Pare de usar o ChatGPT para tudo — Jev chegou

Autoria: Eric Tech · Assistir no YouTube

Vídeo de autoria do canal indicado, não da IANIA; todos os direitos pertencem ao criador. Transcrição, resumo e tradução gerados automaticamente; o conteúdo no idioma original é preservado na versão em idioma original.

Idioma original: inglês

Vídeo original: Stop Using ChatGPT for Everything—Jev Is Here · Canal: Eric Tech · 08:14 · Assistir no YouTube

Tópicos: Agentes de IA, Automação de tarefas e workflows, Mercados e economia, Modelos de IA

Resumo

O vídeo apresenta Jev, um modelo voltado a escolher e pontuar ações, em vez de gerar respostas em texto, o que pode torná-lo mais rápido e barato em tarefas específicas. O apresentador destaca usos como classificação, roteamento, jogos, simulações, decisões financeiras de curto prazo e controle de navegador, mas ressalta que Jev não escreve código nem explica seu raciocínio. Também mostra um repositório com projetos feitos com Jev e menciona sua disponibilidade pelo AI Gateway da Vercel e por skills. Um trecho patrocinado demonstra o Co-Invest, um assistente de trading que analisa um portfólio e prepara ordens para revisão.

Pontos-chave

Jev é apresentado como um modelo de tomada de decisão: recebe opções, atribui pontuações e retorna uma escolha.
Por não gerar respostas longas em texto, Jev pode tomar decisões mais rapidamente e ter custos menores em algumas tarefas.
O vídeo cita classificação, roteamento, jogos, simulações e trading de curto prazo como possíveis usos.
Jev não é indicado para escrever código, formular explicações ou fazer raciocínio detalhado em etapas.
Um repositório reúne mais de 40 projetos públicos que usam Jev, muitos voltados a classificação e roteamento.
O apresentador mostra um exemplo de controle de navegador para pesquisar e reservar um voo.
Segundo o vídeo, Jev pode ser testado pelo AI Gateway da Vercel e também é disponibilizado por meio de skills.
O segmento patrocinado apresenta o Co-Invest, que analisa posições de um portfólio e prepara ordens que o usuário pode revisar.

Capítulos

Início	Capítulo	Resumo
00:00	O que é Jev	O vídeo apresenta Jev como um modelo de decisão que pontua opções e pode responder mais rapidamente do que um modelo que gera texto.
02:05	Usos e limitações do modelo	O apresentador aborda aplicações rápidas de Jev, suas limitações para gerar texto e raciocinar em etapas, além de projetos da comunidade.
04:38	Demonstração patrocinada do Co-Invest	O segmento patrocinado mostra como o Co-Invest analisa posições de um portfólio e prepara ordens para o usuário revisar.
06:11	Navegação no navegador e acesso a Jev	O vídeo demonstra o uso de Jev para controlar o navegador e explica como acessá-lo pelo AI Gateway da Vercel e por skills.

Citações

Jev vai pontuar cada decisão, e a opção com a maior pontuação será retornada ao usuário. — 00:31

Ele não consegue escrever uma frase, explicar a si mesmo ou escrever código. — 02:35

Há um repositório com uma lista de projetos públicos que as pessoas estão criando com Jev. — 03:36

Jev consegue navegar e pesquisar voos em menos de 10 segundos. — 06:42

Conceitos e entidades

Jev (modelo): Modelo apresentado como um sistema de decisão que pontua opções e escolhe uma ação, em vez de gerar texto longo.
TypeSafe AI (empresa): Empresa identificada no vídeo como criadora de Jev.
Vercel AI Gateway (ferramenta): Gateway de IA que, segundo o vídeo, disponibiliza Jev para experimentação e uso por API.
Co-Invest (ferramenta): Assistente de trading patrocinador do vídeo que analisa um portfólio e prepara ordens para revisão.
Browser Use (ferramenta): Ferramenta demonstrada com Jev para navegar em páginas e executar tarefas no navegador.
Repositório de projetos com Jev (repo): Lista de projetos públicos que usam Jev, incluindo exemplos de classificação, roteamento, jogos e simulações.

