The newest builds with Jev

Newest first, 532–564 of 1072. All 1072 in curated order

• 

  Guide·youtube.com/@RAmjad

  Jev and Claude Code: the cheapest agentic loop yet

  Ray Amjad puts Jev inside an agentic coding loop and looks at what it costs to run.

• 

  Versun

  @VersunPan

  刚看了下这个jev wechat项目，模型是用 jev + deepseek 通过 Android 无障碍服务读取App 的节点树，兜底是用截图 + 本地 OCR 上下文只有最近 10 条消息 微信能监测到，有封号危险

  X·Agents and browsers

  WeChat automation with Jev and DeepSeek

• 

  蝎女kk

  @StingCloudLab

  Jev加GPT-6 Astra做了个无唤醒词、按语境再开口的助手Demo，这个交互设计很关键。唤醒词是语音助手最反人类的设计之一，能自然插话才是真助手。但无唤醒词意味着一直监听，隐私问题怎么解决，Demo估计没说。

  X·Robotics and devices

  A voice assistant with no wake word

• 

  さよ☆マギカ

  @MajoSayo

  I wanted Jev-style decisions with my own models, so I built LogJev. Text, images or audio in; choices/scores from logprobs. Node + Python, agent skills, cloud or local (requires modality + logprobs support). 2048 demo: github.com/DumoeDss/logjev

  

  X·Open source

  LogJev

• 

  Guide·youtube.com/@DavidOndrej

  Build anything with Jev

  David Ondrej explains how to use Jev, the architecture behind it, and how to build a business on it.

• 

  Kenny Chen｜AI 实战

  @KennyChinaTech

  Jev 这个案例很适合小团队：2,300 篇 AI 论文，约 83 秒，成本 $0.14。 但这个数字不能直接当成 Jev 的单模型成本。旧标签先由 DeepSeek V4 Flash 跑过，真正该测的是整条分类链路：预处理、Jev 决策和人工抽检加起来还剩多少。 x.com/omarsar0/statu…

  X·Documents and OCR

  2,300 AI papers in about 83 seconds

  Volume

  2,300 papers

  Run time

  ~83 s

  Cost

  ~$0.14

• 

  GOGOGO

  @GodName794

  第一版： 让Jev模型自己决定怎么走，显然Jev败北； 第二版： 算法优化 使用预判攻防筛选落子，再让Jev决定走哪一步，Jev最终打败了我！ 这次经历让我更清楚地看到：表现聪明，和做出可靠判断，是两件需要分别验证的事。 我怎么看 AI？ AI 很擅长从复杂信息里提取规律，在信息不完整、要求不够明确时给出判断。但它给出了选择，甚至给出了很高的概率，都不等于它已经算清楚后果。 这盘五子棋就是一个例子：Jev 能选择落点，却没有独立证明自己看到了所有关键反击。给它补上试走和检查，整个系统才更可靠。所以评价 AI，应该看它在具体条件下做对了什么，而不能只看它说得多像专家。 我怎么看算法？ 算法是把判断方法明确写下来：先检查什么、遇到什么情况怎么办、怎样验证结果。 我们这套程序的优势，是能重复、稳定地执行这些步骤，还能给出可核验的杀棋路线。但它的局限也很清楚：搜索只覆盖有限范围，评分规则是人为设定的，候选筛选也可能漏掉好棋。 另外，AI 本身也是由算法实现的。这里真正的区别，是“人为明确写下的规则与搜索”，和“通过训练学到的判断”。 由此能得出 Jev 擅长什么？ 这次实际验证的是：Jev 能接收棋盘、候选和战术描述，快速返回一个明确选择及概率分布。 因此，它适合充当软件里的“候选判断环节”，把描述性信息转成程序可以直接使用的选择。 但我们还没有证明： Jev 擅长独立进行多步博弈； 它比程序直接选最高分更强； 它给出的概率能准确预测胜负。 所以，我会把它定位为可嵌入程序的判断组件。它到底增加了多少价值，需要通过“有它”和“没有它”的对照来衡量。那次赢棋，是整个系统的成果，不能全算在 Jev 头上。 对于 AI 和人，最有启发的是什么？ 第一，好判断往往来自好的检查过程。人也会只看到眼前收益，忽略下一步反击。重要决定前，多问一句“如果对方这样回应，我怎么办”，常常比增加信心更有用。 第二，把能算清楚的部分交给计算，把尚不确定的部分明确留下来。 不要因为一部分经过验证，就把整个结论都当成确定。 第三，工具的价值要靠比较，而不是靠名气。 如果去掉 Jev，效果一样甚至更好，就应该承认；如果它能改善选择，也应该用结果说明。 对人而言，最值得保留的角色，是确定目标、选择取舍、检查证据，并承担决定。AI 可以扩大我们考虑问题的范围，但判断“什么才值得做”，仍需要人的参与。

