppchen! https://t.co/fWmGQhefTw

6.1万 views · 284 likes · 132 saves

Für alle, die den Unterschied zwischen Jev und LLMs verstehen möchten und wissen wollen, wie man es verwendet: https://t.co/55o5WEq3Va

6.1万 views · 575 likes · 673 saves

Ich spreche. Codex klickt. Seht zu, wie der Browser loslegt ⚡ Dieses Video läuft mit 1× Geschwindigkeit! Ich habe Jev Browser gebaut, einen Open-Source-Adapter für eure vorhandenen Codex-Browsertools. Beschreibt die Aufgabe ganz natürlich; Codex plant, Jev wählt aus und der Browser bewegt sich. @sama @OpenAI, macht das lokal? @ https://t.co/xzvUPFBbGa

5.7万 views · 103 likes · 144 saves

Ich habe Jev eine Evolutionssimulation gegeben, ein kleines Modell von @typesafeai, das eingegebene Fragen mit Wahrscheinlichkeiten beantwortet, statt Text zu schreiben. Zwei Arten mit entgegengesetzter DNA. 14 Generationen. Eine Eiszeit. 432 Lebewesen. Jev …

3.1k views · 73 likes · 26 saves

Okay, Browser-Nutzung ist ein legitimer Anwendungsfall: eine agent-browser-<>-Jev-Schleife mit dem Ziel, auf Wikipedia von „Coffee“ zu „Artificial Intelligence“ zu gelangen https://t.co/565VqWYgoJ

1.9万 views · 191 likes · 137 saves

Jedes Modell will den Job. Das schnelle sagt: „Ich hab’s.“ Das Reasoning-Modell verlangt mehr Kontext. Das Sicherheitsmodell sagt: „Auf keinen Fall.“ Jev greift ein und schickt jede Aufgabe dorthin, wo sie hingehört. Jevs Entscheidungen auf Aria …

3.1k views · 21 likes · 0 saves

Ich glaube zunehmend, dass Software der Zukunft Code für den Kontrollfluss mit kleinen neuronalen Programmen für „unscharfe“ Entscheidungen kombinieren wird. Genau das erforsche ich mit ProgramAsWeights. Es beantwortet die Frage, woher diese neuronalen Programme kommen: Sie werden aus englischen Beschreibungen „kompiliert“. Zum Beispiel habe ich 30 neuronale Programme mit einem Entscheidungsbaum kombiniert und einen Assistenten für eine Kurs-Website gebaut, der wie ein Chatbot aussieht, aber lokal läuft. Jedes kleine Programm verarbeitet Fragen wie „An welchen spezialisierten Bearbeiter soll das weitergeleitet werden?“, während der Code den gesamten Ablauf steuert …

1.3万 views · 171 likes · 140 saves

Ich bin mit frühem Zugang zu @typesafeai aufgewacht und wollte es unbedingt ausprobieren. Heute Morgen habe ich vor der Arbeit eine Demo gebaut, in der typesafe einen KI-Kooperationspartner in meinem @threejs-Actionspiel steuert. Rechts ist das Protokoll zu sehen …

6.0k views · 27 likes · 8 saves

Sofortige Kontextkomprimierung

265.9万 views · 9.2k likes · 6.8k saves

JEV is INSANE. We gave it 700 high-intent leads and personalised outreach messages. In 40 seconds, it predicted how each message would perform, assigned a confidence score and detected lead-message mismatches. All for just $0.09. JEV can also score leads, analyse buying signals, match each prospect with the best message and identify the campaigns most likely to perform based on data. Coming soon to @GojiberryAI+ MCP. Comment “JEV” for early access.

22.8万 views · 2.1k likes · 2.7k saves

Paralleler adversarial Browser-Test

17.8万 views · 3.6k likes · 2.8k saves

Jev by @typesafeai is now on OpenRouter, in beta. Jev is a System One model. Instead of generating text, it takes your app's state plus a typed question and returns a typed decision with a probability attached. There is no JSON prompting, parsing layer, and nothing to validate against.

41.5万 views · 3.1k likes · 1.4k saves

Klassifizierung von Steuerdokumenten

4.9万 views · 903 likes · 983 saves

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😆 https://t.co/UCpLInByeE

14.5万 views · 819 likes · 1.0k saves

I trust Jev with my life https://t.co/GN3KpzrvRC

96.1万 views · 4.5k likes · 879 saves

jev is insane 🤯 here is jev playing smash bros against itself he is controlling all 4 different characters. and literally deciding whats the best move to play against itself all within a fraction of a second i used over 22 million tokens to play this match and it only cost me a couple of cents... jev does not replace gpt6 astra but the possibilities with its instant response time are endless

18.7万 views · 2.4k likes · 1.1k saves

Heruntergeladene Dateien automatisch organisieren

7.8万 views · 766 likes · 607 saves

Maxfusion-Wettbewerber- und Anzeigenrecherche

15.6万 views · 165 likes · 159 saves

Ein Schnellerer Browser-Agent

248.9万 views · 8.2k likes · 8.9k saves

Full Jev Tutorial What it is, how you can build with it and what new applications it can unlock → 0:00 Intro → 0:34 Jev explained → 4:06 API setup → 5:59 Demo 1: Voice-controlled browser → 11:33 Demo 2: AI memory → 17:27 Demo 3: YouTube predictor https://t.co/V7iK3jZTLZ

11.0万 views · 1.9k likes · 3.5k saves

Tabellen, die Absichten verstehen

15.8万 views · 982 likes · 733 saves

SuperX-Postbewertung

17.0万 views · 1.1k likes · 1.7k saves

KI-Hedgefonds mit Jev

3.0万 views · 438 likes · 535 saves

Ein Assistent ohne Aktivierungswort

2.2万 views · 560 likes · 427 saves

Vierzehn Prüfungen für jeden Pull Request

33.1万 views · 2.7k likes · 2.5k saves

i gave jev ₹1,00,000 to trade nifty intraday at 5x leverage. this isn't paper trading but real money on my real kotak account put to use. we hit our ₹1,000 hard stop today after a pretty green morning. will keep tuning the strategy next week and keep y’all posted https://t.co/cCftNveZ31

3.9万 views · 590 likes · 367 saves

jev decided to sacrifice a human to save robots when solving trolley problems https://t.co/vLBwgLYduk

20.7万 views · 1.3k likes · 307 saves

Vibecheck

2.8万 views · 544 likes · 173 saves

Tester Army E2E

1.7万 views · 351 likes · 313 saves

Mac-Computersteuerung mit lokaler Wahrnehmung

11.2万 views · 1.6k likes · 1.4k saves

Jev Trader auf Monad und Kuru

104.6万 views · 4.8k likes · 6.4k saves

Jev will be super helpful for agents to make split second decisions in workflows, data classification, judgment calls, and hundreds of other use-cases in the enterprise. Here's a quick demo with Box and Jev to make that real. The demo pulls an incident report from Box, asks whether it's customer-facing and how severe it is, moves the file into escalate, monitor, or review folders, and sets a metadata template instance with the result. This all happens nearly instantly and at almost no cost. You can imagine this in insurance claims, contract management, loan processing, security reviews, customer log analysis, and so on. Definitely a great new class of AI use-case.

1.7万 views · 167 likes · 151 saves

Sprachgesteuerte Mac-Computersteuerung

3.2万 views · 649 likes · 598 saves

Ego-Lite-Kaufentscheidungen

1.7万 views · 256 likes · 196 saves

Now we're cooking. Got @typesafeai's Jev + AXe controlling the iOS simulator now ultra fast at a fraction of the cost of using an LLM. This is game changing! https://t.co/JK5r23ySoI

9.7万 views · 1.2k likes · 995 saves

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 给你写一篇小作文，它需要的是： 行情进来→判断→下单→新行情→重新判断，而且这一整套循环必须足够快、足够便宜。 而 Monad 现在刚好每 300ms 出一个区块，Kuru 又是链上订单簿。高性能链负责执行，JEV 负责决策，两个东西拼起来，已经有点AI 原生交易系统的味道了。 未来的交易 Agent，不一定需要一个会写研报的超级大模型，它更需要一个能在极低延迟下连续做几百万次判断的大脑。 昨天我 提交的WL今天也通过了，接下来我先尝尝咸淡，看看到底怎么个事。

63.5万 views · 3.1k likes · 3.7k saves

Inspired by @typesafeai , here is a Jev-compatible public API to play with It runs a comparable open model (Qwen3.6-35B-A3B), and just uses SGLang radix cache to preserve the prefill reuse / really fast parallel systemone generation - 64 tasks in &lt;1s. https://t.co/bbRh4yAPAB https://t.co/misKQE8n8f

11.0万 views · 873 likes · 821 saves

Jevで次の文章予測判断させるロジック作って、 判断特化AIのJevで、AIチャットできるアプリ作ったんだけど、まず爆速だし、入力は$0.042 / 1Mトークンだけど、出力が無制限で無料でした。 出力無料のAIチャットってなんだこれw 「え？これ作れちゃっていいん？」ってなってる。。。 #Jev https://t.co/h5LDG2tPpN

14.8万 views · 1.1k likes · 1.0k saves

After co-inventing ChatGPT, I kept asking myself: why have superhuman chat models not led to AGI? I’ve spent the last 2 years in stealth building a new way to train models (RLCD), and a new type of frontier AI model that we are releasing today: Jev • 20-200x faster • 40-400x cheaper (w/ output tokens free) • Frontier composable intelligence optimized for decisions AFAICT the shortest path to AI-based economic revolution

3460.4万 views · 6.9万 likes · 5.6万 saves

昨天出的 https://t.co/6eiMFaJTrj 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⬇️ https://t.co/y9Nu78Hnv4