Tradução completa (pt-BR)

00:00 Em 15 de setembro, um novo modelo foi lançado aqui. Ele se chama Jev. >> Meu nome é Jev. >> E podemos ver que, desde que o modelo foi lançado, ele já conseguiu mais de 1.000 pontos só no Hacker News. E, poucos dias depois, a Vercel lançou o Jev no gateway de IA deles. Esse modelo foi criado por uma empresa chamada TypeSafe AI. E a pessoa que criou essa empresa também foi coinventora do ChatGPT. Esse modelo é bem diferente de qualquer outro que vimos, porque não é um modelo de geração de texto. É um modelo de tomada de decisão. Então, numa chamada normal de LLM, você faz uma pergunta e o LLM vai gerar a resposta token por token, e por isso a resposta vai demorar bem mais. Você dá a ele uma

00:31 pergunta, e o LLM vai gerar a resposta token por token, então a resposta vai demorar bem mais. Aqui, você pode ver que levou 8 segundos. E, se você fizesse a mesma pergunta ao Jev, ele basicamente tomaria uma decisão, em vez de gerar uma resposta em texto. Você pode ver que estamos simplesmente fornecendo as opções para o Jev tomar uma decisão. E o Jev vai atribuir uma pontuação a cada opção. A opção com a maior pontuação será retornada ao usuário como a decisão. Então, você pode ver que o tempo de resposta é bem menor, porque o Jev

01:02 não precisa dar uma resposta longa em texto. Aqui, você pode ver uma demonstração rápida em que o Jev está jogando Doom. E ele consegue tomar 10 decisões por segundo. É tão rápido que consegue jogar um jogo como esse. E, de acordo com o site oficial, o Jev custa bem menos do que modelos como Haiku, Opus 5, Sona 5 ou Luna. E, se você olhar a pontuação de inteligência desse modelo, verá que é bem parecida com a do Terra ou do Sauna 5. E, se olhar para a

01:34 alucinação, pode ver que o Jev tem praticamente 0%. E o que é realmente interessante é que, como você pode ver, os tokens de entrada e saída do Jev são completamente gratuitos, porque ele não gera nada de fato: apenas toma decisões, e é isso. E, se você olhar o custo do Jev por 1 milhão de tokens de entrada, verá que é 0,042 042, certo? Se olharmos para modelos da OpenAI, como Astra e Fugo 5, veremos que custa cerca de US$ 5, US$ 10. Como você pode ver, é extremamente caro em comparação com o Jev, da TypeSafe. Certo, agora você já sabe o que há de bom no

02:05 Jev. Vamos ver para que ele serve de verdade. Como eu disse antes, exemplos claros seriam jogos ou negociação de ações, day trade, certo? Algo em que você precisa tomar uma decisão rapidamente e obter uma decisão na hora, certo? Dá para ver que o Jev é muito bom nisso. Mas há uma contrapartida. O Jev consegue escolher uma ação, classificar coisas, atribuir pontuações e obter resultados mais rápido do que qualquer outro LLM que testamos antes. Mas o que ele não consegue fazer é escrever uma frase. Ele não consegue

02:35 se explicar. Não consegue escrever código. Não consegue raciocinar passo a passo como qualquer um daqueles modelos que testamos antes. Então, antes de pensar: “Certo, vamos jogar todos os modelos fora e usar só o Jev”, pense de novo. O Jev tem uma pontuação de inteligência semelhante à de modelos como Terra ou Sonet 5. Eles não são modelos de fronteira avançados como Soul, Opus 5, Fable 5 ou, sabe, Astro 6, ou qualquer outro, certo? Esses modelos de fronteira precisam de tempo para pensar profundamente. Mas este modelo foi feito para fazer

03:06 algo rapidamente e só produz decisões, em vez de longas respostas em texto. Agora, se você quiser experimentar o Jev, precisa entrar na lista de espera. E, como você pode ver, estou na lista de espera neste momento. E, claro, se você quiser que eu teste o Jev, comente aqui embaixo. Que ideias vocês gostariam que eu testasse com o Jev, certo? Que casos de uso vocês querem que eu experimente? Vou garantir que farei um vídeo sobre isso em breve. E, claro, não se esqueça de se inscrever no canal, porque você será a primeira pessoa a receber uma notificação quando eu publicar um vídeo com testes reais do Jev. Mas, antes de sair deste

03:36 vídeo, existe um repositório com uma lista selecionada de projetos públicos que as pessoas estão desenvolvendo com o Jev. Como você pode ver, há mais de 40 projetos em que as pessoas estão criando coisas com o Jev, e uma grande parte deles é voltada à classificação e ao roteamento. Por exemplo, se você está fazendo revisões de código e quer saber exatamente qual modelo ou ferramenta usar para esse tipo de decisão rápida, podemos automatizar isso literalmente usando o Jev, ou até direcionar para a skill que você quiser usar, certo? Tudo isso pode ser automatizado com o Jev para ajudar você a economizar tokens ao

