![[ENG] Jev dziesięciokrotnie usprawni twój Claude Code (oto jak)](https://aiport.pl/wp-content/uploads/2026/09/eng-jev-dziesieciokrotnie-usprawni-twoj-claude-code-oto-jak.webp "[ENG] Jev dziesięciokrotnie usprawni twój Claude Code (oto jak)")
Jay E z kanału RoboNuggets pokazuje, jak podłączyć Jev, nowy model firmy TypeSafe AI, do Claude Code oraz do firmowych automatyzacji. Jev nie pisze tekstu, tylko podejmuje decyzje: ocenia, czy coś jest prawdą, wybiera jedną z podanych opcji albo wystawia ocenę w skali. Dzięki temu, według autora, odpowiada w ułamku sekundy i kosztuje ułamek tego, co modele Claude.
- Jev, nowy model firmy TypeSafe AI, odpowiada wyłącznie w trzech formach (tak/nie, wybór z listy lub ocena na skali) i kosztuje 4 centy za milion tokenów – według danych TypeSafe AI jest od 20 do 200 razy szybszy i od 40 do 400 razy tańszy od dotychczasowych modeli.
- W teście na 12 poleceniach przeprowadzonym przez Jay E z kanału RoboNuggets, 9 zadań nie wymagało najdroższego modelu, a przekierowanie ich przez Jev przyniosło około 70 proc. oszczędności kosztów.
- Przy wyszukiwaniu wśród 145 umiejętności agenta Jev wykonał 14 testów w łącznie około 5 sekund, podczas gdy Claude Opus 5 potrzebował na to około 30 sekund.
Film: Jev will 10x your Claude Code (Here’s How)
Chcesz czytać więcej treści związanych z AI?
Dodaj AIPORT.pl do preferowanych źródeł Google
O czym jest ten film
Autor zaczyna od wyjaśnienia, czym jest Jev. Za modelem stoi Diogo Almeida, którego Jay E przedstawia jako współtwórcę ChatGPT. Wpis Almeidy zapowiadający Jev miał według autora około 38 mln wyświetleń. TypeSafe AI twierdzi, że Jev jest od 20 do 200 razy szybszy i od 40 do 400 razy tańszy od dotychczasowych modeli. Z cennika, który pokazuje Jay E, wynika, że Jev jest około 24 razy tańszy od Claude Haiku i około 230 razy tańszy od Fable 5.1. Odpowiedzi modelu są darmowe, płaci się tylko za dane wejściowe: 4 centy za milion tokenów.
Jev odpowiada wyłącznie w trzech formach: tak/nie, wybór z listy albo ocena na skali, np. od 0 do 10. Autor podkreśla, że nie jest to duży model językowy. TypeSafe AI nazywa go pierwszym modelem „System One”, nawiązując do książki Daniela Kahnemana „Pułapki myślenia. O myśleniu szybkim i wolnym”: Jev ma podejmować szybkie decyzje, a modele pokroju Claude czy Fable powolnie rozumować.
Główna teza filmu: najlepsze efekty daje połączenie obu typów modeli. Jay E omawia to na trzech poziomach, od usprawnienia własnej pracy z agentami, przez automatyzacje biznesowe, po nowe aplikacje. Pokazuje też, jak uzyskać dostęp do Jev bezpośrednio u TypeSafe AI albo przez OpenRouter, z którego sam korzystał w testach.
Wypełnij formularz, a my skontaktujemy się z Tobą, aby upewnić się czego potrzebujesz.
Dlaczego warto obejrzeć
Film jest dla osób, które już pracują z Claude Code lub innymi narzędziami agentowymi i płacą za tokeny więcej, niż by chciały. Zamiast ogólnej recenzji nowego modelu dostajemy konkretne scenariusze: automatyczny dobór modelu do zadania, szybsze wyszukiwanie umiejętności (skills) agenta i masową klasyfikację e-maili. Ciekawszy od samych liczb jest sposób myślenia, który autor proponuje: szukać w firmie powtarzalnych decyzji podejmowanych na dużą skalę i oddawać je tańszemu modelowi. Trzeba jednak pamiętać, że wszystkie pokazane testy to demonstracje autora na jego własnym środowisku, a nie niezależne porównania.
Kluczowe fragmenty
- Czym Jev różni się od LLM. Autor wyjaśnia trzy formy odpowiedzi modelu i podział na „System 1” i „System 2”, co pozwala zrozumieć, do czego Jev się nadaje, a do czego nie.