22.5万 views · 1.1k likes · 771 saves

3.000 Kindersnacks bewerten

1.6万 views · 132 likes · 103 saves

Ein Fahrsimulator mit Jev-Steuerung

55.6万 views · 4.5k likes · 1.8k saves

Jevで、会話をリアルタイムに観測するセンサーを試作しました。 発言のたびに ・探索 ↔ 収束 ・解消 ↔ 未決 ・未合意 ↔ 合意 を更新し、会議の状況を可視化します ユーザーインタビューのリアルタイム解析などにも使えそう。 https://t.co/cO21f4AK99

5.1万 views · 366 likes · 304 saves

TypeGPU + ruNNtime + Jev @typesafeai is a very fun combo :D ruNNtime gives me efficient local inference, TypeGPU lets inference and rendering share GPU resources directly with zero copy. That’s 3 separate NN inferences plus rendering, all happening in realtime Since we control the pipeline, Jev can just sit in the middle and add the semantic bit. camera + mic → Moonshine + YOLO26 + DepthART → Jev → lights, shadows and bloom

7.1万 views · 662 likes · 489 saves

jevデモ② 発話内容に応じたスライドの自動表示。 喋った内容にマッチしたスライドを自動で表示してくれます。PCやポインターを触らずにページを表示できるので、これで誰でもジョブズになれるかも？？ 速い・安いだけでできることがこれだけ広がるのかと感動している。 https://t.co/3UO6DQcbJ2

4.7万 views · 343 likes · 254 saves

Here's a 45-second TL;DR on Jev. I find the core idea beautifully simple, but the video made it really hard to understand. Hope you find it helpful. https://t.co/KtSKlEMVL3

140.9万 views · 8.7k likes · 7.6k saves

"jev can't generate text" But jev has a lot to say! I gave him a couple hundred common english words to choose from + punctuation https://t.co/WmDkTyiG9u

32.8万 views · 3.4k likes · 708 saves

話題のJevで架空のペルソナ150人に製品の導入意向を聞く仕組みを作ってみた。150人ごとに12個の質問をAPIで投げる。 実際にかかった費用は、1.8円でかかった時間は約5秒。十分爆速だけど日本↔︎アメリカのレイテンシが含まれているので本来はもっと早いはず https://t.co/6lbFXY9jjH

23.1万 views · 1.0k likes · 875 saves

E-Mail-Betrugserkennung mit Jev und Kimi

5.3万 views · 843 likes · 739 saves

Blitzschach gegen Frontier-Modelle

52.6万 views · 2.2k likes · 749 saves

Beschleunigte Computersteuerung

8.6万 views · 1.2k likes · 830 saves

I used Jev to classify 1,018 AI research papers. The result: $0.08 total cost and 256ms median end-to-end latency per paper. The pipeline was: 1. Summarize each paper with DeepSeek V4 Flash 2. Send the title + summary + 24 possible topics to Jev 3. Use Jev to classify each paper 4. Visualize everything on https://t.co/hs63SlHxjw The summaries cost $3.99 on @togethercompute. The classifications cost $0.08 on @typesafeai. So for just over $4 of inference, I ended up with a pretty useful way to explore the top AI research papers from the past year. I think this is where things are heading: different models for different parts of the workflow, instead of using one model for everything. I’m running evals on the Jev classifications before replacing the current ones, but the site is already live: https://t.co/hs63SlHxjw

15.9万 views · 1.9k likes · 1.9k saves

Wow, @typesafeai Jev is a game changer for voice-driven UI. Responsiveness really matters for an experience to 'feel' right, and this certainly does the job! Latency here is not optimal given I'm in London and calling out to us-west. But still, super snappy. In this video, Jamcat is using Pipecat to orchestrate a real-time handover between a command agent (Jev) that drives the UI, and voice agent (PhoneLLM) for handling generations and (not in the video) discussing ideas and session setup with the user.

2.6万 views · 341 likes · 337 saves

Claude me integró Jev con Playwright  para buscar usados. Lee unos 26 artículos por minuto y decide qué hacer con cada uno en 406 milisegundos Descartó los que no encajaban con lo que busco, ofertó por los que sí y hasta les mandó un mensaje a los vendedores cuando faltaba algún dato en la publicación. Toda la búsqueda salió USD 0,00085. O sea: con un dólar revisás unas 26.000 publicaciones. Una IA que por fin puede navegar por internet más rápido que nosotros es un game changer

2.2万 views · 356 likes · 356 saves

btw this is what you get if you ask Jev to play Minecraft with GPT-6 Astra. I still can’t believe it https://t.co/ERDnsVWPLZ

4.0万 views · 319 likes · 109 saves

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（Mode-dropping）、过度自信与幻觉，且串行逐字生成的延迟极大，根本无法胜任严肃的机器自动化生产 为此，他们花了两年研发了专为自动化设计的 System 1 基础模型 JEV，核心架构创新非常激进： • 单次并行计算（One Parallel Pass）： 如同当年 Transformer 取代 RNN 一样，JEV 彻底抛弃了逐 Token 串行吐字的自回归机制，采用全新的模型架构与采样器，一次性并行击发所有预设选项 • 强化学习校准决策（RL for Calibrated Decisions）： 引入全新的训练算法，输出媒介不再是自然语言文本，而是直接输出经过置信度校准的概率分布 • 代码级可靠（TypeSafe）： 彻底根除幻觉，输出自一致、确定性高，可作为强类型对象直接被程序调用 • 100 倍提速与极端降本： 延迟降至 0.1 秒以内（快到能直接插入 60 FPS 游戏循环）；输入每 10 亿 Token 仅 42 美元，输出 Token 彻底免费 视频里我把传统自回归的 8.5 秒延迟瓶颈、JEV 的并行矩阵运算，以及实时控制小游戏实测，全拉通做了可视化, demo参考 @MatijaSosic 聊天需要慢推理，自动化需要快直觉，Building Prod, not God 确实不是一句空话🫡

4.5万 views · 70 likes · 92 saves

Will Jev @typesafeai turn $10.000 into profit? Let's find out! Running decisions for paper trades via https://t.co/28WVX50sv3 https://t.co/2XglDmGTNM

10.2万 views · 447 likes · 412 saves

I think the implications of jev on self-driving could be huge https://t.co/advoRDSOz7

32.4万 views · 1.5k likes · 593 saves

Built a model router with Jev by @typesafeai. Jev decides what model fits your request best and the request is sent to that model. https://t.co/HHlmjOE66u

10.9万 views · 1.9k likes · 1.1k saves

🚨 I gave the Trump vs Kamala debate a live BS meter using Jev every sentence, both candidates, 5 yes/no questions each 1,191 Jev calls / 1.18M tokens / 415 ms median total cost : $0.0497 same questions for both, clips picked by one fixed rule, not a fact-check https://t.co/m8u4ALl6Me

16.6万 views · 1.2k likes · 489 saves

Signale in Entscheidungen verwandeln

11.6万 views · 966 likes · 1.0k saves

🔥 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

2.1万 views · 64 likes · 116 saves

I built a browser extension with Jev @typesafeai that can hide/collapse posts on X based on natural language. It's so fast that it's not noticeable and insanely cheap...this must be the future of "ad blockers" and content firewalls. https://t.co/EPIJ4rzeIp

6.7万 views · 1.1k likes · 558 saves

Behind the scenes of our launch video… chief of staff @justKDeng keeping our CEO @CompleteSkeptic on track https://t.co/81HHtsj4eK

4.8万 views · 358 likes · 42 saves

love jev, but upset it - isn't open source? - it lack vision capability? We fixed all of that, introducing https://t.co/DlNeKo2k5e A fully open source library which takes any HF model and Jev-ify it, with an API endpoint Now on github, and live in production at @FeatherlessAI https://t.co/dFKBbR411y

4.7k views · 60 likes · 90 saves

so I gave jev full control of the falcon-9 class rocket full launch to landing no autopilot, no scripted trajectories, no safety veto in the code every decision was made by jev ( you can see decisions at the bottom of the video) and yeah it was able to land the booster and all this with just 245 calls and and $0.04 in API calls for sim I used mujoco and the configurations were 42m booster, 425 tonnes, 9 engines, real atmosphere, mach dependent drag, wind and propellent depletion the vehicle was going ubstable every .8 secs, and jev's decesion making takes place at ~1Hz and output in ~0.4 sec so I gave jev these controls > launch or hold >engine count for every burn( it chose 5 for landing by itself !) > when to light that burn >ascent cutoff, coast, entry, legs, touchdown so after giving all these controls to jev the experiments begun and after 12 runs and tweaking multiple things it managed to land by itself I will write a full article about it and what I did with experiments and whet I tweaks I made but for some final thoughts people are saying it's just a classifier yes, but it's a very good and effective classifier, and its speed and decision making, open up a whole new work for real life tasks and implementationa I will also open source the whole repo for this after cleaning up the clutter in my code so this is the short demo I hope you like it

7.5万 views · 109 likes · 49 saves

Computersteuerung über Betriebssysteme hinweg

26.9万 views · 2.3k likes · 2.0k saves

Testing apps with @typesafeai jev &amp; @opencode will be soooo fast small demo: https://t.co/WLSkpe9OZn

50.9万 views · 1.2k likes · 755 saves

Jev fragen

9.2万 views · 510 likes · 446 saves

Takie modele jak JEV (System-1) zmienią moim zdaniem bardzo dużo. Obecne modele LLM symulują System-2. Dla mnie implementacja jev to jedna z najświeższych koncepcji ostatnich miesięcy. Niby nic szczególnego (dynamiczny klasyfikator) a dziwi, że tak długo trzeba było czekać na taki model. Uniwersalny klasyfikator, inteligentny "if". W swoich poprzednich wpisach objaśniłem jak to działa. Mam dostęp do API @typesafeai @CompleteSkeptic więc zrobiłem self-play w moim pac-man. To "zabawkowy" przykład ponieważ schemat zapytań jest stały ale ... w wielu systemach np. agentowych schemat jak i stan zmienia się w czasie (w pac-man tylko stan się zmienia). W bardziej zaawansowanych, złożonych systemach struktura stanu, jak i wartości atrybutów stanu są zmienne w czasie, kontrakt klasyfikatora (liczba klas jak i ich semantyka) również. I tutaj mamy system-1 jev - podejmuje decyzje. Oczywiście można to zrobić na LLM ale będzie wolniejsze, droższe, sekwencyjne (wzajemnie zależne - w kontekście widać odpowiedzi). Można wykorzystać dyfuzyję z blokiem odpowiedzi wypełnionym nie na szum a na szablon odpowiedzi (będzie szybko) - generować tylko proby. Możliwości są chodzi natomiast o samą koncepcję Systemu-1. Widzę szerokie zastosowanie - inteligentne aplikacje, systemy agentowe, w klientach do kodowania -> obniżenie kosztów, zwiększenie szybkości działania, jakości rozwiązania itd.

