All builds

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

Me he montado un primer experimento para probar Jev, donde controla el juego de la snake, estas son mis impresiones: 1. La velocidad de respuesta es una pasada (P95 350 ms ~) 2. Es MUY barato (En este caso 1 centimo cada 200 peticiones) 3. El modelo acierta la mayoria de veces, pero alguna falla y esto hay que tenerlo en cuenta para el producto Esto hace viable ideas que antes bien por coste o por

I replaced Jev in my Gomoku harness: https://t.co/PBJE1ClzDn It seems that it plays reasonably well. https://t.co/qlbYhBfv8D

ハエの神経モデル（約16万ニューロン）vs AIのJev 同じPalmimo DevKitをMuJoCoで動かしてみた。 赤い球を追い、近づいたら停止を選ぶ。 左は神経の発火、右は行動の選択確率。 今回の追従タスクでは、Jev > ハエの神経モデル https://t.co/DyHXlV1Ehe

we gave jev 12000 synthetic records of Diabetes it was able to classify then in seconds jev is a classifier and it works insanely well when paired with an LLM which acts a rulebook creator https://t.co/qX9lGuOFBU

Did a Computer Use app for mac using Jev @typesafeai and the speed is insane, note this is still very raw yet, but honestly I'm truly impressed with this experiment and there's so much so can create and improve. Next will be experimenting this with @avocadoai_co super agent and will post later the progress

I wanted to see where Jev might fit into an accounting workflow, so I set up a test using 250 synthetic bank transactions. Each model got the same transaction details, a simplified chart of accounts, some bookkeeping rules and a written summary of the evidence. The job was to pick a category and decide whether the transaction needed an accountant to review it. So it was making decisions from infor

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

tested a homebrew Jev reflex gate locally on a 4GB GTX 1650 Ti: the premise: instead of burning slow thinking tokens on standard developer collisions, use a small 2B model as a sub-20ms System 1 decision gate. base 2B models hit an 83.3% catastrophic action rate (e.g. 57.0% probability of reformatting disk on a port 8080 collision). trained an 8.6MB LoRA adapter (4-bit NF4) into a JevMiniCPM refle

文章を書かないAIモデルが話題になってて 名前はJevっていうんだけど こっちが渡した選択肢から答えを選んで確率を返すだけなの 答えの形は3種類あって はいかいいえのどちらかと用意した候補のどれかと段階の点数なんだけど たとえば「この文は書き直すべきか」を聞くと はいの確率が0.91みたいな数字で返ってくるんだ 文章を作らないから速くて安くて 手元で同じ判定をClaudeと比べたら7.9秒が1秒かからなくなって 料金も出力にはかからないんだよね 実際にどこまで使えるか動画制作の流れの中で試してみたので 続きはYouTubeで https://t.co/IMQUFgOWNQ

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

Jev doesn't write, but it can judge... FAST! I made a first-person puzzle game powered by Jev. You're 8. You ate every cookie. Mum's home in 15 minutes. Hide the evidence. Make your choices. Let the probabilities decide if she buys it. Play: https://t.co/0ciVHr3SXc https://t.co/8mMbyR6KsR

db9でjevの関数を実装した例。db9はUDFとhttpリクエストが使えるので、ソースコード修正とかせずにそのままjev関数が実装できる（結構便利だな... https://t.co/1vJhHs3uIJ

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

Jevにスト6を操作させてみました！ 雑にアシストコンボとラッシュくらいしか登録してませんが、2Fごとに状態をチェックしてその時点で取れる行動を評価して選ばせてます 応答速度は0.2ms～0.3ms程度で人間くらいの反応速度なのでなかなかいい感じ🤩 https://t.co/VvjQrEHNyV

最近 Jev 挺火，我拿它去 12306 查了趟动车票，看看这种浏览器 Agent 到底能不能干点日常的活。 用的是 Browser Use 开源的 Jev Ultrafast，一个主打速度的浏览器 Agent，可以自己操作网页，完成你交给它的任务。 我这次用 Pi + DeepSeek 跑的，消耗也挺低。看着它在浏览器里操作，最后把车次整理出来，还挺有意思。 过程放视频里了⤵️

jev お触り、最前面ウィンドウを細かく OCR で読んで、jev に遊んでるか仕事してるかを判定させてみる X 見ててもホーム画面はコンテンツがまあまあ仕事っぽいので遊び判定にはならず、「ゲーム」などで検索すると一気に遊び判定にできた（普通にゲームタイトルでググったりすると当然一気に振れる）。 しばらく触ってみて、日本語でも判定は安定しているが、初回の接続確立を除いても 1 判定 300ms 前後かかった。リージョンは選べなさそうなので、日本からだと今のところ仕方ないか。 jev のエンドポイントは一つしかなくて、その中で - noul（yes の確率を返す） - score（順序のある段階のどこに位置するかを返す） - choice（定義した選択肢から一つ選ぶ） の 3 つの type が使える。 確率のついた決まった構造しか返さないという割り切りなので、「高速・並列・安価・非ルールベ