- Automatyczny wybór modelu w Claude Code. W teście na 12 poleceniach 9 nie wymagało najdroższego modelu, a przekierowanie ich przez Jev dało około 70 proc. oszczędności. To najbardziej praktyczny fragment dla osób, które domyślnie używają Opusa albo Fable do wszystkiego.
- Przełącznik /jev on. Jay E radzi, żeby najpierw zbudować polecenie włączające i wyłączające Jev w sesji, i pokazuje, jak Jev przydzielił proste szukanie ścieżki pliku modelowi Haiku zamiast domyślnego Opus 5. Dzięki temu łatwo porównać jakość wyników z Jev i bez niego.
- Wyszukiwanie umiejętności agenta. Przy 145 umiejętnościach w środowisku autora Jev znalazł właściwe w 14 testach w łącznie około 5 sekund, podczas gdy Opus 5 potrzebował około 30 sekund.
- Klasyfikacja 100 e-maili. Jev w niecałą sekundę posortował wiadomości na ciepłe leady, zimne leady i niebędące leadami, a autor zestawia to z czasem i kosztem Haiku oraz Fable. Pokazuje przy okazji inne zastosowania: wykrywanie oszustw na fakturach, filtrowanie spamu, moderację społeczności, obsługę zwrotów i przewidywanie rezygnacji klientów.
- Nowe aplikacje oparte na Jev. Wyszukiwarka obrazów działająca według znaczenia, a nie nazwy pliku, oraz rozszerzenie Chrome Unclutter, które usuwa ze stron reklamy i banery z ciasteczkami.
Jev to pierwszy od dawna model, który nie próbuje być mądrzejszy od poprzedników, tylko węższy. I uważam, że to trafny kierunek. W wielu firmach AI przegrywa nie z brakiem inteligencji, ale z rachunkiem: nikt nie puści 100 tys. zgłoszeń dziennie przez Opusa.
Mam jednak dwie wątpliwości. Pierwsza dotyczy wyboru modelu. Oszczędność 70 proc. wygląda świetnie, dopóki router nie odeśle trudnego zadania do Haiku, a my tego nie zauważymy. Koszt jednej złej decyzji w kodzie produkcyjnym może zjeść oszczędności z całego miesiąca. Druga dotyczy liczb: wszystkie pomiary w filmie pochodzą z testów autora albo od samego TypeSafe AI. Zanim ktoś przebuduje na tym swoje procesy, powinien zrobić własny test na własnych danych.
Najcenniejsze w tym materiale jest pytanie, które autor zadaje na koniec: co w twojej firmie trzeba klasyfikować masowo? Od tego pytania zacząłbym, a nie od samego modelu.
Piotr Wolniewicz, Redaktor Naczelny AIPORT.pl
Autor sam zresztą zastrzega, że każdy powinien sprawdzić, czy jakość odpowiedzi przy tańszym modelu nadal mu wystarcza. Najmocniej brzmi jego pytanie skierowane do firm:
„Co takiego otrzymujecie w dużych ilościach i musicie klasyfikować?” / „What are the things that you are receiving in volume that you need to classify?”
Za każdą polską firmą AI stoi konkretny człowiek z imieniem i nazwiskiem, często ten sam w kilku miejscach naraz, i to właśnie ludzie, nie tabelki finansowania, są prawdziwym bohaterem tego artykułu.
Polskie firmy powinny najpierw sprawdzić Jev na polskojęzycznych danych
Wszystkie przykłady w filmie są anglojęzyczne: e-maile, zgłoszenia, opisy obrazów. Zespoły w Polsce, które chciałyby użyć Jev do sortowania zapytań od klientów, zgłoszeń w sklepach internetowych czy wniosków o zwrot, muszą samodzielnie sprawdzić, jak model radzi sobie z polskim tekstem. Dobrym punktem wyjścia jest ten sam test, który pokazuje autor: kilkadziesiąt prawdziwych wiadomości, porównanie decyzji Jev z decyzjami droższego modelu i dopiero potem liczenie oszczędności.
O materiale
Kanał: RoboNuggets (Jay E)
Film: Jev will 10x your Claude Code (Here’s How)
Język materiału: angielski
Omówienie powstało na podstawie materiału wideo. Redakcja AIPORT.pl nie jest autorem filmu ani nie jest powiązana z kanałem. Komentarz redakcyjny i wybór kluczowych fragmentów: Piotr Wolniewicz, Redaktor Naczelny AIPORT.pl.