04:07 usar diferentes LLMs. E aqui você pode ver que também podemos fazer isso com jogos e simulações. Então, se quiser usar drones, jogar ou trabalhar com Pokémon, certo? Também pode automatizar isso usando o Jev. E há um caso bem interessante aqui: como eu disse antes, finanças e negociação de curto prazo. Agora você pode automatizar o day trade de curto prazo com o Jev, o que é muito, muito legal. Falando em negociação, vamos apresentar o patrocinador deste vídeo. Quero mostrar algo que tenho testado recentemente, porque resolve um problema bem irritante quando você está gerenciando uma carteira. Você talvez já tenha várias

04:38 posições e, então, sai uma notícia importante. Agora, você precisa descobrir quais partes da sua carteira foram afetadas. É exatamente para isso que o Co-Invest é útil. É um assistente de negociação que se conecta diretamente à sua conta e permite analisar sua carteira e preparar operações dentro do ChatGPT. Além disso, é bem simples configurá-lo. Basta criar minha conta Liquid, conectar o Co-Invest pelo diretório de aplicativos do ChatGPT e, depois de conectado, posso começar a trabalhar com minha carteira diretamente na conversa. Então, vou pedir que ele analise minha carteira com base nas notícias do mercado de hoje. E você pode ver que ele carrega

05:09 o contexto da conta e começa a analisar as posições. Ele pode verificar coisas como o posicionamento atual no mercado, as taxas de financiamento e os catalisadores recentes, e então relacioná-las ao que já tenho na carteira. Ele me diz quais posições são mais relevantes. Agora, posso pedir que sugira alguns ajustes. Em vez de eu analisar manualmente cada manchete e cada posição, ele transforma essa análise em ordens específicas que posso revisar. Posso ver o ativo, a direção, o tamanho e a justificativa aqui mesmo no chat. A conexão pode ler a conta e realizar operações depois que você as confirmar, mas nunca pode sacar nem movimentar seu dinheiro. Depois que

05:41 está tudo configurado, podemos realizar uma operação com base na mudança na carteira, abrindo uma operação para posições táticas menores. Estou selecionando cost aqui e, em seguida, vou clicar em confirmar. Você pode verificar a mudança imediatamente pedindo ao ChatGPT para mostrar minha carteira também. Então, se você quer uma maneira mais rápida de montar uma carteira e gerenciá-la em tempo real conforme as notícias são divulgadas, este é um workflow bem interessante. Vou deixar um link na descrição se quiser conhecer o Co-Invest. E agora, vamos voltar ao vídeo. Mas outro caso de uso realmente interessante do Jev é que agora você pode usar o Jev para

06:11 controlar seu navegador, porque sim, você pode controlar o navegador com IA, mas é bem mais lento, certo? Se você estiver usando o uso do navegador ou o uso do computador do ChatGPT, ou se estiver usando o Claude, isso consome muito mais tokens e muito mais tempo, certo? Então, com o Jev e o uso do navegador, dá para ver que o uso do navegador agora também tem o Jev integrado. Então, se você quiser usar isso, também precisa entrar na lista de espera. Eu já me inscrevi na lista de espera, então, quando você assistir ao meu próximo vídeo, deverá me ver analisando o uso do navegador com o Jev também, para ver o quão rápido ele realmente é. Certo, mas

06:42 dá para ver neste vídeo que alguém definiu uma origem e um destino, e o Jev consegue usar o uso do navegador para reservar um voo, certo? Ele consegue navegar e pesquisar voos em menos de 10 segundos. Dá para ver quanto tempo isso levou e, essencialmente, o que ele faz é tentar fornecer ao Jev todas as operações que os navegadores podem realizar. E o Jev vai decidir exatamente onde clicar e o que fazer em cada página. E, claro, isso exige que um LLM forneça quais são exatamente as opções.