What happens if you put #Jev inside a game loop? I built a poker roguelike and gave it full control. It can buy upgrades, discard cards, choose hands and play the entire run by itself. No chatbot. No scripted NPC. Jev is literally playing the game. Built this as an experiment in using fast decision models for real-time game agents. 🎮 https://t.co/jX7wRXYjfG 💻 https://t.co/cFYvWRrDUR Watch the righ

Generating a unique page for each visitor, on the fly with JEV. Same components, never the same page twice. https://t.co/5qJtS61rOP

Jev のユースケースその② 〜スーパーマリオブラザーズのリアルタイム操作〜 とりあえず1-1はクリアできたが、205回の試行のうち2回しかクリアできなかった。かかった費用は$0.5程度 うーん、この結果だけ見るとまだマリオが上手いと言うレベルなのかどうかがわからない。少なくとも人間はこんなに試行錯誤しなくてもクリアできるから、人間よりは下手だと言えそう やはり1-3あたりがクリアできるかどうかがひとつの基準になると思うけれど、普通に5ドル超えそうだな。。。どうしたものか

I used Jev to create a platform for A/B testing tweets, LinkedIn posts, and YouTube hooks across hyper-specific demographics. The best part is that it simulates responses from real people rather than imagined personas. It turns Jev into a testing ground for how specific audiences might respond before you publish. Link below.

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

全网第一个爆火的 JEV AI 量化交易 Demo，跑了 57 个小时浮亏 -1370% 🤣 大家都想知道：如果做一个完全反向的策略，那岂不是稳赚？为了验证这个思路，我真给手搓出来了 我的策略为：100% 镜像反向挂单，原版买我必卖，原版卖我必买，每区块逆向对冲，绝不弃权。大家也可以尝试自定义自己的策略 DEMO： https://t.co/Y6kF0wZSPW 本项目仅为开源技术实验与机制测试，我可能会调整策略。高频做市受制于买卖价差与滑点，反向策略同样会面临市场磨损，仅供学习~

JEV PLAYING BULLET CHESS ON ANDROID - 316 ms median decision latency - 1.35 s median observation to tap execution - $0.000052 estimated cost per decision - 110 seconds total runtime - $0.00218 estimated total cost wtffff https://t.co/O8sgnwXU90

Jevのユースケースとして会社HPのお問い合わせHPに導入して営業メールと判断したらお断りする機能を作ってみた📝 https://t.co/HPLkXuiTJ0

話題のJevを使いたすぎて、Shortsの「どのフックが伸びるか」を投稿前に判定するアプリ作ってみた 自分のYouTube Analyticsをもとに、チャンネルの視聴者像を再現した「仮想視聴者」を大量生成 ↓ 候補のフックを1人ずつに見せる ↓ 「この冒頭なら見るか、スワイプするか」をJevで判定 ↓ 投稿前に“擬似スワイプ率”を算出 フックのABテストを、投稿前に仮想空間で回すイメージ なんかまぁ、うん。可能性は感じた。

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

JevでWebサイトの表示を最適化するコンセプトを試してみた。リファラ・時刻・cookie・GETパラメータ（自由文）から「ユーザの目的は何か」を判定して、見出しとForm要素を差し替える。これによってユーザが求める情報を優先して表示できる。あらかじめ用意した部品から選ぶから品質担保できる点も。 https://t.co/uoqMC9kx5v

I gave @typesafeai's Jev Flappy Bird to play 😂 Across 34 minutes of runs: 1,264 pipes passed, 3 deaths, with the game ramping up to 2.5x speed. All it does is pick flap or wait every ~280ms. No reasoning, and it costs about $0.26/hour. Kinda wild how much you can do with decisions this fast and cheap

i got Jev inside a clinical workflow. this note mentions 6 conditions. OpenMed reads each span in context, Jev makes 6 typed decisions, and code lets 1 into the current problem list, blocks 4, and sends 1 to human review. https://t.co/ZeP59oZMpx

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

toBリードの業種判定にSonnetを使用していたけど、Jevに切り替えることでコストは200分の1、速度は1.5倍ほど早くなった https://t.co/x55m40he7k

Vibe coded a 2D combat arena with Jev. The goal was to experiment with building an autonomous boss AI that actually fights smart and tries to win in real time. It’s not quite unbeatable yet, but watching it self-play with different personality vectors has been fun. Toggling state being sent and prompts was changing the strats quite a lot. Would love to hear any ideas or prompt suggestions to make

I wired TypeSafe AI’s Jev directly into a live crypto market. It watches BTC, ETH, and SOL and makes typed BUY / SELL / HOLD decisions every few hundred milliseconds. No chat. No long reasoning trace. Just: live market state → Jev → decision → action Here’s what it looks like in real time ↓

I let JEV qualify 3,000 companies in milliseconds Scrape, enrich, ICP score, verify, CRM write, draft. JEV decided what runs next. 1,260 came out as fit. 61 it wasn't sure about, those went to a human for review. 41 seconds. $0.008. Agencies could be saving $150/m on heavy qualifications with their big target lists Live in Orbit for any GTM motion. Comment "JEV" and i'l send the link so you can tr

JevにFlappyBirdをやらせてる。 canvasから情報取ってきて判断させてる。 #Jev https://t.co/H2G8Du0TPc