Мод Jev для Claude Code: Экономия токенов и ускорение работы с навыками
Разработчики представили мод Jev для Claude Code, который оптимизирует использование контекстного окна ИИ, загружая навыки только по необходимости и ускоряя обработку запросов в несколько раз.
Появился мод для Claude Code, который экономит токены. Вместо загрузки всех навыков (skills) в окно контекста они остаются вне него до момента, когда действительно становятся нужны.
Jev анализирует доступные навыки и для каждого запроса выбирает подходящий, добавляя его только при необходимости. Это позволяет избежать лишней нагрузки на контекстное окно ИИ-ассистента.
Результаты тестирования
Тестирование Jev Skill Suggestion против моделей Claude включало 26 навыков, 10 промптов и по 3 запуска на каждый:
- Jev: 90% точности, медиана 330 мс
- Haiku: 80%, 1,24 с
- Sonnet / Opus / Fable: 100%, 2,2–4,5 с
Выводы
То есть Jev немного жертвует точностью, но принимает решение в 4–14 раз быстрее, при этом список навыков вообще не занимает контекстное окно.
Почему это важно
АналитикаОптимизация контекстного окна критична для сложных агентных систем, где количество доступных инструментов постоянно растет. Jev показывает, как можно балансировать между скоростью и точностью, не перегружая ИИ лишними данными.
Обсудить в сообществе
Делитесь опытом и мыслями с ИИ-разработчиками
Связанные материалы экосистемы
Практические гайды, терминология и агентские скиллы
Jev и System One AI: полное практическое руководство по модели решений от TypeSafe
Глубокий инженерный разбор флагманской модели Jev: архитектура System One против LLM, примитивы Choice/Score/Noul, параллелизм запросов, математика уверенности, видео-кейсы, код и обзор локальных open-weight альтернатив (Laya, GLiNER2.5, CLM-8B).
Модель решений Jev
Jev — коммерческая не-автоагрессивная `System 1` модель от TypeSafe AI для быстрых типизированных решений в агентных циклах: возвращает валидированный `decision object` за 70–500 ms и ~$0.042/1M input tokens, снимая JSON syntax hallucinations и high-latency routing в `ReAct loop`/`Tool Calling` стеках.
OpenAI вернула пользователям ChatGPT оперативную память
Оптимизация приложения ChatGPT снижает потребление RAM в длинных локальных сессиях: после 32 тысяч ответов расход держится примерно на 1,7 ГБ вместо до 6 ГБ.
Claude Code Projects: как один ИИ координирует команду автономных агентов
Глубокий разбор Claude Code Projects: архитектура Coordinator и Threads, параллельные ветки, общая память MEMORY.md и управление облачными агентами.