The newest builds with Jev

Newest first, 232–265 of 1072. All 1072 in curated order

• Our guide·madewithjev.com

  OpenAI Decisions API alternatives

  Alternatives to OpenAI Decisions: TypeSafe Jev is generally available with a published API, probabilities, and free output tokens. How it differs — and when Decisions still wins on vision.

• 

  Oliver

  @oliviscusAI

  grok 4.7 thinks. jev reacts. together, one ai agent now thinks twice before every move, and pays a fraction of the price for it. grok-jev-reflex is a free, open source router that pairs the two: grok 4.7 plans and acts, jev makes the cheap yes/no calls in between, at $0.042 per million tokens, answered in about 239ms. > 25 tools sent on every call, cut down to 8 > first prompt: 17.8k tokens → 9.5k tokens > bill: up to 40% less, same speed > numbers measured independently on xAI's grok build setup is 5 messages, no code, about 7 minutes: make a key, install, add one rule, run a shadow day watching only, then go live. jev can only make the agent do less or ask more, it can never approve anything irreversible on its own. 100% free. open source.

  

  X·Routing and model choice

  Pick

  Grok-Jev Reflex

• 

  Ali

  @alisadiq_ai

  Been playing with Jev, and I built a realtime filter for my LinkedIn feed. Trying to be more active here without drowning in AI slop. It scores posts in real time based on what I care about. Change the prompt, change what matters. Open source. Demo below 👇

  

  X·Social feeds

  Pick

  A real-time LinkedIn filter

• 

  Dario Crespo

  @crespodario

  Metí a Jev en un chat. 🤖 Para que no tengas que volverte loco/a adivinando cómo probarlo. probalo sin instalar nada y sin registrarte. 👉 Probalo acá: lnkd.in/dhFX5XYY Y si querés armar tu propia versión, el código está abierto: lnkd.in/dXSu6ki3 😉

  

  X·Tools and apps

  Put Jev in a chat

• 

  Guide·archerhume.com

  Jev’s Architecture Unmasked

  Archer Hume probed Jev with 10,000 API calls to work out roughly how it is built.

• 

  Christopher Jones

  @dr_chrisjones

  Progress on building the data center optimizer for load balancing + power management. Also testing Jev against classic algorithms and an LLM agent with the same GPU rack, same 24h of jobs, and same power limits. Needs more tuning but not bad for an early demo.

  

  X·Tools and apps

  A data center optimizer

• 

  Dario Crespo

  @crespodario

  Metí a Jev en un chat. 🤖 Para que no tengas que volverte loco/a adivinando cómo probarlo. probalo sin instalar nada y sin registrarte. 👉 Probalo acá: lnkd.in/dhFX5XYY Y si querés armar tu propia versión, el código está abierto: lnkd.in/dXSu6ki3 Contame

  

  X·Tools and apps

  Jev in a chat, no install

• 

  Guido Pettinari

  @coccoinomane

  Local open-source version of Jev 🤯

  X·Open source

  A local open-source version of Jev

• Our guide·madewithjev.com

  Cloudflare Clef alternatives

  Alternatives to Cloudflare Clef: TypeSafe Jev ($0.042/M, images in preview), Perplexity Decisions ($0.04/M), OpenAI Decisions and open source. When Clef-flash, Clef-omni or Clef still win.

• 

  netrunner

  @plotarmordev

  Another Jev competitor just dropped: CLM-8B from @jackyk02 and the Stanford/NVIDIA team, with open weights under Apache 2.0. They claim it's comparable to Jev with up to 9x faster inference We went from zero options to a new one almost every day!

  X·Open source

  CLM-8B, a new Jev competitor

• 

  Yasuhito Morimoto

  @yasuhito_morimo

  【国内AIエージェント動向(2026/9/24号)】 本日の国内AIエージェントニュースのポイントはこちら👇 ・ KandaQuantum、Fuga v2で1日2,000体超を指揮 ・ GPTBots. ai、Jev統合で二層型AIを構築 ・ 信頼度スコアで自動実行・人手確認・上位判断を動的切替 ・ 競争軸は単一モデル性能から運用設計・業務KPI重視へ ▼ 各主要トピックの詳細はこちら https://note.com/yasuhitoo/n/nf13d3908657e AIエージェントは「賢いモデル選び」から「どう役割分担し、どこで人が介在するか」の設計競争へ。企業導入では運用KPIがより重要になりそうです🤖