  

  X·Games and real time

  Chess, once free and once filtered

• 

  AYi

  @AYi_AInotes

  你是不是也在推特收藏了上千个书签，最后只存不看， 开发者 Alex 用jev解决了这个痛点， 他刚上线的这个工具 Margin, 算是真正把你的书签收藏救活了， 以往尝试用传统大模型做个人书签检索, 体验几乎是灾难级的: 把几百条推文全文丢给大模型或者向量库, 每次搜一句话要在云端等上半分钟, 还要硬烧几块钱的调用费, 根本没人愿意天天用。 而接入专做强类型决策的 Jev 之后, 整个检索逻辑彻底被掀翻了。 你只要用扩展把这几年积攒的书签一键导出导入工具, 接下来直接用最口语化的人话去搜, 比如问它有哪些关于冷启动获客的实操技巧。 系统完全不需要自回归逐字生成废话, 而是由底层的决策小脑以单条几十毫秒的速度在后台做并行打分。 短短几秒钟之内, 上百条沉睡了几年的推文被挨个计算出匹配置信度, 界面带着进度条瞬间弹出一份按相关性精准排序的推文清单, 甚至把每条内容到底契合在哪用数字标得清清楚楚。 百万 Token 只要四分钱且输出免单的机制, 让这种以往极度奢侈的遍历打分, 变成了一次只需要花几分钱的日常微小操作。 真正好用的知识库从来不是逼着人类自己去建复杂的分类文件夹, 而是把检索成本压低到可以肆无忌惮地用自然语言反复提问。 以前是把好内容随手扔进黑洞当个数字囤积狂, 从今天起是用毫秒级的决策神经随时把冷数据捞出来变成生产力。 https://x.com/alexchristou_/status/2101674202361221376/video/1

  

  X·Search

  Margin, bookmark search

• 

  Guide·youtube.com/@Itssssss_Jack

  Jev AI just dropped

  Jack Roberts walks through the three kinds of micro decision: a yes or no, a choice from preloaded options, and a score from 1 to 100.

• 

  zre

  @zrebroia

  Jev lleva toda tu operación de marketing de anuncios por menos de 3$. ⁠→ Escanea cada anuncio activo de la competencia y lo etiqueta por hook, formato y tasa de supervivencia ⁠→ ⁠430 anuncios leídos por segundo. 0,6$ gastados.

  

  X·Ads and marketing

  430 competitor ads a second

  Rate

  430 ads/s

  Spend

  $0.6

• 

  Zohaib Tanwir

  @zohaibtanwir

  Jev is incredible - built an email classifier that is capable of classifying 50 emails in under 2 secs. That too, when Jev is hosted in us-west, and I am in India. Idea credit - @ryanvogel @typesafeai #Jev

  

  X·Inbox and support

  Fifty emails in under two seconds

  Volume

  50 emails

  Run time

  <2 s

• 

  Zhilin Wang

  @zhilinjerrywag

  #Jev made one thing very clear: Not every AI model needs to generate. Some models should just make really good decisions. So we’re cooking Mev at @metix_ai , a recruiting-native decision model built around job-candidate matching, ranking, and hiring signals. Jev → Mev. More soon.

  

  X·Benchmarks and evals

  Not every model needs to generate

• 

  Guide·youtube.com/@maximilian-schwarzmueller

  It really is. No joke.

  Maximilian Schwarzmüller on a new kind of model that beats LLMs in the areas it was built for.

• 

  nocoo

  @zhengli

  Jev 学费还是要付的，刚开始觉得，每次请求这么便宜，每个月 $5 妥妥够用，一个真实任务下来就教做人：好好研究官方 skill，学会如何正确使用 state 和按分组问问题。

  

  X·Benchmarks and evals

  Five dollars a month was not enough

• 

  Yujie Zha

  @zhayujie

  Had CowAgent build a batch ticket analysis tool on Jev. Jev doesn't generate text. You send content and typed questions, it returns classifications, scores and booleans, each with a probability distribution. One call per ticket, 7 judgments, ~500ms.