1.1万 views · 95 likes · 62 saves

This is cool. I used Jev to improve my custom memory system. Results: → 94% fewer tokens used → 2–3× faster memory retrieval This was just a quick test, but I believe it opens up so many new opportunities. https://t.co/Xppb20drpY

3.1万 views · 468 likes · 540 saves

Function calling without waiting for Enter. Answers only when needed. @typesafeai Jev understands intent and arguments as you type, then executes ahead of time once everything is in place. https://t.co/n4m9lGGf8S

3.5万 views · 313 likes · 282 saves

You can use Jev to assemble interfaces on the fly. Here’s an example I hacked together with Astra. In this demo, Jev turns natural language requests into UI plans in roughly 1 second or less. It’s 6x faster than Gemini 3.8 Flash and GPT 5.6 Luna. Cheaper, too. https://t.co/SQwcvB3HKh

1.3万 views · 216 likes · 241 saves

Automatische Auswahl von Agent und Modell

4.6k views · 97 likes · 55 saves

Silicon Valley predicted Jev a decade ago. https://t.co/ZfSjPYWsTn

32.2万 views · 4.0k likes · 486 saves

UN TÍO ACABA DE LEERSE LOS 1.891 ANUNCIOS DE SU COMPETENCIA POR 12 CÉNTIMOS Bueno, leérselos no. Se lo pidió a JEV, el modelo nuevo de TypeSafe → 1.891 anuncios → 19 segundos → 0,12 $ Y no es un resumen. Es cada anuncio etiquetado por dónde ataca en el funnel y con qué estilo, más la radiografía completa de la cuenta: en qué invierte, qué repite y dónde tiene huecos Saber exactamente cómo vende tu competencia costaba una agencia entera. Ahora cuesta menos que un café Llega pronto al MCP de maxfusion

6.5k views · 77 likes · 31 saves

had to try something with jev so i tried what you'd expect from me: graph extraction - score every word with semantic significance (1-5) - also tag relevant words with ID - unique list of high scoring words - graph of high scoring words https://t.co/oJtI6py84H

2.0万 views · 229 likes · 237 saves

jev is INSANE. we gave it a library of 11 million+ videos on tiktok & ig and asked it to find viral "bloom nutrition" content. in 20 seconds, it gave us over 384 videos, breaking down the hook, format & angle that made each one go viral. (only costed $0.09 in token usage) jev also finds, watches, analyzes and breaks down viral videos and creators, then writes briefs and scripts for you, based on proven data. currently available in @virlomain + MCP. comment "JEV" for access.

6.6k views · 64 likes · 127 saves

📣 Speaker announcement: @CompleteSkeptic CEO, @typesafeai at Cloudflare Connect Register today: https://t.co/YCwgnPlLDj https://t.co/TwT5kMw5bT

1.1万 views · 71 likes · 2 saves

Fünfhundert Agenten in einer 3D-Umgebung

5.8万 views · 647 likes · 353 saves

Ein schnellerer Slack-Agent

4.9k views · 60 likes · 42 saves

Von Sprachabsicht zu Tool-Aufrufen

4.7k views · 77 likes · 38 saves

Jev enables instant AI suggestions 👏 In this app, 20+ intelligent checks occur every time you edit a cell, immediately providing warnings. No LLMs necessary! https://t.co/brVT7jE6SO

2.9万 views · 200 likes · 183 saves

Zeichnen, eine Entscheidung nach der anderen

30.2万 views · 1.5k likes · 393 saves

Jev solved local harness/model routing I use a combination of Claude Code, Codex and Opencode as my local agentic stack and routing to other harnesses was always enforced in the system prompt/rules With a deterministic hook that Claude Code can decide before delegation, Jev helps to route to the right harness/model based on the task, and it's pretty accurate based on the intensity/intelligence of the task > Mechanical tasks get routed to Haiku > Intelligent ones to Opus sub-agents > Long-running implementation work to external harness

12.5万 views · 814 likes · 877 saves

They say you’re six connections away from anyone on Earth. So I tried Jev from @typesafeai and built this: enter your X handle and someone you’d love to reach. It finds a chain of real follow connections that could get your message there, under 2 seconds! Apparently, Luke Skywalker is just two people away from me. Who’s your impossible person? I can drop the link below if you want to try. @MarkHamill

4.6万 views · 94 likes · 91 saves

We found the perfect use case for Jev: auto-routing GenAI models. The idea: Jev picks the most cost-effective models for your task, balancing speed and quality. All generations made with Higgsfield API. https://t.co/jZWedfbAMN

5.2k views · 36 likes · 16 saves

By now you've probably seen Jev on your timeline. Yes, it's an insanely fast & cheap model. But how does it compare against GPT-6 Astra, Fable 5.1, and Deepseek v4.1 Flash? In this video I compare it against top LLMs on 4 distinct tasks. Did it win? Or did it lose? Let's find out. Total Jev bill for everything in this video: $0.49. Chapters 0:00 Intro 1:07 What Jev actually is 2:57 System 1 vs System 2 thinking 4:36 Jev plays Doom 7:14 How Jev works 10:33 Trading Bitcoin for a year 14:26 1,500 emails at 200 ms each 17:58 857 support tickets vs Intercom Fin 20:06 When you should actually use it

1.8万 views · 97 likes · 78 saves

I build a SQL extension that turns plain english into a WHERE clause with jev @typesafeai WHERE jev(people, 'could work from home') Every row gets judged individually, no index and no embeddings needed. Try it out (don't burn my wallet pls) https://t.co/4nYZVH9iXs

2.0万 views · 106 likes · 66 saves

got @typesafeai’s new model Jev to play Super Mario Bros. fast inference + structured outputs makes it surprisingly good for real time use cases. I'm excited to see what can be done with these new models! https://t.co/wXXW2SsSXG

56.9万 views · 2.8k likes · 1.0k saves

Jev gegen GLM beim Schach

4.7k views · 46 likes · 16 saves

The speed and cost is going to enable use cases that haven't been possible before. Here's a quick demo of live decisions of what slide to pull up as I'm speaking, powered by @typesafeai Jev. Also, sorry for the sniffling. I have a bit of a cold. https://t.co/124B5YEjmF

1.5万 views · 99 likes · 90 saves

Another useful use-case with Jev from @typesafeai - AI text classification. Very close to @pangram, 6000x cheaper, 5-10x faster Tested here on a @paulg essay! https://t.co/KijjMknTaC

5.0万 views · 124 likes · 121 saves

Jev is a new model from the co-inventor of ChatGPT that can use computer tools in realtime right now it's playing Minecraft on its own computer in the cloud on Orgo this is what it looks like with just one Jev, but imagine: what about a thousand? or what about a billion of Jevs? each working together on their own computers in the cloud, discovering new science, running experiments, and designing new drugs 24/7. this is going to be bigger than ChatGPT

1.3万 views · 147 likes · 96 saves

Jev by @typesafeai works quite well for drone applications. Made this in 15 minutes and only cost 10 cents. Repo: https://t.co/b2ytFvehTV https://t.co/rC36lr4iqK

13.3万 views · 351 likes · 296 saves

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，答案甚至在你读完第一行字之前就已经返回了.... 为什么会产生这么恐怖的差距？底层逻辑是： • DeepSeek 这种通用模型本质上是在“逐字写文章”： 哪怕你只让它做个最简单的“是/否”判断，它在后台也必须一个词一个词往外推，硬走一遍漫长的生成流程，延迟按秒起步 • Jev 官方定位是“System 1（快决策）”模型，从根上就根本不会写字： 它彻底抛弃了逐字吐词，底层直接一次性并行出结果。不输出半句废话，70 到 200 毫秒内直接甩出代码需要的最终答案（对/错、打分、分类） demo参考@elvissun Github开源：https://t.co/sdyWJhdvfO 建议大家试试JEV，越用越觉得牛逼.....