  

  X·Agents and browsers

  GPTBots.ai integrates Jev

• 

  CyrilXBT

  @cyrilXBT

  JEV IS INSANE your coding agents forget everything the second the session ends. Every fix. Every dead end you already hit. Every "no, not like that." Gone. Tomorrow you teach it all over again. Someone just open sourced the fix, and it runs on Jev. It's called Beacon, by @asymptotelabs. It pulls in your session history from Claude Code, Codex, Cursor, OpenCode and 20+ other agent tools and turns it into one shared memory. But storing everything isn't the hard part. Most agent runs are GARBAGE to learn from. Failed commands. Wrong turns. One off hacks you'd never want repeated. Save all of that and your agent just gets confidently worse. So Beacon keeps the full history, and Jev decides what actually earns a spot in memory. Promote it. Send it for review. Or throw it away. That's a decision you need on thousands of sessions, which is exactly why it has to be cheap. The runs that survive get turned into reusable skills. So something Cursor figured out on Monday shows up in your Claude Code session on Tuesday. Your agents stop starting from zero. Every good run makes the next one smarter. Repo: http://github.com/Asymptote-Labs/agent-beacon Star it and save this. follow @cyrilXBT

  

  X·Context and memory

  Pick

  Beacon fixes a coding agent’s memory

• 

  iwashi / Yoshimasa Iwase

  @iwashi86

  Jevの内部アーキテクチャを推測している技術記事(Jev’s Architecture Unmasked)からメモ。 ・本記事はJevのAPIを約1万回の呼び出して、内部構造を推測したもの ・従来の言語モデルを用いた分類やルーティングでは、トークンを1文字ずつ逐次生成するために膨大な無駄な計算コストが発生していた。 ・JevはLLMの膨大な知識をそのまま保持しつつ、テキスト生成を完全に排除して内部表現から直接確率を出力する ・システム全体の構造は、共通の文脈をエンコードする共有状態、並列に処理される質問群、そして確率を直接読み出すヘッドの3要素から成立 ・モデルは入力を左から右へ読む事前学習済みの因果トランスフォーマーであり、プロンプト処理の直後に推論を終了する ・テキスト生成ループは存在しない ・だから、単語の綴りやJSONのフォーマットを出力するためのステップが一切不要 ・APIレスポンスに含まれる出力トークン数という項目は、単に返却された文字列の長さから、後で計算された課金用の指標にすぎない ・選択肢が2個の場合でも200個の場合でもサーバーの処理時間はほぼ変化せず、モデルがトークンを逐次生成していない事実を強く裏付けている ・入力データは共有状態と複数の質問に分割され、問い合わせ本文などの共通コンテキストは一度だけKVキャッシュに保存される ・複数の質問は同じ共有キャッシュを参照するため、質問数が増加しても共有状態を何度も再計算する必要がない ・それぞれの質問はお互いの存在や指示が見えないようになっている ・質問同士が干渉することなく完全に隔離された状態で推論される ・ある質問内に秘密のコードを記述しても別の質問からは参照できない ・共有状態に置いた場合のみ全質問から認識可能 ・約100個の質問まではリクエストの処理時間がほとんど増加せず、共通状態を一度だけ計算して並列処理する設計の恩恵が明確に現れている ・Jevが持つ高度な知識水準を考慮すると、双方向エンコーダを新規開発したのではなく、既存の因果デコーダ型LLMを再利用した可能性が極めて高い ・トークナイザの挙動は既存の公開モデルと完全には一致しない ・数字の分割方法やチャンク処理に独自の工夫が見られる ・選択肢の並び順に関する実験では、判断の根拠となる情報が選択肢リストの末尾に配置されていてもモデルは正しく正解を選択できた ・質問に含まれる各選択肢は独立して採点されるのではなく、リスト全体が互いに文脈として影響を及ぼし合った上で判断される ・無関係なダミーの選択肢を追加すると既存の選択肢間の相対的なオッズ比が変化した ・このことから、選択肢同士が相互作用していることが実験的にわかる ・リスト全体を一括して読み込む設計のおかげで、上記のどれでもないといった他の選択肢に依存する回答も適切に処理できる ・選択肢の提示順序を逆転させると出力確率に若干の変動が生じるため、実務で特定の閾値を用いて自動処理を行う際は順序バイアスへの配慮が求められる ・学習手法にはRLCDと呼ばれる独自のアプローチが採用されている ・強化学習の枠組みを用いて真の結果に即した予測確率を出力するように調整されている ・モデルの出力は対数損失やブライア損失といった適格スコアリングルールで最適化され、正直な不確実性を反映した確率分布を形成する ・ベンチマークの検証結果において予測確率と実際の正解率は高精度に一致しており、期待キャリブレーション誤差は0.0313という極めて低い値を記録した ・難易度の高い数学問題ではモデルが提示する正解確率自体が低下する ・なので、自身の知識の限界に応じた不確実性を表現できている ・APIが返す信頼度スコアは学習された固有値ではなく、得られた確率分布の最大値から算術計算で求めた便宜的な数値にすぎない ・Jevのバックボーンには、必要な専門モジュールのみを選択的に起動するスパースなMixture of Expertsが採用されていると推測される ・テキスト生成を行わないプロンプト処理のみのタスクでは計算負荷がボトルネックとなるため、疎な構造による演算量削減が大きな効果を発揮する ・約3万トークンの入力をわずか160ミリ秒程度で処理する速度性能は、巨大な密結合モデルではなくMoEを採用している推測ともあう ・質問枝はチャットのような逐次的会話ではなく独立したバッチとして処理されるため、GPUリソースを最大限に活用した一括計算が可能 https://archerhume.com/posts/jevs-architecture-unmasked

