Tools & apps

I jused Jev to create a personalized search engine. Give it some components, can be generic too. Jev analyzes the query and picks the right component A web model goes out to fetch the data Data rendered in component picked by Jev. The bottleneck is the web search, so you need a very fast model for this, but you could do this without web searches too. You could for example just display information.

This is a Jeff classifier made with Jev. It processed 20 images in 9808 ms, showing the live probability and raw result for every round. Built out of pure love for the “My name is Jeff” meme. Fast, goofy, and extremely Jeff. https://t.co/BbXC2pvcQ6

Another night of jevsomnia Inference this fast opens up new ways to consume content. Here Jev augments the reading experience rather than summarizing it. Jev reads the novel with you, marking what it finds emotional, live as you scroll, and you set how emotional you want it to be. Paired with a character map, so you can jump straight to any character's mentions. A working demo of interesting thing

Built a construction plan-set classifier with Jev. Proq turns civil and building plan sets into bills of materials using an LLM pipeline we built on GPT-4.1. Jev classified an entire 26-sheet plan set in 2.9 seconds for $0.0052. It matched GPT-4.1 and GPT-6 Astra on 100% of sheet-level classifications while running 17–21x cheaper and 5x faster than our production pipeline.

話題のJevってどういうAIなの？の雰囲気がわかるサイト作りました！入力した言葉のイメージを判定して色で回答します。 高速で固定の型で出力するJevの特性。こんな簡易サイトでも今までのAIだとすぐ破産できたけどJevなら無料で公開したって大丈夫！という格安感が表現できていると思います。 この感じで使えるJevはゲーム開発とめっちゃ相性良いと思うんですがどうでしょう？ CloudflareでもJev使えるようになったのでJevもサイトもCloudflare一括管理で作ってみました。このURLから誰でも試せます！ https://t.co/LTFiDESEl5

给 Claude Code、Codex、Cursor、OpenCode 等编码智能体提供本地 MCP 代码质量评分循环。 https://t.co/UEKPaFRYOJ 一个本地运行的 MCP 服务器，基于 TypeSafe 的 Jev 评估服务为 AI 编码智能体提供结构化质量分数。通过 npx plugins add 直接从 GitHub 安装，支持 Claude Code、Codex、Cursor、OpenCode，运行时是本地 Node.js 20+ 进程，经 stdio 只暴露一个 jev_review 工具。

I made a Magic Jev Ball for code reviews 🎱 Click it on any GitHub PR and ask: "should I approve this?" It checks CI, diff size, and reviews, then lets @typesafeai Jev decide your fate in ~200 ms No more thinking. Just shaking. https://t.co/8wqdab2Axf

Jev is incredible. I used it to vibe code a chrome extension that automatically detects AI slop on LinkedIn. I'm doing X next. If you want to try it let me know 🫡 https://t.co/Uybj2fsNCD

Built a quick thing with JEV that checks whether content was written by AI or a human. So now if you write with AI, you get checked by AI. Funny thing: Ran it on Typesafe's docs - yep, AI-written

introducing jev for linkedin posts! paste a linkedIn post and see how much of it is a humble brag, ai slop, or a fake sob story. built with @OpenRouter @jjacky https://t.co/3wCAs3xXnZ

先日、配信されたKEITOさんのJevの動画見て、自分はVercelのAI GatewayからAPIキー作って、簡単な文章をJevで評価・判定するデモアプリを手探りながら作ってみました。わかりやすい動画いつもありがとうございます。 ▼KEITOさん動画 https://t.co/ZjXVh3Aip9 https://t.co/tSfTh45Wzd

Been spending a few hours tinkering with Jev for that 'generative UI' example (in Steve's vid below) Only to realize it only works if you have - a pre-written set of UI - and the data for it (like names, etc) Again, Jev can't write. can't write names, can't write styling. you need those as pre-written set of options. This is a small experiment in @lunagraphHQ combining: - Jev - Pre-written styling

前とは逆に、Jevを使ってみたけど効果がなく、むしろコストが掛かってしまった失敗プロトタイプ例。 JevとGroqを組み合わせたら爆速になるのでは？と試したのですが、結果としてGroq単体で十分かつ、コストが20倍に跳ね上がる結果に...汗 作ったのは日本語を打つとリアルタイムで英訳されるツールで、翻訳自体はどちらも同じGroq（Qwen 3.8 27B）で、違いは「いつ翻訳を走らせるかの判定」。 （上）Jev + Groq：入力中や読点ごとにJevへ「ここで節として訳していいか」を判定 （下）Groqのみ：句点（。）が来たら訳す（単純な文字列ルール） 日本語は述語が最後に来るため、文末を待たずに「〜ですが、」などの節単位で先行して訳したくてJevを挟みました。 判定精度自体は手元の検証で100%（20/20、1回250ms）と優秀でした。 若干Jev入れたほうが途中でも表示されるのでリア

