Мод Jev для Claude Code: Економія токенів та прискорення роботи з навичками
Розробники представили мод Jev для Claude Code, який оптимізує використання контекстного вікна ШІ, завантажуючи навички лише за потреби та прискорюючи обробку запитів у кілька разів.
З’явився мод для Claude Code, який суттєво економить токени. Ключова особливість Jev полягає в тому, що замість завантаження всіх доступних навичок (skills) у контекстне вікно моделі одразу, вони залишаються поза ним до моменту, коли дійсно стають потрібними.
Jev аналізує доступні навички та для кожного запиту обирає підходящу, динамічно додаючи її в контекст. Це дозволяє уникнути зайвого навантаження на контекстне вікно ШІ-асистента.
Результати тестування
Команда провела тестування Jev Skill Suggestion проти різних моделей Claude. Експеримент включав 26 навичок, 10 промптів та по 3 запуски на кожен промпт. Отримані дані:
- Jev: 90% точності, медіана часу відповіді — 330 мс
- Claude Haiku: 80% точності, 1,24 с
- Claude Sonnet / Opus / Fable: 100% точності, 2,2–4,5 с
Висновки
Jev дещо жертвує абсолютною точністю (90% проти 100% у флагманських моделях), але приймає рішення в 4–14 разів швидше. При цьому головна перевага — список навичок взагалі не займає цінний простір у контекстному вікні, що робить роботу з великою кількістю інструментів більш ефективною.
Чому це важливо
АналітикаОптимізація контекстного вікна є критичною для складних агентних систем, де кількість доступних інструментів постійно зростає. Jev демонструє, як можна балансувати між швидкістю та точністю, не перевантажуючи ШІ зайвими даними.
Обговорити новину у спільноті
Діліться своїм досвідом та думками з ШІ-розробниками
Пов'язані матеріали екосистеми
Практичні гайди, термінологія та агентські скіли
Jev та System One AI: повний практичний гайд по моделі рішень від TypeSafe
Глибокий інженерний розбір флагманської моделі Jev: архітектура System One проти LLM, примітиви Choice/Score/Noul, паралелізм запитів, математика впевненості, відео-кейси, код та огляд локальних open-weight альтернатив (Laya, GLiNER2.5, CLM-8B).
Jev Decision Model
Jev — комерційна не-автоегресивна System 1 модель від TypeSafe AI для швидких типізованих рішень в агентних циклах: повертає валідований decision object за 70–500 ms та ~$0.042/1M input tokens, знімаючи JSON syntax hallucinations і high-latency routing у ReAct/Tool Calling стеках.
OpenAI звільнила кілька гігабайт оперативної пам’яті в додатку ChatGPT
Оновлення зменшує споживання RAM у довгих локальних сесіях ChatGPT: після 32 тисяч відповідей додаток використовує близько 1,7 ГБ замість до 6 ГБ.
Claude Code Projects: як один ШІ координує команду автономних агентів
Глибокий аналіз Claude Code Projects: архітектура Coordinator та Threads, паралельні гілки, спільна пам'ять MEMORY.md та управління хмарними агентами.