#jev

JEV 캐스케이드는 GPT-6 정확도의 99%를 약 57% 비용으로 유지

Jev-as-a-Judge 논문은 TypeSafe AI의 확신 있는 JEV 판정을 받아들이고 나머지는 GPT-6 Astra로 올리면, 510개 홀드아웃 선호 쌍에서 GPT-6 정확도의 99%를 GPT-6 비용의 약 57%로 유지했다고 보고한다. 저자들은 상향 임계값이 모든 폴백 모델로 전이되지 않았으며 자체 데이터에서 설정해야 한다고 말한다.

Pydantic AI 에이전트, 이제 Jev에서 실행

Pydantic는 에이전트가 TypeSafe AI의 Jev 분류기로 타입이 지정된 질문에 답하며, 각 에이전트의 기존 출력 모델과 필드별 신뢰도 점수 하나를 반환한다고 밝혔다.

Ahmad Awais, Command Code에서 Jev를 무료로 출시

2026년 9월 22일 Ahmad Awais는 Command Code에서 Jev를 무료로 출시하며, 사용은 헤드리스 모드 또는 Provider API로 제한된다고 밝혔다. 그는 또한 모드 cmd-mod-jev-nudge를 오픈소스로 공개했다.

Ahmad Awais, 2026년 9월 22일 Command Code에서 Jev를 무료로 제공

Jev는 헤드리스 모드에서만 쓰거나 Provider API를 통해서만 사용할 수 있다. Ahmad Awais는 cmd-mod-jev-nudge 모드도 오픈소스로 공개했으며, 무료 이용은 할 일이 더 남아 있는 동안 에이전트를 계속 실행하기 위한 것이라고 말한다.

Metaview, TypeSafe AI의 jev를 모든 에이전트에 배포했다고 밝혀

Shahriar Tajbakhsh는 Metaview가 주말 동안 TypeSafe AI의 jev를 모든 에이전트에 추가했다고 말했다. 그는 소싱 제품의 후보자 검색이 수 분에서 수 초로 줄었고, 정확도는 같으며 속도는 약 10배, 검색당 비용은 의미 있게 낮아졌다고 말했다.

OpenRouter Classifiers에서 typesafeai의 Jev로 LLM 요청을 분류할 수 있다

OpenRouter Classifiers에서 typesafeai의 Jev로 LLM 요청을 자동 분류할 수 있으며, 결과는 Explore에서 분석할 수 있다.

TypeSafe, MotherDuck의 prompt_jev()가 텍스트 분류에서 ~50배 빠르고 ~100배 저렴하다고 강조

TypeSafe는 TypeSafe의 Jev 모델로 구동되는 SQL 함수 prompt_jev()가 텍스트 분류를 약 50배 빠르게, 비용은 약 1%로 수행했다는 MotherDuck의 주장을 인용했다. MotherDuck은 LLM의 32분 및 $37과 비교해 100k rows를 40초에 $0.50로 처리했다고 보고했다.

TypeSafe AI: Jev가 이제 이용 가능합니다

TypeSafe AI는 Jev가 이제 이용 가능하다고 밝히며 https://console.typesafe.ai 링크를 게시했습니다. 해당 게시물은 Jev가 무엇인지 또는 어떠한 접근 조건도 명시하지 않았습니다.

TypeSafe AI Jev 미들웨어는 LangChain 관리형 딥 에이전트를 위한 모델을 라우팅할 수 있습니다

Nathan Drezner는 TypeSafe AI의 Jev 미들웨어를 LangChain 관리형 딥 에이전트와 함께 모델 라우팅에 사용할 수 있다고 말합니다. 사용자는 경로를 정의하고 Jev가 모델 선택을 처리합니다.

LangChain, Jev가 에이전트 평가 심사관으로서 GPT-5.6 및 Claude Sonnet 4.6 대비 인간 심사자와 일치했다고 보고

LangChain은 Jev를 에이전트 평가 심사관으로서 GPT-5.6 Luna, GPT-5.6 Terra, Claude Sonnet 4.6와 비교 테스트했다고 밝혔으며, 모든 호출에서 인간 심사자와 일치하고, 분산이 최대 913배 낮으며, 호출당 0.44초, 전체 실행 비용이 Claude Sonnet 4.6의 $28.17 대비 $0.34라고 보고했다.

LangChain, Sydney Runkle의 typesafeai 신규 Jev 모델 워크스루 공유

LangChain이 @typesafeai의 신규 Jev 모델과 이를 에이전트에 연결하는 방법을 설명하는 Sydney Runkle의 10분 미만 영상을 소개했습니다.

Elvis, Jev로 AI 논문 ~2.3K편을 83초 만에 $0.14에 재태깅했다고 보고

Elvis (@omarsar0)는 Jev를 사용해 AI 연구 논문 약 2.3K편을 총비용 $0.14로 약 83초 만에 정리했다고 밝혔다. 그는 Jev가 기존 DeepSeek V4 Flash 태그의 75%에 동의했고 고신뢰도 주제 변경을 약 579건 찾았으며, 불일치 항목 30건에 대한 수동 확인이 전부 수용된 뒤 변경 사항이 프로덕션에 적용됐다고 말했다.

TypeSafe AI, 대기 목록 없이 모두에게 Jev 개방

TypeSafe AI는 Jev가 이제 대기 목록 없이 모든 사용자에게 제공된다고 밝혔다. 회사는 또한 모든 사용자가 $5 크레딧(~1억 2천만 토큰)으로 시작한다고 말했다.

Bailey Jennings, ONET 직무 분류에서 Jev와 Luna를 비교

짧은 데모에서 TypeSafe AI의 Jev는 정확 일치 80.5%, 약 200밀리초, 100만 단위당 122달러를 기록했고, Luna는 정확 일치 84.9%, 약 2초, 100만 단위당 482달러를 기록했다.