Offizielle SDKs, Plugins von Drittanbietern, lokale Experimente und Community-Demos, jeweils mit Link zum Repository oder Originalpost. Nach Kategorie filtern oder nach Namen suchen.
Vorgestellt: typesafe/jev-router, ein cache-bewusster Modell-Router mit Jev und @typesafeai. Der Jev Router wählt für jede Anfrage das beste Modell und die passende Reasoning-Stufe und wägt Qualität, Tempo und Kosten ab. So funktioniert er 👇🏻
Textklassifikation in MotherDuck ist jetzt ~50-mal schneller bei ~1% der Kosten. prompt_jev() ist eine SQL-Funktion, angetrieben von Jev, dem neuen System-One-Modell von TypeSafe. 100.000 Zeilen: 40 s, 0,50 $, Genauigkeit auf Frontier-LLM-Niveau. Das LLM brauchte 32 Minuten und 37 $. Weiterlesen:
Echtzeit-Stimmungsanalyse mit Jev und ElevenLabs. Jede Phrase nimmt die Farbe ihrer Emotion an, während der Anrufer noch spricht. Sechs Anzeigen rechts verfolgen die Stimmung des Anrufs.
Die Buchhaltungsbranche ist tot. Am Wochenende habe ich mit Jev von @typesafeai eine bessere Lösung gebaut. Ich habe ihm 34 Monate Arbeit gegeben, für die eine Kanzlei über 20.000 $ berechnet hat. Jev hat es in 20 Sekunden besser gemacht, für nur 0,32 $ 🤯
🎇 Ich habe eine kleine Chrome-Erweiterung gebaut: ein Seitenpanel, das die WebMCP-Tools jeder Website mit Jev bedient! Bei jedem Tastendruck wählt es das passende Tool der Seite, füllt die Argumente und sagt dir, wie sicher es ist. Hier beim Lebensmitteleinkauf:
habe einen Echtzeit-Schreib-Linter mit Jev gebaut 📝 schreib eigene Regeln wie „markiere alles, was nach LinkedIn-Post klingt“, Bondrucker inklusive 🖨️ (mit Ton)
Ich habe mit Jev einen Echtzeit-Präsentationscoach gebaut. Er hört beim Vortrag zu, folgt Folien und Notizen und behält im Blick, was noch zu sagen ist.
Vorgestellt: jevgrep, ein Recherche-Agent als CLI, angetrieben von Jev von @typesafeai, der die Kosten deines Coding-Agenten um 40% senkt (auf SWE-bench verifiziert). Nutze den eingebauten Skill, damit dein Coding-Agent jg zum Sammeln von Kontext verwendet.
Betrugserkennung in Echtzeit mit Jev und ElevenLabs. ElevenLabs transkribiert den Anrufer beim Sprechen, Jev berechnet das gesamte Betrugsrisiko und erkennt typische Warnzeichen. Jede Anfrage kam in ~180 ms zurück, die 11 Anfragen kosteten 0,00043 $.
Das neueste Release von @ASIMOV_Platform bringt einen eingebauten Ausgabefilter `--jev=NOUL`, mit dem Agenten-Harnesses wie Hermes einfache Nachbearbeitungsentscheidungen in natürlicher Sprache an Jev abgeben können, ein System-One-Modell. Schau, hier verwandle ich ganz nebenbei mein LinkedIn-Netzwerk in JSON-LD
den perfekten Use Case für @typesafeai Jev gefunden: instant compaction 2026, warum ist Compaction immer noch ein Summarization-Prompt? Jev kann das instant machen, indem es jeden Tool Call scored und Unwichtiges droppt
Breaking: Browser Use + Jev = Ultraschnell ⚡ Flüge finden dauerte 7s und kostete nur $0.0039 🤯 > neuer Action Space bei jedem Step > DOM State Space > kleines LLM-Fallback zum Tippen (dieses Video läuft übrigens in 1x) Winzigen Open-Source-Browser-Agent gebaut. unten ausprobieren ↓
Neues Experiment: json-render + jev Die Zukunft von Generative UI ist instant Eure Components, eure Actions, euer Design System Gerendert in Millisekunden
Ich habe einen Trading Bot mit Jev gebaut! Jev entscheidet, ob es "buy" oder "sell" soll, gegeben den Price Feed eines Asset Pairs, und führt echte Trades aus. Es nutzt Monad, um die Orders auf Kurus On-Chain-Order-Book in jedem 300ms-Block zu platzieren. Demo-Link →
Jev ist WILD für SEO-Audits 🤯 in 45.1 Sekunden hat es alle 586 Seiten auf meiner Site gelesen und die interne Link-Map neu gebaut. 584 Links gesetzt, 139 Seiten hat es abgelehnt zu verlinken, weil nichts ehrlich gepasst hat. Gesamtkosten $0.21. Claude Opus 5, dieselben 586 Seiten, dieselbe Uhr, hat 21 davon geschafft und