Jev ile metinleri geniş ölçekte değerlendirin.
Jev, TypeSafe tarafından geliştirilen yapısal bir değerlendirme modelidir. Kesin mantıksal (boolean) değerler, seçimler ve puanlar üretir. Her istekte 32 bağımsız soruyu paralel olarak işleyebilirsiniz.
Jev'i doğrudan çalışma alanınızdan çağırın.
Yapısal değerlendirmeler istediğinizde Kollab Asistanı Jev'i otomatik olarak çağırır. Betikler (script) ve veri hatları (pipeline) için CLI üzerinden manuel olarak da çalıştırabilirsiniz.
npm install -g @kollab/cli
kollab login
echo '{
"state": "Help! My payouts have been failing for 3 days.",
"questions": {
"is_urgent": { "type": "noul", "instructions": "Does this convey urgency?" },
"department": { "type": "choice", "instructions": "Which team should handle this?",
"criteria": { "billing": "Payments, invoicing, refunds", "technical": "Bugs, outages, integrations", "sales": "Pricing, upgrades, new accounts" } }
}
}' | kollab tool run jev --jsonKollab model cephaneliğinin bir parçası.
Metin, görüntü, video ve ses görevleri için eksiksiz bir model paketinin yanında Jev'e erişin.
Yapısal değerlendirme kullanım durumları.
Jev ile özel değerlendirme görevleri çalıştırın.
Performans karşılaştırmaları.
Toplu sınıflandırma görevleri için hızlı yürütme ve yüksek tutarlılık.
Tek çağrıda 13 soru: 0,27 sn, buna karşılık 13 ayrı çağrı için 2,71 sn
TypeSafe cookbookCLERC yasal veri kümesi, 40 sorgu, BM25 ilk 30 kısa listesi
TypeSafe cookbook6.003 derecelendirme kontrol edildi · milyon değerlendirme başına $160'a karşılık $33.000
Good Start LabsMedyanda 0,35 sn'ye karşılık 8,83 sn · eklenen 7 hatadan 6'sı tespit edildi
Every.to5.733 e-postalık test seti, ayarlanmış bir TF-IDF temel modelinin %98,87'lik değerine oldukça yakın
bitnovus (bağımsız)Gerçek dünya uygulamaları.
Geliştiricilerin ve araştırmacıların üretim ortamında Jev'i nasıl kullandıkları.
Spam ve Otomatik Yanıt Tespiti
Freek Van der Herten gelen yardım masası biletlerini 3 paralel soruyla 639 milisaniyede işliyor. Bu, aylık $0,36 maliyetle saniyede 48 isteğe ulaşıyor.
Finansal Araştırma Tutarlılığı
Good Start Labs, büyük finansal rapor kümelerini verimli ve tutarlı bir şekilde doğrulamak için Jev'i kullanıyor.
Yazım Tarzı Kontrolleri
Every.to, taslak makaleleri Jev ile değerlendiriyor. Model, metinlere eklenen yazım hatalarını 0,35 saniyelik bir medyan hızıyla işaretliyor.
LLM Gözlemlenebilirlik Puanlaması
Langfuse, komut (prompt) puanlamasını ve geri bildirim verilerini otomatikleştirmek için Jev'i kendi değerlendirme sistemine entegre etti.
Cloudflare Workers AI Entegrasyonu
Cloudflare, küresel uç (edge) çıkarımı için Jev modelini Workers AI platformuna ekledi.
Tohum Yatırım Duyurusu
TypeSafe AI, yazılım uygulamalarına yönelik özel modeller geliştirmek için $40 Mn yatırım aldı.
Yapısal Durum Yönetimi
Jev, yapısal oyun durumu çıktıları aracılığıyla Doom oynayan resmi bir demoya güç veriyor.
Sıkça sorulan sorular.
Jev nedir ve standart sohbet modellerinden farkı nedir?+
Jev, yapısal bir değerlendirme modelidir. Kesin mantıksal (boolean) değerler, seçimler ve puanlar üretir. Karşılıklı konuşma metinlerini tamamen atlar ve saf veri döndürür.
Kollab'da Jev'i nasıl kullanabilirim?+
Kollab Asistanı, yapısal değerlendirme gerektiren bir görev tanımladığınızda Jev'i otomatik olarak çağırır. Ayrıca terminalinizden `kollab tool run jev` komutunu kullanarak onu doğrudan da çalıştırabilirsiniz.
Fiyatlandırma nasıl hesaplanıyor?+
Girdi (input) token'larının maliyeti milyon başına $0,042'dır. Çıktı (output) token'ları ise tamamen ücretsizdir.
Jev Çince, Japonca ve Korece dillerini destekliyor mu?+
Evet. Ancak Çince, Japonca ve Korece (CJK) dillerindeki doğruluk oranı şu anda İngilizce'ye kıyasla daha düşüktür.
Güven olasılıkları kesinlikle doğru mu?+
Bağımsız denetimler, Jev'in çıktı olasılıklarının kesin bir şekilde kalibre edilmediğini göstermektedir. Bunları göreceli, monoton puanlar olarak değerlendirin. Yüksek riskli görevlerde rastgele kontroller (spot-check) yapmanızı öneririz.
Jev görüntü veya ses işleyebilir mi?+
Jev yalnızca 80.000 karaktere kadar düz metinleri işler. Öncelikle sesi yazıya dökmeli veya görüntülerden metin çıkarmalısınız. Kollab, doğrudan medya işleme için GPT Image 2 ve Grok STT gibi başka modeller sunmaktadır.
Jev ile metinleri değerlendirmeye başlayın.
Doğrudan çalışma alanınızda yüksek hacimli sınıflandırma ve puanlama görevleri çalıştırın.