4.3k views · 15 likes · 44 saves

Tetris mit Jev-Entscheidungen in Echtzeit

7.6万 views · 966 likes · 274 saves

arkadaşlar jev'e early access aldım ve test etmeye başladım ve gerçekten çok impressed olduğumu söylemem lazım sadece şu kaydettiğim demoyu bi izleyin lütfen. kesinlikle hızlandırılmış bir video değil. 4 tane jev karşılıklı 101 oynuyor ve oyunun hızına bir bakın. beni takip edenler bilir. yıllardır her yeni model çıktığında bizim meşhur 101 okey oyununu oynatırım. benim kişisel benchmarklarımdan biridir ai modellere 101 oynatmak. kimi cahiller ehi ehi ehi adam modele 101 oynatıyor dese de asıl benchmark budur. bizim eve bundan başka benchmark girmez. çünkü 101 göründüğünden çok daha zor bi testtir modelin önce oyunun kendine özgü kurallarını anlaması, sonra oyun boyunca bunlara eksiksiz uyması gerekiyor. ama bu da yetmiyor. elindeki taşları, masa'nın durumunu yani son state'ini ve rakiplerin hamlelerini değerlendirip doğru kararı zamanında vermesi gerekiyor. yani masanın anlık state'ini de her modelin bilmesi ve hızlı karar alması gerekiyor özellikle bu son kısım bugüne kadar modellerin en çok zorlandığı yerdi openai, anthropic vs. modelleri iyi karar verebilse bile bazen 30 saniye veya daha fazla düşünüyor. gerçek zamanlı oyunda iyi karar vermenin tek başına hiç bir anlamı yok çünkü doğru kararı verdin ama sıranı kaçırdın ise pek bi işe yaramıyor. dolayısıyla hız + doğru karar en önemli metrik burada. jev duyurulur duyurulmaz early access'e başvurmamın sebebi de buydu. direkt aklıma 101 benchmarkım geldi jev aslında konsept olarak çok da yabancı bi şey değil. kabaca generalized zero-shot classifier diyebiliriz. uzun uzun metin üretmek yerine kendisine verilen state üzerinde tanımlı seçenekler arasında karar veriyor ama güzel olan bunu ne kadar hızlı yaptığı benim 3-4 yıldır farklı modellerle denediğim ama bir türlü tam verim alamadığım ai'ın 101 oynaması problemini jev çözmüş gibi görünüyor kararları milisaniyeler içinde veriyor ve oyun boyunca oldukça isabetli oynuyor bence asıl önemli tarafı da 101 değil zaten 101 bunun küçük bir demosu computer use, browser use, hız gerektiren oyunlar vs gibi alanlarda yani modelin sürekli ne yapmam lazım diye düşündüğü her senaryoda jev hızır gibi yetişiyor. milyonlarca küçük karar için çok çok ideal gözüküyor milyonlarca mini karar için 30 saniye düşünen dev bir generative model gerçekten işlevsiz. onun yerine 100 milisaniyede yeterince iyi karar veren bir model daha mantıklı jev'in yaptığı da bu bence müthiş bir ihtiyacı karşılıyor ve karşılayacak. hatırlayın 4g gibi hızlı internet altyapıları yokken tiktok vs gibi realtime streamingler mümkün değildi. tiktok'un ortaya çıkabilmesi için 4g ya da hızlı internet gerekliydi. şimdi jev = 4g. hız konusunu çözüyor. dolayısıyla jev'in tiktoku yani jev sayesinde ne gibi yenilikler ortaya çıkacak acaba görürüz önümüzdeki dönem. eğer anlık olarak milyonlarca mini karar alınması gereken bir konseptiniz varsa çok ideal bir şey jev. openai ve anthropic gibi şirketlerin de benzer şekilde generation ile decision'ı zamanla birbirinden daha fazla ayıracağını düşünüyorum

5.5万 views · 169 likes · 178 saves

Sprachgesteuertes Figma

6.0k views · 70 likes · 52 saves

Ein Interaktive Jev-Spielwiese auf Val Town

10.8万 views · 584 likes · 458 saves

Jev solved delegation https://t.co/1TznArCaSY

4.3万 views · 441 likes · 341 saves

Jev + Higgsfield = solved auto-routing for genAI models. In this demo, @typesafeai’s Jev evaluates prompt and picks the most fit models for video and image generations on Higgsfield API. https://t.co/MyTRdqlZ3o

3.8k views · 20 likes · 10 saves

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 条判定不包含的内容。 之前我使用的模型一直是 Gemini 的 Flash Lite 系列，也算是经过测试后成本和速度双重考虑下的最佳选择。 今天 OpenRouter 上线了这个 Jev 之后，我用同样的提示词做了一个小 Demo 做了一下对比测试，下面这个视频就是同时并发 16 个进程的实录效果。 不得不说，测试出来的结果超出预期很让人惊喜啊。 首先，速度是真快！相对于 Gemini Flash Lite 单篇文章 3 秒的平均耗时，Jev 把单篇耗时缩减到了 0.35 秒。这个接近 10 倍的速度提升，真的是实现了质的飞跃，带了很多新场景的想象空间。 其次，质量也真不错！和 Gemini Flash Lite 的分类结果相比对，Jev 大概在 15% 左右的内容上出现了判断不一致的情况。 但经过我的手动审核，大部分都是因为人名而导致判断差异。例如某位此前在湖北省任职过的官员姓名出现在了新闻中时，Flash Lite 因为知识库比较大，会将其判断为包含，而 Jev 在这块上面会弱一点，因此判定为了不包含。在我的实际应用场景中，这种判断差异完全可以接受。 最后，价格也是真便宜啊！看了一下 OpenRouter 的账单，前前后后大概跑了 5 千条数据，30M Token，总共开销也就 1 美元！这个性价比，还要什么自行车！ 总之，我个人觉得 Jev 代表的分类器大模型的确是一个非常有前景的发展方向，甚至可以说是在分类场景下实现了速度/质量/价格的不可能三角，有类似需求的朋友真的可以好好考虑一下。 就分享到这了，我得连夜用它去优化生产项目了。

2.9k views · 27 likes · 25 saves

The real use-case for Jev https://t.co/fnsghSM7oo

1.9万 views · 104 likes · 45 saves

Built an alternative version of @typesafeai but on @cerebras with Qwen 3.8 27b. Similar quality, similar performance, but vastly different cost. TypeSafe was way cheaper, and did beat Qwen on performance. Closest we can get using LLMs I think. Source: https://t.co/H5rUhiN7EY https://t.co/aArV0VZE9E

2.6万 views · 208 likes · 194 saves

Zeichen für Zeichen schreiben

16.5万 views · 879 likes · 275 saves

pub-sub without sub @typesafeai jev does the routing almost instantly demo link below https://t.co/pTQIUtVBrI

5.2k views · 62 likes · 71 saves

jev is an insanely cool product Saw a post about jev and decided to check it out This thing is straight up gold whoever built it is a genius jev is the future Scanned over 700 live ads in 40seconds flat, and it cost me just 4 cents. If you're in marketing, this kind of crazy fast data crunching is hands down the best thing out there. Doing this through Opus 5 would run around 2 to 4.5 million tokens, set you back $15 to $50, and take anywhere from 10 minutes to an hour. That’s 200 to 500 times more expensive than Jev, and way slower.

2.6k views · 45 likes · 21 saves

Jev es una nueva IA creada por Diogo Almeida, uno de los creadores de ChatGPT, que promete ser hasta 200 veces más rápida y 400 veces más barata que los modelos actuales. A diferencia de los LLM, no genera texto palabra por palabra: evalúa opciones, toma decisiones y devuelve probabilidades en segundos, lo que podría cambiar cómo funcionan los agentes, las recomendaciones, los filtros de seguridad y muchas aplicaciones de IA. #InteligenciaArtificial #Jev #ChatGPT #Tecnología #EDteam

1.3k views · 44 likes · 32 saves

Silicon Valley predicted @typesafeai https://t.co/v8xXPluYF3

16.5万 views · 1.8k likes · 387 saves

What if your slides are smart enough that they navigate automatically? 👀 Thank you @typesafeai for providing access to Jev! I had this idea for a few weeks, and Jev felt like the right model for this task. (Sorry for the bad audio) https://t.co/uz8UhGBypc

1.7万 views · 72 likes · 31 saves

Jev Founder, Diogo Almeida (ex-OpenAI): "The next era is not the Claude Code era. Claude Code is still part of the assistance era - Jev is the next step Jev is x200 faster, x400 cheaper and has 0 hallucination. This is what comes after RLHF" In 17 minutes he explains why every model you use has a human-shaped flaw baked into it and why Jev is better worth more than a $500 Claude Code engineering course watch today, then read how to actually boost yourself x100 with Jev in the post below

2.5k views · 27 likes · 24 saves

I got access to Jev! It can route website visitors to the pages they need based on what they need help with! https://t.co/AydblKM9Y0

2.6万 views · 291 likes · 223 saves

Introducing the Papers with Code MCP server! To celebrate its release, I've asked Claude Code to research the architecture of Jev by @typesafeai using the `search_papers` tool. Here's what it came up with: "If Jev is architecturally anything public, it's a large schema-conditioned bidirectional encoder with parallel label-query heads (GLiNER/ML-Decoder shape) trained with a proper-scoring-rule RL objective (RLCR shape), scaled far past the ~150M-param range those papers operate in — "neither small nor an LLM" fits that. The 40–200× speedup is consistent with removing autoregression, not with any exotic mechanism."

1.5万 views · 78 likes · 57 saves

I just built Easy-Jev, a Jev demo anyone can try right now! Change the inputs and watch the classifications change in real time. I did my master's thesis on classification models so it's fun to see a modernized version of a very useful alg Typesafe are correct in that LLMs are just one approach to intelligence, and I think as time goes forward we’re going to see a hybrid of dif models splitting up and allocating correct parts of a problem, using less tokens overall and leaning on LLMs for less of the answer. I’m bullish on what I call 'combination input' approaches: breaking a statement down into a series of classifications and routing each to the right type of model rather than just brute forcing the whole thing with an LLM cc / @CompleteSkeptic @typesafeai Link below, please enjoy

1.1万 views · 87 likes · 73 saves

Acabo de terminar la implementación de @typesafeai + Chromium Headless para que mis agentes puedan navegar por internet a una buena velocidad! En este ejemplo le pido al agente que entre a la página del término "Café" en Wikipedia y navegue por los hipervínculos hasta terminar en la página "Inteligencia artificial" Logra completar la prueba en 20 segundos. Creo que pocos humanos podrían hacerlo en ese tiempo.

