Jev 1.14: ищем объекты, проверяем документы и находим кошку среди 96 фотографий
В предыдущей статье я проверял Jev на текстовых задачах: классификации, уверенности ответов, длинном контексте и грязном входе. 14 октября TypeSafe…
Testing & QA
⚑ Сообщить о проблемеПоследние новости Testing & QA от Tech News
Все темы
agents
ai
api
architecture
automation
backend
beginners
career
claude
cybersecurity
devchallenge
devops
discuss
javascript
llm
machinelearning
mcp
node
opensource
performance
productivity
programming
python
security
showdev
softwareengineering
testing
tutorial
typescript
webdev
A web crawler for AI agents with no LLM in the crawl loop
When an AI agent needs an answer that lives a few clicks deep on a website, there are two common ways to get it. Dump everything. A crawler fetches…
Приниматоры решений: бенчмарк на русском для Jev-style моделей
Последние пару лет мы довольно странно используем большие языковые модели. Из-за их умения делать всё мы пытаемся решить с их помощью всё — роутинг…
Обучили классификатор телепередач для Kodi: что он рекомендовал и почему F1 = 1,000 нас обманул
Телевизор я смотрю редко. Когда всё-таки включаю, хочется попасть на хороший фильм о путешествиях, науке или космосе. Нравятся каналы вроде «Моей Пл…
Что умеет и где ломается Jev: большое тестирование
В работе с моделями важно не только знать их точность, скорость и цену, но и понимать, где им можно доверять, а где нужна дополнительная проверка. М…
Jev and the Problem With AI That Always Has an Answer
The biggest improvement was learning when to stay quiet. This is our experience while integrating Jev to a use case that's both cost effective…
I spent a week teaching my Mac app to remember what I meant last Tuesday
This happens to me about four times a day. I find a bug. I explain it to my coding agent. We fix half of it. Three days later the other half turns u…
Benchmarking Jev: what a decision model can (and can't) do in an agent harness
Model under test: jev-1.13.0 · Date: Sep 2026 · Code & raw results: github.com/Aitejiu/jev-harness-lab A black-box engineering evaluation: 10 pu…
I let an LLM judge inside Python's if statements, then ran Ansible's own tests on it
I wrote a small library that lets you put a question, in plain language, where a Python if condition goes. from fuzzyif import fuzzy if fuzzy ( " Is…
I Put Jev Behind a TLA+ Spec and Ran 1,680 Chaos-Tested Pharmacy Decisions. Zero Wrong Verdicts.
A pharmacy system has one rule that matters more than being accurate. It is allowed to say "I don't know." It is not allowed to be sure, and wrong.…
Routing OpenCode Tasks with Jev
After the release of the TypeSafe AI Jev model and its availability in OpenRouter, I decided to immediately test its capabilities and rewrite my min…