  Guide·x.com

  Jev’s architecture, notes in Japanese

  Yoshimasa Iwase’s notes on Archer Hume’s article: shared state, isolated questions, calibration and a likely mixture of experts.

• 

  Geek Lite

  @QingQ77

  Codex 一旦开跑，推理档位就钉死不动，读个文件也用最高强度烧 token,这个项目让 Jev 在每次生成前重新挑档位。 github.com/miuuyy/Astra-A…

  

  X·Routing and model choice

  Pick

  Jev picks the reasoning level first

• 

  Eric Yang

  @ericjingyang

  In Silicon Valley, Jian Yang built the Not Hotdog app. A decade later, his bro has finally continued the family business. The Not Slop extension, detects LinkedIn and X slop as you scroll, powered by Jev. Every generation gets the classifier it deserves.

  

  X·Social feeds

  The Not Slop extension

• 

  Edwin Mesa

  @edwinfmesa

  Seguí con dos consultas: un código de verificación que no llega y cómo navegar con el teclado. Jev eligió seguridad y manual de usuario; Laya, privacidad y términos. En ambos casos me convencen más las elecciones de Jev, aunque Laya volvió a responder más rápido con mi setup.

  

  X·Security and abuse

  Jev and Laya on security queries

• Our guide·madewithjev.com

  Perplexity Decisions API alternatives

  Alternatives to Perplexity Decisions: TypeSafe Jev ($0.042/M, images in preview), Cloudflare Clef (multimodal, open weights), OpenAI Decisions (public beta), and open-source paths. When Perplexity wins.

• 

  Edwin Mesa

  @edwinfmesa

  Empecé a escribir: "¿Qué precio tiene la suscripción anual?". Antes de pulsar Enviar Jev y Laya ya sugerían planes_y_precios.md. Eso es lo que quería probar: si el agente puede tener una pista de qué consultar antes de que le llegue la pregunta, con mi setup Laya fue más velóz

  

  X·Open source

  Predicting queries before submission

• 

  Melvin Vivas

  @melvindvivas

  We can use this for Codex limits real-time sentiment analysis lol Jev + ElevenLabs

  X·Tools and apps

  Pick

  Real-time sentiment with Jev and ElevenLabs

• 

  Packapun

  @packapun

  New kid on the block typesafe.ai/blog/introduci…

  

  X·Benchmarks and evals

  TypeSafe introduces System One models and Jev

• 

  Guide·tech.layerx.co.jp

  A study session with 50 engineers, in Japanese

  LayerX ran a 30-minute internal session on Jev. More than 50 engineers came, and they left with more than 50 ideas for their products.