2.5万 views · 212 likes · 216 saves

Had jev, claude haiku 4.5, and gemini 3.5 flash-lite play tetris. Same 200 pieces, same legal moves, real time. Jev: 9200 pts, 75 lines, 300ms/move, 0 errors Claude: 8900 pts, 72 lines, 1.52s/move, 0 errors, $0.48 Gemini: 9000 pts, 75 lines, 1.13s/move, 0 errors, $0.02 Jev wins on score and is doing it 4-5x faster per move than either LLM, for basically free. That gap isn't the model being smarter, it is the model doing less work per decision

2.0万 views · 122 likes · 41 saves

Alright @typesafeai cooked Jev is truly the next era of building w LLMs Added this to Scappa tonight https://t.co/YeYnj5pc7l

2.7万 views · 319 likes · 77 saves

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，它的分类就已经很精准。 在右侧调出了统计面板，展示大致的使用情况，供大伙参考。 接下来，我会继续将 Jev 整合到更多的产品和工具中。 Jev 是 2026 年度的 AI 之星！

7.1k views · 18 likes · 15 saves

JEV CAN DRIVE! 🤯 I hooked up Jev to the raw controls of a driving simulator, this video shows him driving in realtime. Realtime is the kicker here. Asking a model what to do every 50ms then rendering that into a "realtime" video is one thing, but in this simulation I wanted to give Jev the challenge of actually controlling a moving vehicle in a simulation that will never pause while he thinks.

4.8万 views · 281 likes · 103 saves

jev + kernel browser use demo pretty freaking cool! so fast! try it yourself: https://t.co/CoVFzscaa0 https://t.co/OyXdNA1H0F

3.5万 views · 238 likes · 213 saves

Big AI news... Jev enables this microphone that mutes you when you talk BS @typesafeai https://t.co/VWyJHJ7Oh9

2.7万 views · 176 likes · 57 saves

Jev Arena

3.3k views · 16 likes · 13 saves

Kontextkomprimierung in Claude Code

2.5k views · 31 likes · 16 saves

I got access to Jev by @typesafeai today morning and I built a cool use case for it Introducing DiffJury - simply paste any public PR link and Jev tells you immediately if it's safe to merge or does it require review ✅ 🔗 Feel free to try it out here - https://t.co/XxcZxIZJDK Imagine Jev being able to tell you if you should merge a PR with grounded context of your codebase. that's what we're building at @graphify 👀 It's fascinating how insanely fast Jev is... the model architecture in itself is quite interesting and this has opened up a plethora of new use cases and I'm sure the internet will pick up on it sooner than anyone'd expect

8.6k views · 79 likes · 61 saves

i used jev from typesafeai to build a model router cli you give in a task and current ai subscriptions you have, the jev tells you which agent/model should pick it up pair this with herdr and it will be a killer combo jev was the missing bit that makes this whole thing possible by being a super fast judge

6.1k views · 65 likes · 50 saves

TYPESAFE RELEASED A MODEL THAT DOESN'T GENERATE TEXT, AND IT BREAKS THE COST FLOOR OF THE AGENT LOOP jev is what they call a system one model. you send it a state and a set of questions, it returns typed answers with probabilities. no tokens, no sampling, no sequential decoding. route → decide → guard → run tool → observe → done? they report 20-200x faster inference and 40-400x lower cost than comparable llms on classification tasks. every question in a request is evaluated in parallel, so adding questions barely moves latency. in a two-turn loop that means eight decisions. the two that need a plan still go to a chat model. the other six - pick a model, screen a tool call, check if the task is done - cost 0.06s combined. the takeaway is simple: stop paying generation prices for choices. most of what an agent decides is a pick, a score or a yes/no.

2.0k views · 29 likes · 17 saves

Jev is already on OpenRouter!! It's only been out a day and TypeSafe still has a waitlist. OpenRouter has it though, and that's how we've been running it. The pricing is insane. $0.042 per million tokens in, and output is free. How to use it: - Sign up on OpenRouter and add some credits - Make an API key - Call the decisions endpoint: /api/alpha/decisions - Set the model to ~typesafe/jev-latest - Send it a "state" (what's going on) and "questions" (what you want decided, plus the options) ChatGPT and Claude write you an answer word by word. Jev doesn't write at all. You give it the options and it sends back a probability for each one, plus how confident it is. What we got: - "My card was charged twice" went to billing, 100%, in about a second - We hooked it up to Tetris and it picked every move in about half a second - A whole game cost less than half a cent A lot of fun stuff can happen here.

1.2k views · 22 likes · 12 saves

Jeden Shot in einer Videoanzeige bewerten

3.4k views · 12 likes · 23 saves

Jev opens up so many possibilities for gaming 🤯 🏁 I built Wordshift - the first semantic typing racer game built with Jev from @typesafeai Slower than a jet, bigger than an elephant, faster than a cheetah. The bigger the difference, the farther your car moves. https://t.co/elObRrcVti

5.7k views · 32 likes · 14 saves

I got access to @typesafeai's Jev model and got it to play Pac-man Jev decides which direction Pac-Man should turn at each junction, given the maze state as JSON, and plays in realtime. Demo link → https://t.co/GpfiB6MjHP https://t.co/3bKTb2FsZr

8.6k views · 79 likes · 31 saves

i got early access to jev by @typesafeai and decided to build a little extension that judges my tweets while i type them it runs so fast it can react to each keystroke, and it's basically free, after testing for an hour it cost me half a cent 🤯 https://t.co/HRU6q9kunq

4.4k views · 58 likes · 19 saves

I was wondering if @typesafeai Jev could generate images so here's what a sunflower looks like according to Jev : https://t.co/vT4UiV4SqJ

4.4万 views · 140 likes · 49 saves

Jev (@typesafeai) 使って色々プロダクトで使えそうなの考えてみてる。 dndをしたら自動で仕分け先を教えてくれる体験 最初一回はちょっと遅いが、そのあとはサクサク https://t.co/2Z7K8FA9XI

4.0万 views · 181 likes · 100 saves

Building got faster. Taste didn’t become optional. Framer is where frontier teams like @typesafeai still go when the site has to look like a serious company on day one. https://t.co/cHYyiBhiGW https://t.co/8Vv0Yco3cr https://t.co/N4X1SL6lQ1

7.9k views · 68 likes · 9 saves

@typesafeai playing minecraft, costing only 1 cent (150k tokens) for 2 minutes of play automatically knowing to dodge zombies at nightfall with no prompting https://t.co/kAlHjh2Dfg

12.5万 views · 266 likes · 108 saves

I gave Jev a robot arm. Goal: red cube in the green box. Catch: the cube was out of reach. It grabbed a hook, dragged the cube closer, put the hook down, and finished the job. Tool use was never programmed, the model just decided. Fast enough to run a robot 👀 @CompleteSkeptic @typesafeai @dotpem

4.2k views · 77 likes · 54 saves

I gave @typesafeai the most important binary in @SiliconHBO history. hot dog or not hot dog Try here: https://t.co/m6LmF6svsB Powered by @render workflows https://t.co/SvN7AniSBc

3.1k views · 25 likes · 4 saves

Live @typesafeai Jev demo at @AgentConf https://t.co/y3UpKP2e4z

1.2k views · 20 likes · 3 saves

Skill-Router für Claude Code

1.8k views · 22 likes · 7 saves

Small update for https://t.co/xXR4JLt377 today: 1. minirouter/fusion is live. It classifies each request with Jev by @typesafeai, then routes to a handpicked model matched to the task's type and complexity. 2. Codex now lists your presets and our routers in the model picker. 3. Fixed long prompts not caching automatically in Claude Code. BYOK, sandboxes, compute passes and compute yield coming next.

3.3k views · 67 likes · 2 saves

Built the ultimate syntax highlighter using @typesafeai Jev (i mean why not). It can highlight any language, even one that I made up.

4.1k views · 47 likes · 23 saves

. @typesafeai のJevを使って、Local Whisperの文字起こしを都度判定して、Macbookのローカルコンピュータの操作を自動化して、あれこれするのやってみました！ Chrome のページは Browser Harness、Slack やNotionは Mac の Accessibility で認識して操作してる。 実装はGrok4.6のみ(Codexの制限きてたんで）

2.4k views · 6 likes · 7 saves

Ran a dumb experiment last night: used Jev by @typesafeai (a decision/classifier model, not a text-gen model) to write C++. At every step I gave it the finite set of grammatically valid next tokens and let it just... pick one. No free-form generation, no hallucinated syntax, purely "choose from this legal set." It's not built for this, that's what made it fun. Got a working piece of C++ out of a model that fundamentally does not generate text. Not claiming this is how you should write code, and it's slower and dumber than just using an actual code model. But it's a neat proof that a classifier constrained tightly enough can stumble into looking like a generator. Novelty over utility here, but it's the kind of dumb experiment that tells you more about a model's actual guardrails than the official demos do.