  

  X·Inbox and support

  Batch ticket analysis with CowAgent

  Per ticket

  7 classifications

• 

  Min(building Moss, hiring now)

  @zeroxmin

  Great article from Hrishi! So despite all the hype, JEV is a great observer for agent runs (progress, time/cost-to-finish, trace labeling), but not a security gate, and not yet a laziness detector. Still sounds good to plan JEV into our roadmap and explore some use cases for onchain agents!

  X·Benchmarks and evals

  Jev as an observer of agent runs

• 

  Guide·youtube.com/@albertolgaard

  I tested the new Jev model

  Albert Olgaard tests Jev and explains why the System One models matter.

• 

  日本で一番社長にAI研修する21歳

  @zeetakou

  今、GPT Live APIを使って作っているテレアポ用のAIに、Jevを組み込んでみています。どの判断を任せると一番活きるのか、実際に動かしながら検証中です。 僕ら、AI研修だけやってると思われがちなんですが、実はこういう開発もかなりやってます。リストと営業シナリオを設定するとAIが自動で電話をかけ、見込みがある相手だけ担当者に転送。通話結果や要約、会話ログも残せます。 ここにJevを入れて、「この相手は見込みがあるか」「今、担当者につなぐべきか」「再架電するなら優先度はどれくらいか」といった判断を任せたい。電話中や通話後に何度も発生する細かい判断とは、かなり相性がよさそう。 研修で教えるだけじゃなく、自分たちでも毎日作って試してます。日々研究。こういうのが一番楽しい

  

  X·Inbox and support

  Jev inside a telemarketing AI

• 

  yuri

  @yurinakanishi33

  昨日のJevハッカソンで発表した「Jevを使った俳句生成」について訂正があります。 発表では「JevのChoiceで、ひらがなを1文字ずつ生成している」と説明しましたが、間違いでした。 実際には、季語・名詞・助詞・動詞・副詞・結びの定型句などの単語をコード側であらかじめ用意し、それらを組み合わせて5音・7音の完成行候補まで先に作っていました。 Choiceに渡していたのは、その時点の文字列から、いずれかの完成行に到達できる「次の1文字」だけです。 さらに、候補が1つならコードで確定。複数ならChoiceが返した確率の上位3候補を再正規化し、コード側でもう一度抽選していました。そのため、Choiceが選んだ文字を必ず使っていたわけでもありません。 つまり、単語や文章の道筋をコード側で先に用意したうえで、Choiceが返した確率を使ってコード側で分岐する実装でした。申し訳ありません。 添付動画は、コード側で用意していた語彙と単語のつながりに関する制約を外した版です。残した制約は、5・7・5の区切りと、使用できる文字を1字1音として扱える73字に限定する文字種制限だけです。 毎回、ここまでの句、季節・状況・気分などの文脈、残りの音数、73字すべてをChoiceに渡しています。Choiceが返した全73候補の確率をコード側で再正規化し、その確率を重みに次の1字を抽選。これを17回繰り返しています。 結果は......全くできていませんねw #aimeetup

  

  X·Benchmarks and evals

  A correction about generating haiku with Jev

• 

  檀奕

  @yunxi0623

  分享个很火的 skill： typesafe-ai Skill 👇 安装命令：npx skills add typesafe-ai/skills --skill typesafe-ai 可以直接 让 Codex 理解 TypeSafe / Jev 的调用方式 它最有意思的地方，不是让 Jev 替 Codex 写代码，而是把代码里的“判断题”交给 Jev 不过注意它不是装完就会自动接管 Codex 的所有决策，你需要在 Prompt 或代码里明确哪些判断交给 TypeSafe

  

  X·Coding and code review

  Teach Codex to call Jev

• 

  Guide·youtube.com/@TheHunterBohm

  I paired Jev with Astra

  Hunter Bohm on how Jev works, pricing and parallel decisions, whether it is actually new, and his own Astra plus Jev benchmark.