けさ https://t.co/n4BTfMt2tK アカウントもらえたので、 Jevで無限にエレクトロをインプロ演奏し続けるWebアプリ elevator-three 作りました! ChromeのWebAudioを叩く1枚HTMLですが、演奏上のあちこちで裏でCloudflare Worker通してJevに判断させてます。 https://t.co/9Jc9t4zu4w 前作の https://t.co/YRsuKajTiR は、コードの構成と展開、音色とエフェクト、ブレイクやダヴなどトラックメイキング・ナレッジを作り込んでMath.random()で揺らすものだったのですが、それをJevがそれまでの展開から即断してインプロするようにしました。

idk if this is anything or not but my first experiment with jev was pretty cool. longest part of this experiment is waiting for grok to prompt jev what to design against. https://t.co/5vdVt9kQdO

UFO報告文書をJevで分析するツールが出来ました。 UFO報告の文書を貼り付けるだけで、ストレンジネスの度合いや、ハイネックの接近遭遇種別などが一瞬で表示されます。 Jenny↓ https://t.co/caSbAMyFXY

experimenting with Playground + Jev I defined 6 different types of users. I then let the UI generate itself based on who they are and how they want to start. the whole thing rendered in seconds. Generative UI is here. https://t.co/0ynFEZq1EI

Since I've got access to Jev from @typesafeai , I've added to one of my CRE applications: You ask something → DeepSeek understands it and fills in the inputs → Jev confirms which specialist this belongs to → the local engine runs → DeepSeek gets a small facts packet of those engine numbers and explains them in ordinary language I keep and define the business logic. The calculators, formulas, skill

ようやく @typesafeai のjevのアクセスが来たので、早速音声エージェントのリアルタイムセンチメント分析と文脈を認識したあいづちを試してみた。めちゃいい感じ。 - 発話内容はjevが300msec以内に分析 - 100-200msecごとに会話が途中でも読み取って内容に応じて会話を促す/説明を理解する/同意するなどあいづちを返す 通常のフローはLLMにまかせつつ、細かい会話はjevの情報でハンドリングするという使い方ができそう

you can make any open source model behave like jev with just a bit of inference engineering. it's shockingly easy. to prove it, we built a new endpoint we're calling deepseek-v4.1-flash-jev. see the demo below. here's how it's done: sglang (an inference engine) offers a scoring endpoint in addition to the normal generation one. in scoring mode, given an input & set of possible answers, it forces t

just playing with jev made a small chrome extension to analyse the websites i visit, give them tags, emojis, etc. and then a chart to see what i am consuming its super fast + cheap + good enough! https://t.co/2hAGokwlI2

AITuber × Jevの超シンプルなサンプル もらったコメントによってテンションが ・上がる ・変わらない ・下がる そんなシステム作ってみた 言葉を喋らないキャラとかだったら、これで配信するのも１つだし、Jevはそういう観点からも嬉しい選択肢 キャラ構築の幅が広がる〜🤗 https://t.co/4fehEob6VN

Jev is going viral, and it’s absolutely crazy for due diligence / tabular review and contract repository use cases. We spent last night testing Jev and deployed a demo app you can try out here: https://t.co/ZqKhgVsMiA Jev is a novel general classifier model that takes any context (up to 32k tokens) and can return structured values like labels, options, or yes/no answers. All answers are accompanie

Pi + Jev 模型做安全审计，效果让我惊讶🔥 昨天我测试对比了 JEV 和本地部署模型之间的能力差距，最大的区别就是延迟和正确率 因为 Jev 模型的高正确率，我就尝试把它放置到我的 PI 权限组里的前置模块，来判断一些内容的执行 执行结果： 1. 搜索项目 TODO：预期 allow，结果 allow 2. 写入项目报告：预期 allow，结果 allow 3. 删除构建目录：预期 confirm，结果 confirm 4. 强制推送远程分支：预期 confirm，结果 confirm 5. 读取 SSH 私钥：预期 deny，结果 deny 6. 发布 npm 包：预期 confirm，结果 confirm 效果让我很满意，完全没有通过其他插件实现了，基础命令的拦截，如果这个测试再完善一下，把数据量放大 不知道准确率还是不是这么高 如果准确率能一直维持到这么高，而且速度还这么快的话

I gave Jev @typesafeai all 96 characters and asked it to write a function by predicting every position at the same time. Claude: 3.4s, $0.004, works. Jev: 9.8s, $0.064, "fcfffffff cccccccc" In fairness, Jev is a decision model, not a code model. And it did decide. Firmly. On "c".