1.2万 views · 49 likes · 18 saves

Qualitätsprüfungen für Aktionslabels physischer KI

1.1k views · 15 likes · 17 saves

Jev spielt Balatro

1.5k views · 4 likes · 2 saves

Zwischen manueller und KI-Steuerung wechseln

646 views · 14 likes · 4 saves

Fortschritt in Agent-Traces messen

1.2k views · 8 likes · 1 saves

o modelo jev (paradoxo de jevons) com RLCD (reinforcement learning for calibrated decisions) da typesafe ai https://t.co/aGwtQkbJyj

370 views · 11 likes · 7 saves

Ein Qualitäts-Gate für Entwürfe

215 views · 18 likes · 13 saves

One of the popular requests since launching @thallyio is a demo of how it works. So here it is! Thally can create a new docs repository on your GitHub account, connected to the products it documents, and other secondary surfaces that needs to be kept in sync as the product evolves. Now exploring how we could benefit from @typesafeai to make the workflow even more efficient

693 views · 19 likes · 1 saves

i have created moderation guard based on typesafe's jev its fast and accurate live demo you can: https://t.co/FquTJtWCzq https://t.co/PyNNZGu0iW

2.5k views · 21 likes · 15 saves

Chrome Dino mit Live-Entscheidungsscores

619 views · 34 likes · 2 saves

Spent the evening making sense of this, so here's Jev in 34 seconds. Super excited to build some incredible things with @typesafeai what a time to be alive... https://t.co/Zu44BEhsyh

3.5k views · 52 likes · 25 saves

9 Use Cases I thought of for Jev Hope you find it useful

729 views · 5 likes · 7 saves

Jev by @typesafeai turns your  Mac into an AI agent... what this means for You ? - Jev, a new model from a ChatGPT co-inventor, can operate computer tools in real time. - It is 200x faster for Computer use and 400x cheaper in addition to the optimizations. - Yappy from @MitosisLabs is an AI that lives on your mac and do several things in parallel. Filling out Job applications, doing your Taxes and other documents, filling out forms, and so on... - With Jev, all these things happen at the blink of your eye! Below is a video demonstrating this IRL. Here are the benchmarks (Yappy + Jev V/S our competitor): - End-to-end time: 1m 54s vs 13m 14s - LLM Calls: 22 vs 104 - Input tokens consumed: 0.39M vs 11.24M - Estimated cost of the run: ~$0.24 vs ~$4.24 Link to download in comments.

324 views · 8 likes · 3 saves

I used Jev to make an audience of 100 personalities to yap to. Each blob has its own personality and makes its own Jev call every time you talk to decide if it’s bored of you yet. Each round costs &lt;$0.01 in credits. Really cool model from @typesafeai ! https://t.co/nGlKuxxfAA https://t.co/YgRdcS5pfs

1.4k views · 13 likes · 2 saves

Testing @typesafeai Testing TypeSafe as the decision layer for an AI game companion. It reads the player’s message and game context, then returns an action, destination, and confidence. Game code makes the character act. Dialogue is prewritten; TypeSafe decides what happens next.

4.2k views · 45 likes · 12 saves

Ein Semantischer Circuit Breaker für Agenten

667 views · 6 likes · 4 saves

Another brilliant launch for developers: and its 20-200x faster than LLMs because it skips token-by-token generation entirely. TypeSafe AI just launched Jev, > 20-200x faster >40-400x cheaper (w/ output tokens free) > Frontier composable intelligence optimized for decisions So Jev is an AI model built to make software decisions instead of writing text for people. A normal LLM answers by generating tokens sequentially, so software often has to request structured output, parse it, validate it, and decide what happens next. Jev removes that translation layer: give it some data and a predefined question, and it returns a typed choice or score with probabilities and confidence. For example, a support app can ask whether a ticket is urgent, whether it violates policy, and which queue should receive it, then act on those answers directly. In code, Jev behaves like a smart if-statement: ordinary software controls the workflow while the model handles fuzzy judgments that rigid rules struggle with. Jev evaluates multiple structured questions in parallel rather than writing an answer token by token. TypeSafe reports 70-500ms responses and 40-200x faster performance than comparable LLMs

1.7万 views · 144 likes · 63 saves

Built a Grammarly-like Mac app with Jev. Jev is TypeSafe’s first “System One Model”, built for fast, structured decisions rather than generating text like an LLM. I wanted to see how fast that feels in a real app. https://t.co/XIFYnHXO7Y

3.6k views · 7 likes · 5 saves

Sofortige Variablengenerierung

380 views · 7 likes · 1 saves

Ein Experiment mit einer KI-Modell-Tierlist

207 views · 10 likes · 3 saves

ChatGPT's co-inventor Diogo Almeida says his new model Jev is 193x faster than AI. Jev by TypeSafe never writes text. Context in, typed decision out. YES or NO instead of an essay. You are paying a chat model to think for 9 seconds about a yes or no.

2.9k views · 28 likes · 20 saves

@typesafeai jev is 5x faster and 1000x cheaper than astra at playing 2048! though it (clearly) does not excel at reasoning compared to state of the art models like astra and fable what should we try next? https://t.co/24Re9v7TRT

3.4k views · 29 likes · 8 saves

Zero-shot robot tasks with the @typesafeai api Give it a goal in plain English. Jev chains a set of hard-coded primitives. The arm does the thing. No training required. More in the thread below 👇 https://t.co/zp8dSy40SW

1.8k views · 7 likes · 5 saves

man who co-invented ChatGPT just shipped a model that does in 0.114 sec what GPT Astra does in 8.5. i wired Jev into the routing layer of a build i was running on Astra: same task finished 37 MIN SOONER, zero malformed responses to retry. you hand it a situation and a list of typed questions. it answers all of them at once, in parallel, with a confidence number attached to each. no chain of thought, no tokens streaming out one by one. you stop parsing a JSON blob back into your code and praying it validates, because the model physically cannot answer outside the options you defined. the numbers TypeSafe publishes for it: > $0.042 per million input tokens, and output tokens are free > same accuracy as Sonnet 5 on their eval, 67.8% for both, at 294x less cost and 195x the speed > 0.114 seconds against 8.566 for GPT-5.6 Terra on the same demo > their Doom demo has it making around 10 decisions per second $40M seed led by DCVC, and the name is a nod to Jevons, the economist who showed that cheaper coal meant burning more of it, not less. this runs underneath the agent, on the calls that happen ten times a second and never get read by a person. waitlist for the API, but the browser playground is open now. links below.

2.0k views · 37 likes · 23 saves

I built a trading agent with the all new @typesafeai Jev. You can try it here : https://t.co/e7bLjnCfTj. Just put your own API key and start playing or clone it from https://t.co/7nJeuB2H8t and test it locally. To my surprise the agent was able to take a trade of 2.405 $ETH and took a profit of roughly 0.23%. It is very low but testing a new model in town is genuinely crazy. @CompleteSkeptic did you guys tested your model like this ? Let's #connect if you're also into fintech and actively researching.

648 views · 12 likes · 3 saves

Got @typesafeai’s Jev playing Minecraft Skyblock. One agent, reading the game state and choosing its next move through typed decisions. https://t.co/RXmybNhVtB

758 views · 14 likes · 2 saves

Steuerung eines Roboterarms in MuJoCo

150 views · 3 likes · 2 saves

On the Jev waitlist? You can use not Jev (but close enough) right here: https://t.co/S0EQnHkSGL https://t.co/qLtRs0fHyD browser demo https://t.co/BUFN88boT4

3.1k views · 10 likes · 3 saves

we spent 3 years learning how to write prompts Jev from @typesafeai breaks big prompts into smaller decisions you can build around instead of one giant prompt hoping the model gets everything right, you ask smaller questions: - is this urgent? - is this billing? - does a human need this? then combine the answers in your own code less prompting, more building

3.6k views · 59 likes · 17 saves

Meet Jev (Typesafe's First "System One" model) who knew the next step in AI would be making LLMs obsolete... An AI fast enough for real time applications (including playing Doom in real time) where do i sign? https://t.co/NNcxfwbvfu

152 views · 8 likes · 1 saves

Deinen eigenen X-Feed-Algorithmus schreiben

170 views · 2 likes · 1 saves

#jev it turned out it's good in snake too! fast too! Survived 321 moves! #demo #day_2 #type_safe https://t.co/OFcdy6bsLH

539 views · 0 likes · 0 saves

Built an SO-101 pick and place simulation using GPT-6 Astra and @typesafeai Jev. Astra reads overhead and wrist camera images and produces structured observations and Jev returns typed decisions with probability scores. A separate local controller carries out the movements and checks that the arm stays within its limits and is ready for each step. The models never directly control the motors. A fixed pick and place sequence probably doesnt need this much decision making. I m using it as a testbed for situations where observations are uncertain and the system needs to decide whether to act wait or stop.

453 views · 8 likes · 1 saves

The Jev Doom demo by @CompleteSkeptic is really cool, so while I’m waiting for access I tried the same thing with Gemma 4 E2B from @GoogleGemma. Mine takes 640×480 frames directly, with no intermediate text description of the scene. It shares the image prefill across batched action queries, then reads the controls directly from logits. It sort of works.

521 views · 10 likes · 1 saves

Is Jarvis finally here? TypeSafe just launched Jev, an API for structured decisions that can route models, rank search results and check other AI systems WITHOUT a chatbot in the loop. Imagine a Magic 8-Ball that actually works: a typed answer, with odds and a confidence score. This means they can: • Model routing: send each request to the right mode • LLM output checks: flag weak answers for review before users see them • Support workflows: sort tickets and decide which to automate or escalate And just realized TypeSafe reports ~150ms latency, ~100x lower cost & faster responses than LLMs. Early API access waitlist is open below.

7.0k views · 3 likes · 4 saves

Told my hermes agent to test the @typesafeai Jev model on an iOS app I’m currently developing for OSS Hermes recorded the screen and sent it to me on telegram I’ll continue do some more testing on this model This was the output https://t.co/d9KuwDdfCm

289 views · 2 likes · 0 saves

Cookies und Pop-ups automatisch ablehnen

95 views · 3 likes · 0 saves

Finally I got access to @typesafeai (thank you guys!) Jev + emulator lookahead cleared Super Mario Bros. 1-1 only 0.04$. In this setup, Jev sees no pixels: I parsed RAM into structured state, simulated controller macros, filtered predicted deaths, and let Jev choose. Recorded the run; resumed from the same state after an API outage. The tradeoff: RAM gives precise, auditable observations, but my adapter is game-specific. Bypassing vision makes this experiment easier; it doesn’t solve perception for general game agents. The potential is Jev as a tactical decision layer over structured observations and predicted outcomes. Caveat: 1-1 is easy for RAM + search. Next: Jev vs a cheap heuristic on identical simulations. Does the model actually earn its place?