07:13 E o Jev vai tentar obter a resposta bem mais rápido. Mas, se você quiser usar o Jev imediatamente, dá para ver que a Vercel já disponibiliza o Jev no AI Gateway. Então, se você clicar em modelos e pesquisar, por exemplo, por Jev, verá que o Jev é totalmente gratuito. Você pode testá-lo na Vercel e, no momento, dá para ver que ele foi lançado em 15 de setembro. E digamos que você queira usar a Vercel com o Jev: basta usar o AI SDK deles, que permite chamá-lo diretamente e obter as decisões, ou você também pode

07:43 usar uma solicitação curl para chamá-lo, e isso também vai ajudar você a fazer isso. Além disso, o Jev também lançou as skills do Claude, ou skills de agent de IA. Com elas, agora você pode passar uma skill ao Claude ou a qualquer outro agent de IA. Esse repositório de skills basicamente vai ensinar seus agents de IA a usar o Jev e a tomar pequenas decisões nos seus aplicativos ou nos workflows de automação de IA do dia a dia. Então, é basicamente isso neste vídeo. Vou deixar todos os recursos de que falei neste vídeo no link da descrição abaixo, para que você possa copiá-los e consiga

08:14 usá-los imediatamente. Então, como eu disse, vou testar o Jev. E, se quiser que eu faça outro vídeo sobre o Jev, comente abaixo também que tipo de demonstrações você quer que eu faça com ele. Por favor, deixe seu comentário abaixo e vou fazer um vídeo sobre isso muito em breve. Dito isso, é isso neste vídeo. Vejo você no próximo vídeo.

Transcrição original

[00:00] On September 15, there was a new model here released. It’s called Jeff. >> My name is Jeff. >> And we can see that ever since the model he released, you can see we got over a,000 points on hacker news alone. And just a couple days after, versel has launched Jev on their AI gateway. And this model here is created by this company called Typesafe AI. And the person who created this company is also co-invented chatbt. Now, this model here is really different compared to any other models that we’ve seen because this model here is not a text generation models. It’s a decision-making model. So in a normal LM call, you give it a

[00:31] question and LM here is going to generate the response token by token and therefore the response here is going to be a lot slower. Here you can see that it took 8 seconds. And if you were to give the same question here to Jeff, you can see that Jeff here is going to basically make a decisions rather than generating a text response. And you can see that we’re simply providing the options that Jeff going to make a decision. And Jeff here is going to score each decision here with a score. And whoever has the highest score is going to return that decision back to the user. So you can see the response time here is a lot faster because Jeff

[01:02] here doesn’t have to give a really long text response. And here you can see that we have a quick demo where Jeff here is playing the game of Doom. And you can see that Jeff here is able to make 10 decisions per second. So fast that this model here is able to play a game like this. And according to their official websites, you can see that Jeff here is actually cost way less compared to models like Haiku or Opus 5, Sona 5 or Luna. And if you were to actually look at the intelligence score for this model, you can see that it’s getting a very similar score compared to Terra or Sauna 5. And if you look at the

[01:34] hallucination, you can see that Jeff here pretty much have 0%. And what’s really interesting here is you can see that for the input and output tokens, Jeff here is completely free for the output tokens because it doesn’t really generate anything. and just make a decisions and that’s it. And here if you were to look at Jeff for the 1 million tokens per inputs you can see that that’s how much it costs 0.042 042, right? And if we look at OpenAI like Astra, Fugo 5, you can see that’s about $5, $10, you can see that’s extremely expensive compared to type safe Jeff. Okay, so now you know what’s good about

[02:05] Jeff. Let’s take a look at what Jeff is really for. Now, like I said before, a clear example could be games or stock trading, day trading, right? Something that you need to make a decision fast and be able to get a decisions right away, right? So you can see the Jeff here is really good for this. Now there’s comes to tradeoff. So Jeff, you can see it can be able to pick an action, it can be able to classify things, score things, and can be able to get results faster than any other large language models that we tested before. But what it cannot do here is that it cannot write a sentence. It cannot

[02:35] explain itself. It cannot write a code. It cannot be able to reason things step by step like any of those models that we tested before. So before you think about, okay, well, let’s throw all the models away and just use Jeff. Well, think again. Because Jev has a similar intelligence score like models like Terra or Sonet 5. They’re not the deep frontier models like Soul or Opus 5, Fable 5 or, you know, like Astro 6 or whatever, right? Those frontier model here requires time to do deep thinking. But this model here is meant to do

[03:06] something quick and it only outputs decisions rather than just a long text outputs. Now, if you actually want to try out Jev, you have to be on the wait list. And currently, you can see I’m on the wait list right now. And of course, if you’re interested for me to test out Jeff, make sure to comment down below. What are some ideas that you want me to test out with Jeff, right? What are some use case that you want me to test it out? And I’ll make sure to make a video on that in the near future. And of course, don’t forget to subscribe for this channel here because you will be the first one to notify once I have a video out on a real test cases for Jeff. But now, before you click away this