• 

  Nitor｜AI 工具站出海

  @yuntian9999

  这几天 X 上一直刷到 Jev。 最反常的一点是：它根本不写字。 TypeSafe AI 把 Jev 定义成第一款公开的 “System One Model”： 你给它一段状态 + 几个明确问题，它不生成长文，而是直接返回选择、评分、概率和置信度。 官方价格： $0.042 / 100万输入 tokens，输出免费。 TypeSafe 还声称，在它针对 System One 任务的工作流里，Jev 可以做到 20–200× 更快、40–400× 更便宜。 注意，这是厂商自己的特定任务测试，不是“全面吊打 GPT”。 所以我觉得它不是 GPT / Claude 的替代品。 更像是给 Agent 加一个“判断层”： GPT / Claude 写和规划 → Jev 判断 / 路由 → 代码执行 真正值得看的不是又一个新模型。 而是 AI 开始分工了。

  X·Benchmarks and evals

  The first public System One model

• 

  中平 裕貴

  @yukix2000

  Jev（文章を書かず、判断だけを返すAI）をゲームに組み込んだら面白いのでは？と思った。 2048とFlappy Birdを、2体のボットが横並びで遊ぶ観戦画面を作った。 ところが、Jevは一度も呼んでいない。 2048は全手を試して点数化する。 Flappy Birdは次の隙間を見て、飛ぶか待つか決める。 これだけで普通に動いた。 Jevの使いどころを探す実験で、先に「Jevを使わなくていい場所」が見つかった。 今回は、ルールで書ける判断にAIを入れる必要がなかった。 次は、ルールで書きにくい日本語の仕分けで試す。

  

  X·Games and real time

  Two bots playing 2048 and Flappy Bird

• 

  よたん

  @yo_ta_n

  Difyで作った身内用LINE Bot。家族だけはLINE ID判定して自宅のライトやエアコン操作がチャットから行えるように対応できた。極力コストを減らすため分類器はJev、チャット応答はLunaを選択。#Dify #Jev #ChatGPT #LINE

  

  X·Robotics and devices

  A family-only LINE bot for the house

• 

  Guide·youtube.com/@promptwarrior

  Jev: full tutorial

  Moritz starts from the API key, then builds three prototypes: a voice-controlled browser, memory retrieval, and a YouTube topic scorer, and says where Jev still needs an LLM or plain code around it.

• 

  Youssef 🚜

  @yelkhayami

  the natural endpoint of coding agents is adhd maxxing while my other agents are working i’ve been building a nintendo ds game with gpt-6 astra, fable 5.1 and jev today i added perry the platypus so he can push you off a ledge side quests are getting out of hand

  

  X·Games and real time

  A Nintendo DS game built with Jev

• 

  DaBin.Binah

  @yedabinbinah

  JEV语音控制mac，指令刚说完，任务就执行完成了，这个模型泛决策能力很强，效率极高 JEV目前是申请制，所以大家先去申请，用不用再说 申请链接：typesafe.ai #JEV

  X·Robotics and devices

  Voice control of a Mac

• 

  Xuan (Billy) Zhang

  @xzhang_billy

  Can #Jev really control embodied robots? @Anno_YanzheChen showed ShowHarness in #VLA. @Vanzllll told me: as DoF scales toward humanoids, discrete actions may struggle, while continuous policies scale better with #diffusion. Without AR, how do we model cause and effect? #Robotics

  X·Robotics and devices

  Jev in embodied robot control

• Guide·arize.com

  Trace every judgment with Phoenix

  Arize’s instrumentation for Jev: one line of code to trace each decision, with the integration docs.

• 

  Vincent.seo

  @xunaoo

  Jev 가 우리 로직을 대체할 수 있을까요? 아닙니다. 대체가 아니라 로직 안으로 들어앉습니다. 제 브라우저 에이전트에 붙여 봤습니다. 판단 한 단계가 2초에서 0.2초, 모델 호출이 열 번에서 두 번. 그런데 정확도는 6%p 낮습니다.

  

  X·Benchmarks and evals

  A browser step from 2 s to 0.2 s

  Step time

  2 s → 0.2 s

  Accuracy

  −6 pp

• 

  عبدالله | مهندس برمجيات

  @xooox888

  للمبرمجين 👨‍💻✨ Jev من TypeSafe AI يقدم فكرة مختلفة عن نماذج الذكاء الاصطناعي المعتادة. بدل التركيز على المحادثات وتوليد النصوص، تم تصميمه لمساعدة التطبيقات على اتخاذ قرارات واضحة وسريعة داخل النظام ⚙️🤖 مناسب للمهام المتكررة مثل التصنيف، التوجيه، والأتمتة.

  

  X·Benchmarks and evals

  Decisions inside the system, not in a chat

• 

  WTR

  @wtry1102

  話題のJev。 いまいちよくわかってなかったので Astra君に解説ショート動画をつくってもらった なるほど・・・なるほど🙄

  

  X·Benchmarks and evals

  An Astra-made explainer for Jev

• Guide·jevable.com

  Jevable

  Nikunj Kothari’s directory of the demos posted on X, filterable by category, with a button to add your own.