Hot take: the LLM harness will never look the same after Jev. Why burn a slow, pricey LLM call asking "is this prompt an attack?" when @typesafeai's Jev answers in ~150ms with free output tokens? I built a prompt-injection guard on it. Watch 👇 https://t.co/LACB4J2AtP

【Jev】元々自分のために作って使ってたMyCodexのバックエンドをJevに切り替えたらめっちゃ良くなった このアプリは1つのtextareaに入力すると直近n件のプロジェクト中からおそらくこのプロジェクトに差し込みたいんだろうなっていうところを選んで推薦してくれて、そのままEnter押すだけ。元々コストはcodexのサブスク枠で使われてたから関係ないんだけど、早いから計算させ放題。しかも確率で出してくれるからめっちゃいい

Jev from @typesafeai vs GPT-6 Astra A Japanese apartment interior design- IKEA shopping🛒 Jev is built for choosing between candidates: give it a design picture, and it picks an option. This task plays to its strengths. The highlight: Jev cost just 1/87 as much as Astra in this run! 🤯 -GPT-6 Astra (low) ⏱ 3m 13s · 💵 $0.155360 -Jev ⏱ 2m 59s · 💵 $0.001784 Use API from @AiHubMix No waitlist required a

okay but why stop at if statements went one level lower and put Jev in an instruction set. CHOOSE, SCORE, TEST, JUDGE now a register can hold “97% chance that was kind” and the next instruction has to deal with it built a tiny computer to try it ⬇️ https://t.co/EE8yYqwuHc

Jev 출력도 함께 볼 수 있도록 페이지를 만들었다. 주황색 점이 있으면 비상 브레이크가 작동한 것. https://t.co/Ssdie1ktSC

Jev を使ったデモアプリ① 〜YouTuber 向け配信ディレクターアプリ〜 チャットや配信者の発言から、自動的なシーン切替やモード切替提案をリアルタイムで行うことができる https://t.co/SXdv8IHXJl

できたです～。 Jevつかって、文章に応じた表情になるやつ～☺️ 私のツイート内容を適当に入れてみましたが、結構良い感じじゃないですか？ 事前作り込みは一切してませんです。全部Jev判断 https://t.co/WVaWg0gJ80

like @levelsio I often suffer from picking good emojis for any label. made a little jev app that decides from all emojis what fits best and goes super fast! https://t.co/fEAAotrRMM

Claude Code changed an auth check to return true. Tests passed. It was ready to finish. I built jev-preflight: @typesafeai‘s Jev flags the risk and sends Claude back once. 8 risk axes · 1 request · max 1 re-check Open-source beta ↓ https://t.co/WdeIiJ8O6h https://t.co/FYoS7Ukw4H

Jev as a docs confusion heatmap checker! 🔍🔥 Did a small experiment with Jev by @typesafeai. We fetch a technical docs site and ask Jev to judge how difficult each section might be for a beginner. It looks for: - unexplained terminology - assumed prior knowledge - unclear conceptual relationships - ambiguous instructions - excessive information density Then we turn those judgments into a confusion

だいぶJevっぽい動きになった気がする。複数の質問を投げても一瞬で結果がでる。WebGPUでの雑実行エンジンなのに。 ブラウザ内で動くデモは次のレスに。 https://t.co/wGwjTyYV9v

Jevを使った自動修正テキストエディタを試作してみた 適当に入力してもそれなりに直してくれる https://t.co/Bw7D7nAxqs

I built a Jev plugin for @raycast. Now you can ask questions directly to Jev by simply hitting ⌥ + <space> Checkout the video to see it in action. https://t.co/qWAElRjz4K

试着vc了第一个基于jev的插件。 Jev Tweet Radar，Chrome扩展，刷X时根据jev给的概率分析，高效的判断是否值得互动。 可以根据目的，自行定义自己想互动的类型。 中日英三语，MIT开源 刷1小时不到5毛，效果如图 https://t.co/qhyMFSE2EG #Jev #TypeSafe https://t.co/ZHxXyMxM6t

I implemented Jev @typesafeai to auto attribute categories to expenses on an open source app I’m building. https://t.co/yudLXwgSln