• 

  Nikkhil Narang

  @acenik10

  Your agent doesn't need a bigger brain. It needs a faster one. Most agent decisions are tiny — urgent or not, which queue, yes/no. We run them through frontier models anyway. TypeSafe's new Jev does it in milliseconds for a fraction of the cost. #AIAgents #Jev

  

  X·Benchmarks and evals

  TypeSafe launches Jev

• 

  Tuan N

  @__tuan____

  Sooner or later everyone will come to realize System One Paradox or Jev Paradox is real. The inevitable path forward is System One Plus or System One+. x.com/__tuan____/sta…

  X·Benchmarks and evals

  The System One paradox

• 

  Pitofui

  @Pitofuii

  LLM をゲームで使ってて一番困ってたのが、考える時間の長さ。Agent 同士でリアルタイムに戦わせるのが、なかなか難しかったんですよね。 今回、@typesafeai の #Jev にアクセスできるようになったので、ゲームに組み込んで Sonnet Fast と動かしてみました。どんな感じかは下の動画を見てください！ 次は 5 秒のターン制限を外して、Laya と Jev をリアルタイムで戦わせてみようかな。

  

  X·Games and real time

  Real-time agent battles in games

• Our guide·madewithjev.com

  TypeSafe Jev alternatives

  Alternatives to TypeSafe Jev: Cloudflare Clef (multimodal, open weights), Perplexity Decisions ($0.04/M), OpenAI Decisions (public beta), and open-source paths (Laya, Julia 1). Fair to peers and OSS.

• 

  Mentis 🇦🇺

  @adam_x_mentis

  Gonna be… Massive! Here’s the pipeline architecture for the agentic pipeline. @typesafeai’s Jev super fast decision engine at the core. 👀🕳️🐇 🔥🚀🤖

  

  X·Agents and browsers

  An agentic pipeline with Jev at the core

• 

  Alex

  @AlexanderTw33ts

  Jev is 9.5 hours into his 10 hour livestream and his question api has 16 paying customers chatwithjev.com

  

  X·SDKs and integrations

  16 paying customers

  Customers

  16

• 

  Han Keo

  @KeoGrowth

  En regardant Jev et Recursive Mass, je peut être sûr d'une chose les LLM ne sont pas la voie royal pour être le cerveau des agents, du moins pas pour longtemps. Jev même n'est pas encore au top du top sur ces probabilité montre déjà ces preuves pour ses prises de décision (plus rapide que des LLMs) Et Le Recursive Mass (pensées latentes sous forme de nombres) montrent qu'il est plus efficace pour les agents de communiquer entre eux partageant leu états internes plutôt que générer du texte compréhensible par des humains. Une chose est clair, on ne doit pas utiliser les IAs pour nos agent commet on les utilises pour nos discussions. Les Modèles n'ont pas fini d'évoluer :)

  

  X·Sales and leads

  A candidate for agent brains

• 

  Guide·github.com

  awesome-jev

  A community list of projects, wrappers and examples.

• 

  Jim Merioles

  @jimmerioles

  Yep, best ELI5 on TypeSafe's Jev:

  X·Benchmarks and evals

  An ELI5 for Jev

• 

  Zenko | NeuralFrame Labs

  @NeuralFrameLabs

  Local Laya beats Jev 100% #localai #ainews #ai #laya #jev

  

  X·Open source

  Local Laya beats Jev

• 

  Edwin Mesa

  @edwinfmesa

  Explorando qué se puede hacer con Jev y Laya, que (los de moda), me pregunté si podrían ayudar a un agente de soporte a preparar el contexto mientras el usuario escribe su mensaje. El contexto es clave para un LLM, así que armé una startup ficticia con 7 documentos. 🧵

  

  X·Context and memory

  How Jev and Laya help support agents prepare context

• Our guide·madewithjev.com

  Structured Outputs alternatives for routing decisions

  Alternatives to Structured Outputs for classify/route/act: decision APIs (Jev, Clef, Perplexity) return probabilities, batch questions, run faster and cheaper. Category boundary: chat JSON vs typed decisions.

• 

  𝗿𝗮𝗺𝗮𝗸𝗿𝘂𝘀𝗵𝗻𝗮— 𝗲/𝗮𝗰𝗰

  @techwith_ram

  TypeSafe Founder's Blueprint for Building with Jev. Check out the pdf here: drive.google.com/file/d/17h982x…

  

  X·Benchmarks and evals

  TypeSafe’s blueprint for building with Jev