296 views · 2 likes · 1 saves

Selbstheilende Agentenschwärme

33 views · 1 likes · 0 saves

Ein YouTube-Inhaltskarte

17 views · 0 likes · 0 saves

Jev gegen OpenJev in einem FPS

16 views · 0 likes · 0 saves

Make music in real time, just by describing what you want. A demo I build today with JEV and GPT-Live-1 👇 https://t.co/ndWYSybxiM

5 views · 0 likes · 0 saves

Eine Webseite wird zur Kampfszene

4 views · 0 likes · 0 saves

Jev spielt Catan

Eine Taube, die Fachjargon erkennt

JevForm

traffic-guard

TC39 Atlas

pkg-gate

jev-codes

Jev Search

UI-Abläufe nach Bedarf erfassen

Auf einer Seite nach Bedeutung suchen

rtrvr.ai mit Jev

Magic Jev Ball

Ein Jev-Gate für Code-Reviews

Jev Chess Master

Typeahead-UI

Semantische Tabellenformatierung

Ein Werbeblocker mit Urteilsvermögen

Posteingang nach Absicht durchsuchen

Entscheidungen über die Kommandozeile

Ein autonomes Trading-Experiment

Eine Stadt auf einem Wal

Higgsfield-Modellrouting

OpenCode spielt Tetris

Der taktische Wächter

Your Signal

Cambium-Jev-Integration

Mappity

Sofortige generative UI

Jev spielt Flipper

MOSS-Simulation zum Müllsammeln

Ein Klassifizierer für Prompt-Schwierigkeit

Jevmaxxing mit Notte

Ein Dogfight-Experiment

Nachrichtenbasierte Aktienrecherche

Live-3D-Charakterausdrücke

Discord-Veranstaltungsrecherche

Ein SEO-Audit für interne Links

Ein Vorausschauender App-Launcher

Pfadsuche in Manhattan

Ein Spielwiese zum Lösen von Rätseln

Fliege gegen Jev beim Schach

Ein Tägliches Marktbriefing

Von Session-Replays zu Bugfixes

Roboterarm-Entscheidungen

Jev spielt Sindicat

Ein Chaotische Küchensimulation

Abgleich von Stellenbeschreibungen und Lebensläufen

Coaching- und Schreibprüfungen

Ein LinkedIn-Post-Bewerter

Jev spielt Mario

Kunst nach Bedeutung erkunden

Connect-Four-Entscheidungen

Analyse der Outreach-Absicht

Ein Jev-Query-Planner

Jev-macOS-Loop

Ein Detektor für logische Fehlschlüsse

Aus einem Labyrinth entkommen

Sofortige Clay-Workflows

Ein X-Scroll-Agent

Jev fliegt eine Kerbal-Rakete

Unsaidbrief

YouTube-Recherche im großen Maßstab

Anbietersuche nach Anforderungen

Tool-prune

Incident-Triage in Box

Bestellung über ein Drive-through-Menü

Testumgebung zum Lösen von Labyrinthen

MakerMap

Tagebuch in Echtzeit

Microduck-Navigation

Jev-Komprimierung für OMP

Ein Sprachgesteuerter Browser

Ein Eine Fruchtfliege bewertet TypeScript

Jev Reviewer

Ein Logik-Interpreter in Klartext

Ein Auswahl von Tetris-Platzierungen

YouWare-Lebenslauf-Screener

Dateien nach ihrem Inhalt sortieren

Ein Interaktiver Silo-Tresor

Supabase-RLS-Linter

Ein Experiment zum Farbverständnis

Ein Detektiv-Escape-Room

TV-Empfehlungen nach Stimmung

Simulation der Notfallweiterleitung

Azdaja

Nukleares Hot-Potato-Spiel

Tetris mit Live-Wahrscheinlichkeiten

Ein Echtzeitfilter für Feed-Qualität

Ein Poker-Modellturnier

Eine physische Bibliothek durchsuchen

Big Two mit Jev-Bots

Jev steuert Tonk

Iteratives Pixelzeichnen

Ein Sicherheitsprüfung für einen Shopping-Agenten

Jev steuert eine simulierte Fliege

Ein Experiment mit einer typisierten Trading-Regel

Ein Offline-Entscheidungs-Gate für Recherche

Echtzeit-Klassifizierung von Twitch-Chats

Ein Tetris-Agent

Field Commander

Ein Eingabefeld für Chat und Suche

Jevals

Den eigenen Social-Feed beschreiben

Eine Jev-Magic-8-Ball

Connect Four auf Omarchy

Jev auf Sol

Corent-Modellrouting

LinkedIn Zoo

Ein Fahr-Entscheidungssimulator

Jevinik

Ein Echtzeit-Stresstest für Entscheidungen

Jev spielt Klavier

Sniff Test

Recherche vor dem Outreach

League-of-Legends-Siegwahrscheinlichkeiten

Ein Echtzeit-Orchesterleiter

Spielerprofiling in Roulette Wars

Relevante Support-Tickets finden

Ein 6502-Emulator-Experiment

Ein Autokorrektur-Experiment

Peakflo-Rechnungscodierung

Youform-Sprach-Builder

Pokémon-Showdown-Kämpfe

Bewertung von Video-Hooks

Unordentliche PDF-Formulare ausfüllen

E-Mail-Klassifizierung und -Weiterleitung

Chatmoderation vor dem Senden

Pokémon-Shiny-Jagd

KI-Texterkennung Satz für Satz

Ein Experiment mit kunstvoller Prosa

Intransitive-Modellvergleich

OCR-gestützte Bildklassifizierung

Jev spielt Geometry Dash

JevQL

Echtzeit-Plattformlevel

Röntgenanalyse eines Werbekontos

Combos FPS

Ein X-Post-Klassifizierer

Nachrichtenabgleich für Marken

Ein Eine Drohne in einem Asteroidenfeld

Ein Detektor für KI-Schreibmüll

NoFlow-Buttons mit Intent-Steuerung

Ein Persönlicher E-Mail-Client mit intelligenten Filtern

Antwortstimmung auf einen Blick

Ein Feed-Filter für Engagement-Bait

63.000 E-Mails sortieren

Bewertung von Backlink-Outreach

Kamerasteuerung in natürlicher Sprache

Hipershopping mit Agentcard

Ein KI-Schreibdetektor

Zugsteuerung in Focus Rail

Regeln für Coding-Agenten einhalten

GODMODE-Zivilisationssimulator

Ein Entscheidungsebene für Speicher

Dino: Jev gegen GPT gegen Mensch

Bewertung von Rezepten anhand fünf Dimensionen

Wiederverwendbare AgentRun-Workflows

Live-Klassifizierung von Bitcoin-Schlagzeilen

Android-End-to-End-Tests

Jev als Sprachgenerator

Jev-thoven-Musikkomposition

Preflight-Persönlichkeitssimulation

Virale Inhalte in 11 Millionen Videos finden

Pixelkunst mit Skizzen-und-Verfeinerungs-Loop

Einen Frontier-KI-Essay bewerten

Byte sagt Schere, Stein, Papier voraus

Ein Stresstest für einen Browser-Agenten

Schutzmaßnahmen gegen Reward Hacking bei Agenten

Jev besiegt Super Mario Bros.

Bottally-SEO- und AEO-Audits

Ein Farbcodierte X-Timeline

Beats durch Sprechen erstellen

Jev Golf: die Entscheidung umkehren

Lebensechtes autonomes Dorf

Jev gegen Claude im Benchmark

SuperQode-Entscheidungs-Harness

Steuerbare Videospiel-NPCs

Zero-Shot-Steuerung eines Roboterarms

Problemerkennung in Repositories

Wessen Jev ist das überhaupt?

Sprachbefehle für Autumn-Abrechnungen

Jido-Agenten spielen Tic-Tac-Toe

Emotionen in Piepstönen

Cloud-Failover mit Cutover

Schutz sensibler Daten

Live-Klassifizierung von YouTube-Kommentaren

Die nächsten Pi-Ziffern vorhersagen

FlightWifi prüft die Flugzeugverbindung

Fünf RuneScape-Bots steigen auf

1.000 Alltagsgegenstände bewerten

Alle Pokémon anhand jeder Frage bewerten

Just-in-time-Regeln für Claude Code

Backtest des dänischen Aktienmarkts

Jev versucht auf einer Pixel-Leinwand zu zeichnen

RTS-Roulette-Spieltests

Jevs Dojo-Kampftrainer

Pong-Modellduell

Nachrichtenklassifizierung und Geolokalisierung

Starchild-Prompt-Routing

NYT Connections lösen

JevLM schreibt Wort für Wort

Flappy Apex spielt sich selbst

KI-Schreibmüll aus YouTube filtern

Choice gegen Noul bei Trolley-Dilemmata

Just-in-time-Modellauswahl in Goose

Echtzeitbereinigung von Browserwerbung

Jev gegen alle

Blender-Modellierung mit Jev-Bewertung

Ein Prototyp eines Workflows zur Patientenaufnahme

Intelligente AutoFill-Buttons

Figma-Anforderungsprüfung

Kontextbezogene Hilfe mit Inline Manual

Benchmark für Kundennachrichten

Code-Linting in Klartext

Medusa-Dokumentationsempfehlungen

Intent-basierte Produktfilter in EasyFinder

LinkedIn-Outreach-Analyse

Taubenschießspiel

Ein X-Feed abgestimmt auf deine Lesezeichen

Excuse Court

Typisierte Suchfilter in Cascade Search

Ein Eine Webseite für jeden Leser

Schnelle Pull-Request-Durchgänge

Kontextbezogene Zwischenablage-Schnellaktionen

Gegen Jev kämpfen mit Live-Entscheidungswahrscheinlichkeiten

Ein Lauf durch die Pokémon-Liga

Drei Jev-Bots in einem FPS

Schreibmüll in der X-Timeline erkennen

Sofortige Teamplanung mit Cal.com

Experten-Minesweeper: Jev gegen Mistral

Versteht Jev Farben?

