jev-preview

Oversikt. Jev er en proprietær modell for tekstinndata fra TypeSafe AI, trent med RLCD for å returnere kalibrerte beslutninger. Hver forespørsel returnerer typede svar knyttet til spørsmålsnavn, slik som et valg med sannsynligheter, en skår, en nullsannsynlighet eller bokskoordinater, heller enn generert tekst. Slugen typesafe/jev-preview er et alias som for øyeblikket peker på jev-1.14.0, den samme utgivelsen som jev-latest.

Viktigste styrker. Leverandørens modelldokumentasjon som er vurdert for denne modellen inneholder ingen resultater fra referansetester, så denne delen gir ingen løfter om kvalitet. Leverandøren dokumenterer et strukturert grensesnitt: svar for valg og skår inkluderer sannsynligheter, og standard kontekstvindu per forespørsel er 64k token. Engelsk er det primære treningsspråket, der leverandøren opplyser at nøyaktigheten er best.

Når du bør bruke den. Bruk Jev når applikasjonen din trenger en strukturert beslutning basert på tekst, slik som å velge ett alternativ fra en fast gruppe med valg eller returnere en skår mot en definert forklaring. Den passer for behandlingskjeder som tolker svar programmatisk og ikke trenger prosa. Unngå den til chat, utkast til svar, kodegenerering eller andre oppgaver der en skriftlig forklaring er forventet utdata.

Begrensninger. Jev er ikke en chat- eller fullføringsmodell, og den skriver ikke svar, lager ikke kode eller forklarer resonneringen sin. Standardkonteksten er 64k token per forespørsel og 32k per spørsmål, og et vindu på 262k er bare tilgjengelig når leverandørens header for lang kontekst sendes. Antall parametere, arkitektur, når treningsdataene slutter og grenser for utdata er ikke oppgitt, og fordi aliaset flytter seg med nye utgivelser, bør du låse jev-1.14.0 når resultater må være reproduserbare.

Suverenitetsnotat. TypeSafe AI er registrert med USA som registreringsland, og oppføringen for modellskaperen flagger eksponering for CLOUD Act, så denne modellen bør ikke presenteres som suveren. Leverandøren opplyser at forespørsler og svar fra kunder ikke brukes til trening, og at de samme vektene betjener hver konto. Datalokasjon for endepunktet er ikke verifisert, så det gis ingen garantier om datalokasjon.