jevbooks

← 全部项目

spacebarai

devanmolsharma/spacebarai

世界上最慢的LLM,基于Jev逐字符构建。

校准与研究0.46次选分类: Agent 决策
README 自动摘要

根据 README 自动整理于 2026年9月24日,不是本站运行记录。运行步骤和作者声称的效果仍需核验。

这是什么

一个Python脚本,使用TypeSafe的Jev决策API逐字符生成文本,用于娱乐并证明Jev不是LLM。

它怎么用 Jev

每一步,Jev根据已生成的字符串从132个选项(字母、数字、标点、带重音字母、制表符、换行符、END)中选择一个字符。将所选字符追加;重复直到选择END或达到长度上限。

用到的原语:choice

值得抄的做法

用可见名称(如'␣')重新标记空白字符,使模型更容易推理。

怎么试

pip install requests; export TYPESAFE_API_KEY=sk-...; python spacebarai.py "你的提示"

去 GitHub 看

开始使用 Jev:API key 与第一个请求 →

README 片段的模型判断

项目信号使用仓库元信息、已有摘要与 README 前 700 个字符;没有通读完整项目。“未检出”仅表示这些材料中未检出,并不证明项目没有该能力。这里保留原始判断与实际记录的模型、日期,不是源码审计或运行验收。

模型与判定日期

收录门禁
jev-1.13.0
项目信号
jev-1.13.0
项目分类
jev-1.13.0
模式标签
jev-1.13.0

证据

这些信号只读取仓库元信息、已有摘要与清理后的 README 前 700 字符。≥ 0.60 表示片段中有提及,≤ 0.40 表示未检出,中间为未判定;都不是源码审查或运行结果。「可运行工具」题排除了研究实验,「推荐」题筛的是学习案例 Top 10,不是内容质量合格与否。

  • Jev 是项目的核心在材料中检出0.94
  • 展示了 System One 用法在材料中检出0.71
  • 写了怎么处理不确定片段中未检出0.06
  • 给出了实测数字在材料中检出0.97
  • 是能跑起来的工具片段中未检出0.19
  • 学习案例 Top 10 候选信号片段中未检出0.20
  • 是模型本身的复刻片段中未检出0.04
  • 解决的问题够普遍(0–2)按 0–2 打分0.00 / 2
  • 与 Jev 相关在材料中检出0.98
信号
Jev 是项目的核心0.94展示了 System One 用法0.71写了怎么处理不确定0.06给出了实测数字0.97是能跑起来的工具0.19学习案例 Top 10 候选信号0.20是模型本身的复刻0.0400.51解决的问题够普遍(0–2)0.00 / 2012

无判定区(0.40–0.60)

设计模式
取景框0.3100.51

无判定区(0.40–0.60)

各阶段的 Jev 模型与判定日期见上方记录。简介由 DeepSeek V4.1 Flash 于 2026年9月24日 读 README 写成。