Designentscheidungen ohne Textgenerierung

Jevscan markiert verdächtige Etherscan-Aktivitäten

Ein npm-Paket-Gate für Coding-Agenten

Telefonautomatisierung mit Schrittprüfung

Ein Live-Recherche-Desk für Marktnachrichten

Fünfzig Wordles gleichzeitig

Worth Replying findet relevante X-Diskussionen

Tenet-Review-Gates für von Agenten geschriebenen Code

Native Netzwerkverkehrsüberwachung mit Rust

Relevante Reddit-Diskussionen bewerten

Unerwünschte X-Antworten filtern

Ein Dokument-Fachjargon-Detektor

Jev spielt Clash Royale

Paper-Breakdown-Rechercheempfehlungen

Urteilscache gegen semantischen Cache

Jevton: eine Stadt mit 120 Einwohnern

Ein Intelligentes Rechner-Notizbuch

Slay the Spire 2 in Echtzeit

Sofortige Entscheidungen in einem SaaS-Agenten

Ein Eine Funktion, die die Stimmung bewertet

Jev-Trades-Marktsimulation

Ein Von Jev gesteuerte Stadt

Naruto-Straßenkampf gegen Jev

Orus-Prüfung von Trading-Strategien

Den nächsten Shell-Befehl vorhersagen

Sofortige Kalorienerfassung

Synkora-Experiment zum Lebenslaufabgleich

RADAR bewertet relevante Entwicklerressourcen

Ein Ein Roboterarm hebt einen Ball auf

Jevcal-Kalibrierung der Konfidenzschwelle

AIBackends-Jev-API-Integration

Ein Maschine zum Rösten von Stellenbeschreibungen

Jev versucht sich an Resident Evil

Jeden Pac-Man-Zug wählt Jev

Atari Pong mit einer strukturierten Frage

Pokémon-FireRed-Lauf gegen die Top Vier

Tetris mit typisierten Landeoptionen

Jev-lint findet Widersprüche im Wiki

Die Golden Gate Bridge malen

Dungeon-Wächter, die ihre Taktik ändern

MakerMods-Roboterarm in MuJoCo

Jev spielt Time Crisis

Mehrstufige Robotermanipulation

Nanocode mit selektiver Speicherkomprimierung

Ein Agent mit zwei Gehirnen aus Jev und LLM

Real-oder-Fake-Experiment zur Wirklichkeitsprüfung

Ein Bluesky-Feed mit Emotionserkennung

Jevsume-Lebenslauffeedback

Mobile End-to-End-Tests mit Touchpress

Ein Three.js-Fahrsimulation

Slop-Cannon-Profilanalyse

Wie Toxizität für Jev klingt

Von KI geschriebene X-Antworten markieren

Intent-bewusste Suche in Replicas

Dragon Ball Sparking Zero mit Jev

Intelligente Sortierung von Code-Diffs

500 E-Mails in Sekunden klassifizieren

Abfragen in natürlicher Sprache in PostgreSQL

Ein Posteingangsklassifizierer für 1.500 E-Mails

Text mit Jev generieren

Ein Klassifizierer für Codebase-Komplexität

Stagehand-Browsersteuerung mit Jev

Kriterienbasiertes Modellrouting in Eve

Jev als QA-Tester

Jev in einer Sicherheitspipeline

Prototyp zur Live-Klassifizierung klinischer Transkripte

Drapes Echtzeit-Virtual-Try-on mit Jev

Klassifizierung von Bauplänen bei Proq

Mario Never Dies mit Jev und microsandbox

jev board: Tastatur für Umgebungsintelligenz

Doom mit verzweigten Zukunftsszenarien

Personalisierte Gewichtung für Hacker News

Marketing-Benachrichtigungen auf Android stummschalten

Codenames mit Jev

Die Textklassifizierung in MotherDuck ist jetzt etwa 50-mal schneller und kostet etwa 1 % so viel. prompt_jev() ist eine von Jev unterstützte SQL-Funktion und das neue system one-Modell von TypeSafe. 100.000 Zeilen: 40 s, $0.50, Genauigkeit auf dem Niveau eines führenden LLM. Das LLM benötigte 32 min und kostete $37. Weiterlesen:

Betrugserkennung in Echtzeit mit Jev und ElevenLabs. ElevenLabs transkribiert den Anrufer während des Gesprächs, Jev berechnet das Gesamtrisiko eines Betrugs und erkennt gängige Warnsignale. Jede Anfrage kam in ~180 ms zurück, und die 11 Anfragen kosteten $0.00043.

Echtzeit-Stimmungsanalyse mit Jev und ElevenLabs. Jede Formulierung nimmt die Farbe der Emotion an, die sie vermittelt, während der Anrufer noch spricht. Die sechs Anzeigen rechts verfolgen die Stimmung des Gesprächs.

Wir stellen typesafe/jev-router vor: einen cache-bewussten Modell-Router, der von Jev und @typesafeai unterstützt wird Jev Router wählt für jede Anfrage das beste Modell und den passenden Reasoning-Aufwand aus und bringt Qualität, Geschwindigkeit und Kosten in Einklang. So funktioniert es 👇🏻

Jev vs. Claude, derselbe Roboter, dieselben Anweisungen. 233 ms vs. 2 s. Und ja, er schmollt, wenn du ihn beleidigst. 1-fache Geschwindigkeit, Ton an.

Jaste (Beta) ist da - Kopieren und Einfügen mit @typesafeai Jev - Schneller als die ursprüngliche Demo - Lokaler Modus kommt bald - BYOK-Unterstützung Die Nutzung deines Computers muss nicht so mühsam sein

🎇 Ich habe eine kleine Chrome-Erweiterung gebaut: ein Seitenbereich, der mit Jev die WebMCP-Tools jeder beliebigen Website steuert! Während du tippst, wählt sie bei jedem Tastendruck das passende Tool der Seite aus, füllt die Argumente aus und sagt dir, wie sicher sie sich ist. So sieht das beim Lebensmitteleinkauf aus:

Ich habe einen Echtzeit-Schreibstilprüfer mit Jev gebaut 📝 Schreibe eigene Regeln wie „alles markieren, was wie ein LinkedIn-Beitrag klingt“ Belegdrucker inklusive 🖨️ (Audio ist dabei)

Ich habe mit Jev einen Echtzeit-Präsentationscoach entwickelt. Während du präsentierst, hört er zu, folgt deinen Folien und Notizen und behält im Blick, was noch gesagt werden muss.

Eine neue Art zu SUCHEN (⌘F) mit @typesafeai Jev. Finde, was du meinst, nicht nur, was exakt übereinstimmt. Superschnell und nahezu in Echtzeit. Ich habe daraus eine zu 100% quelloffene Chrome-Erweiterung gemacht.

Ich habe ein Textfeld gebaut, das sich in alles verwandelt, was du eingibst (irgendeine UI). Unterstützt von Jev.

Wir stellen jevgrep vor – eine Research-Agent-CLI, unterstützt von Jev von @typesafeai, die die Kosten deines Coding-Agenten um 40% senkt (auf SWE-bench verifiziert). Verwende unbedingt den integrierten skill, damit dein Coding-Agent weiß, dass er jg zur Kontextsammlung verwenden soll

Kann Jev die Größe kompilierter Binärdateien besser optimieren als clang -Oz? Wie sich herausstellt, manchmal schon! Hier ist jevopt: intelligente Entscheidungen zur Compileroptimierung mit Jev. Ich habe Jev genutzt, um an jeder LLVM-IR-Aufrufstelle intelligente Inlining-Entscheidungen zu treffen. So bin ich vorgegangen.

Ich habe etwas Zeit damit verbracht, #Jev von @typesafeai für einen Anwendungsfall zu testen, der mir wichtig ist: einen Lebenslauf mit echten Stellenbeschreibungen abzugleichen. Ich habe eine kleine Demo namens Rolewise gebaut. @metix_ai übernimmt das Abrufen von Stellenangeboten; Jev entscheidet über die Eignung. Der Aufbau: - Den Lebenslauf analysieren und bearbeitbare Inhalte generieren

wenn ich das Terminal mit Jev verbinde

endlich habe ich Jev ausprobiert und damit anhand weniger Wörter nach Gemälden von Mark Rothko suchen lassen

Ich spiele mit Jev, um Inspiration für Schriftarten zu finden

Ich habe mit Jev einen Farbpalettengenerator erstellt – warum auch nicht? Ausgehend von der Eingabe liefert Jev Wahrscheinlichkeiten für zehn Farbfamilien sowie Bewertungen für Wärme / Helligkeit / Energie und eine Schriftartenauswahl. Der Code ordnet das oklch zu und färbt die Seite ein.

Die neueste Version von @ASIMOV_Platform enthält einen integrierten `--jev=NOUL`-Ausgabefilter. Dadurch können agentische Harnesses wie Hermes einfache Entscheidungen zur Nachbearbeitung natürlicher Sprache an Jev, ein System-One-Modell, auslagern. Schau mal, Mama: Ich verwandle hier ganz nebenbei mein LinkedIn-Netzwerk in JSON-LD.

Die Branche für Buchhaltungsdienstleistungen ist tot. Dieses Wochenende habe ich mit Jev von @typesafeai eine bessere Lösung entwickelt. Ich habe Jev 34 Monate Arbeit gegeben, für die eine Kanzlei mehr als $20,000 berechnet hat. Jev erledigte die Aufgabe in 20 Sekunden besser und für nur $0.32 🤯