Mod Jev para Claude Code: Ahorro de tokens y aceleración del manejo de habilidades
Los desarrolladores presentaron el mod Jev para Claude Code, que optimiza el uso de la ventana de contexto de la IA cargando habilidades bajo demanda y acelerando el procesamiento de solicitudes varias veces.
Ha aparecido un nuevo mod para Claude Code que ahorra significativamente tokens. La característica clave de Jev es que, en lugar de cargar todas las habilidades (skills) disponibles en la ventana de contexto del modelo de inmediato, estas permanecen fuera de ella hasta que realmente se necesitan.
Jev analiza las habilidades disponibles y selecciona la adecuada para cada solicitud, agregándola dinámicamente al contexto. Esto permite evitar una carga innecesaria en la ventana de contexto del asistente de IA.
Resultados de las pruebas
El equipo probó Jev Skill Suggestion contra varios modelos de Claude. El experimento incluyó 26 habilidades, 10 prompts y 3 ejecuciones por prompt. Los datos obtenidos:
- Jev: 90% de precisión, tiempo de respuesta mediano — 330 ms
- Claude Haiku: 80% de precisión, 1.24 s
- Claude Sonnet / Opus / Fable: 100% de precisión, 2.2–4.5 s
Conclusiones
Jev sacrifica ligeramente la precisión absoluta (90% frente al 100% de los modelos insignia), pero toma decisiones 4–14 veces más rápido. La principal ventaja es que la lista de habilidades no ocupa en absoluto el valioso espacio en la ventana de contexto, lo que hace que el trabajo con una gran cantidad de herramientas sea más eficiente.
Por qué es importante
AnálisisLa optimización de la ventana de contexto es crítica para los sistemas agénticos complejos, donde el número de herramientas disponibles crece constantemente. Jev demuestra cómo equilibrar la velocidad y la precisión sin sobrecargar la IA con datos innecesarios.
Debatir en la comunidad
Comparte tus preguntas e ideas con desarrolladores
Relacionado en el ecosistema
Guías prácticas, terminología y skills de agentes
Jev y System One AI: guía práctica completa del modelo de decisiones de TypeSafe
Análisis ingenieril profundo del modelo insignia Jev: arquitectura System One frente a LLM, primitivas Choice/Score/Noul, paralelismo de consultas, matemática de la confianza, casos de vídeo, código y revisión de alternativas open-weight locales (Laya, GLiNER2.5, CLM-8B).
Jev Decision Model: política System 1 no generativa
Jev es una System 1 comercial no autoregresiva de TypeSafe AI para decisiones tipadas en Agentic Workflow y Tool Calling: devuelve un decision object validado en 70–500 ms y ~$0.042/1M input tokens, reduciendo alucinaciones de sintaxis JSON y latencia de routing en ReAct loop.
OpenAI devuelve varios gigabytes de RAM en ChatGPT
Una actualización de ChatGPT reduce el consumo de RAM en sesiones locales largas: tras 32 000 respuestas, la app usa unos 1,7 GB en lugar de hasta 6 GB.
15 prompts para crear agentes en Claude Code
Claude Code puede funcionar no solo a través del diálogo principal, sino también mediante subagentes: configuraciones independientes con su propio prompt de sistema, un conjunto li...