Saltar al contenido
Alfa
  • Modelos
  • Clasificaciones
  • Ori
Hablar con ventas

Jev Lab

Recetas que se ejecutan en directo con Jev de TypeSafe a través de OpenRouter. Cada una incluye el código y el resultado.

Página del modelo Jev
  • Clasificación de mensajes de soporte

    Cinco preguntas de sí o no sobre cada uno de los 95 mensajes, en aproximadamente un segundo.

    475 respuestas en 1,2 s

    Jev · 0,0014 $ por ejecución

  • Aprobación de acciones del agente

    Cuatro comprobaciones en cada una de las 24 llamadas a herramientas de una solicitud. Los pasos de riesgo se detienen para que intervenga una persona.

    96 respuestas en 0,5 s

    Jev · 0,0004 $ por ejecución

  • Extracción sin conjeturas

    Jev elige cada campo entre los candidatos encontrados en el texto, por lo que no puede inventar un valor.

    12 campos en 0,6 s

    Jev · 0,0002 $ por documento

  • De prompt a preguntas

    Pegue un prompt. Claude lo reescribe como preguntas de Jev y, a continuación, Jev las ejecuta en cada fila.

    380 respuestas en 2 s

    Jev + Claude Haiku 4.5 · 0,0025 $ por ejecución

  • Filtro del feed en lenguaje natural

    Escriba una regla en lenguaje sencillo y Jev marcará todas las publicaciones que coincidan, en una sola solicitud.

    40 publicaciones en 0,5 s

    Jev · 0,0003 $ por ejecución

  • Oponente de persecución en directo

    Usted corre y Jev le persigue. Cada movimiento del perseguidor es una solicitud, de dos a tres veces por segundo.

    De 2 a 3 movimientos por segundo

    Jev · 0,16 $ por hora

  • Formulario de pago que detecta

    Un formulario de pago hace ocho preguntas después de cada clic y reacciona a las respuestas.

    8 respuestas en 300 ms

    Jev · 0,0001 $ por comprobación

Documentación

Guías y recetarios para desarrollar con Jev en OpenRouter.

  • Jev TutorialGuía
  • Jev (TypeSafe)Guía
  • Multimodal DecisionsGuía
  • TypeSafe SDK (Jev)Guía
  • Gate Agent Tool Calls with JevRecetario
  • Auto-Approve Coding Agent Permission Prompts with JevRecetario
  • Classify Reddit and YouTube Comments with Jev and ScrapeCreatorsRecetario
  • Classify and Tag Text at Scale with JevRecetario
  • Cut LLM Cost with a Jev-Verified CascadeRecetario
  • How to Use Jev: Moderation with the Jev API in TypeScriptPublicación del blog
  • Is Jev as Accurate as Frontier Models at Classification?Publicación del blog
  • What Is Jev? TypeSafe's Decision Model Explained for DevelopersPublicación del blog
  • Jev vs LLM-as-a-JudgePublicación del blog
  • Jev vs LLM: When to Use a Decision Model Instead of Generating TextPublicación del blog