[03:36] video, there’s actually a repository which has a curative list of public projects that people are currently building with Jeff. And currently you can see there’s over 40 projects that people have building stuff with Jeff and large portion of this from classification and routing. So let’s say if you’re currently doing code reviews and you want to know exactly which model to use or which tool to use and for this kind of quick decisions, we can literally automate this using Jeff or even be able to route to whichever skill you want to use, right? Those are all can be automated using Jeff to help you to save more tokens whenever you’re

[04:07] using different large models. And here you can see we can also do this for game and simulations. So, let’s say if you want to do drones or playing games or Pokemons, right? You can also automate this using Jeff. And a really nice one here, you can see, like I said before, financial and short-term trading. You can now be able to automate short-term day trading here with Jeff, which is really, really cool. Now, speaking of trading, let’s bring up the sponsor of this video. I want to show you something I’ve been testing recently because it solves a pretty annoying problem when you’re actually managing a portfolio. You might already have a bunch of

[04:38] positions, then some major news comes out. Now you have to figure out which parts of your portfolio are actually affected. That’s basically what co-invest is useful for. It’s a trading assistant that connects directly to your account and lets you analyze your portfolio and prepare trades from inside chatbt. Plus, setting it up is pretty straightforward. I just create my liquid account, connect co-invest through the chatbt app directory, and once it’s connected, I can start working with my portfolio directly from the conversation. So, I’ll just ask it to analyze my portfolio based on today’s market news. And you can see it pulls in

[05:09] the account context and starts going through the positions. It can look at things like current market positioning, funding rates, and recent catalysts, then connect those back to what I’m already holding. It tells me which positions are the most relevant. Now I can ask it to actually suggest some adjustments. And instead of me manually going through every headline and position, it turns that analysis into specific orders that I can review. I can see the asset direction, size, and reasoning right here in the chat. The connection can read the account and place trades. as you confirm, but it can never withdraw or move your money. After

[05:41] it’s all set, then we can place a trade based on the change in the portfolio, which is opening a trade for smaller tactical positions. I’m selecting cost here, and then I’ll hit confirm. You can immediately check the change by asking Chat GPT to view my portfolio as well. So, if you want a quicker way to build a portfolio and manage it in real time as the news comes out, this is a pretty interesting workflow. I’ll leave a link in the description if you want to check out Co-Invest. And now, let’s get back into the video. But another really interesting use case that you can do with Jev is now you can use Jev here to

[06:11] control your browser because yes you can be to control your browser with AI but it’s a lot slower right if you’re using Jack GBT browser use or computer use or if you’re using claude it consumes a lot more tokens it consumes a lot of time right so with Jeff and browser use you can see the browser user now also integrated Jeff inside of it so if you have to use it you also have to join the weight list I already added myself to the weight list so by the time you watch my next video you should to see me reviewing browser use with Jeff as well to see how fast it really is. Okay, but

[06:42] you can see that from this video here, someone has take a source and a destination and Jeff here is able to use browser use and be able to book a flight, right? Be able to navigate and search flights here under 10 seconds. You can see that how much it took and essentially what it does here is basically try to feed in all the operations that browsers can do to Jeff. And Jeff here is going to make a decision on exactly where to click, what to do, right on each and every single page. And of course, it requires LM here to feed in exactly what are the options.

[07:13] And Jeff here is going to basically try to get the response a lot faster. But however though, if you actually want to use Jev right away, you can see the versel actually have Jeff here inside of AI gateway. So if you click on the models here and just going to search for Jeff for example, and here you can see that Jeff here is completely for free. You can try it out inside of Versell and currently you can see it released that in September 15. And let’s say if you actually want to use Verscell here for Jeff, you can simply just use their AI SDK and is able to just call it directly and get the decisions or you can also

[07:43] use a curl request here to call it and it’s going to also help you to do that. Now, on top of that, Jeff here also released their claw skills or AI agent skills, which essentially what you can do now is that you can be able to pass a skill here to cla or any other AI agents. And that skill repository will basically teach your AI agents on how to use jab and how you can have jab here to making small decisions inside of your applications or inside of your day-to-day AI automation workflows. So, pretty much that’s it for this video. I’ll make sure to put all the resource that I talked about in this video in the link to description below so you can actually be able to copy it and be able

[08:14] to use it right away. So, like I said, I’ll make sure to give Jeff here a try. And if you want to see me make another video on Jeff and also comment down below what kind of demos you want me to make for Jeff. So, please comment down below for that and I’ll make sure to make a video on that very, very soon. So, with that being said, that’s it for this video. I’ll see you in the next video.