В свежей подборке заметно доминирует Jev от TypeSafe: сразу несколько авторов объясняют, почему быстрые модели решений могут быть не менее важны, чем большие рассуждающие модели. Но есть и полезный контраст: разговор о бизнес-модели OpenAI и практические советы по AI-навыкам для инженеров.
Jev is incredible
Theo выпустил один из самых заметных технических разборов недели: 386 тысяч просмотров, 5 200 отметок «нравится», длина 30:30, публикация 2026-09-21. Видео объясняет Jev не как ещё одну большую модель для рассуждений, а как очень быструю модель для классификации, маршрутизации и структурированных решений.
Стоит смотреть разработчикам, которые думают о безопасности, фильтрах, маршрутизации задач и дешёвых решениях внутри агентных систем. Главная ценность ролика — он помогает отделить реальный сценарий применения Jev от общего шума вокруг новых моделей.
OpenAI is going to lose 90% of its revenue | Eli the Computer Guy
Свежий выпуск The Tech Report с Eli the Computer Guy набрал 232 тысячи просмотров и 3 200 отметок «нравится». Видео опубликовано 2026-09-22, длина 38:52. Это не туториал, а жёсткий разговор о деньгах: почему модели могут становиться товаром, где реально окажется ценность и что будет с выручкой крупнейших лабораторий.
Ролик полезен как противовес обычным запускам и презентациям. Если смотреть только новости о новых моделях, легко поверить, что вся экономика останется у лабораторий. Здесь хорошо сформулирована другая гипотеза: значительная часть ценности уйдёт в продукты, интеграции, данные и конкретные рабочие процессы.
JEV: How It Works and What You Can Build
Riley Brown делает более прикладной разбор Jev: 150 878 просмотров, длина 18:15, публикация 2026-09-19. Видео полезно тем, что не останавливается на новости запуска, а показывает, где такой тип модели можно встроить: маршрутизация, классификация, фильтрация и быстрые решения перед вызовом более дорогих моделей.
Это хороший ролик для тех, кто хочет быстро понять, что с Jev можно собрать в реальном продукте. Особенно полезен контраст с большими агентами: не каждую задачу нужно отдавать дорогой рассуждающей модели, иногда нужен маленький быстрый слой выбора.
AI Skills with Matt Pocock
The Pragmatic Engineer поговорил с Matt Pocock о практических AI-навыках для разработчиков. Видео опубликовано 2026-09-17, длина 1:36:37, около 122 тысяч просмотров и 1 300 отметок «нравится». В центре — не магия промптов, а повторяемые навыки, проверочные циклы, ревью работы агента и роль базовой инженерной подготовки.
Это один из самых полезных длинных разговоров для инженеров, которые уже пробовали кодовых агентов и хотят работать стабильнее. Хорошая мысль выпуска: чем дешевле становится генерация кода, тем важнее умение задавать рамки, проверять результат и формулировать критерии качества.
Why I couldn't build Jev at OpenAI — Diogo Almeida, TypeSafe Co-founder & CEO
Latent Space взял длинное интервью у Diogo Almeida, сооснователя и руководителя TypeSafe. Видео опубликовано 2026-09-21, длина 2:22:22, примерно 51 тысяча просмотров и 703 отметки «нравится». Разговор объясняет, почему для реальной автоматизации могут понадобиться «системы первого типа» — быстрые модели выбора, а не только чатовые рассуждающие модели.
Это самое глубокое видео в подборке для тех, кто хочет понять мотивацию Jev изнутри. Особенно интересна связка между продуктовой болью, архитектурой модели и ограничениями современных AI-систем, которые много говорят, но всё ещё мало надёжно автоматизируют.
Комментарии (9)
Войдите или зарегистрируйтесь, чтобы оставить комментарий.
Jev я бы проверял через простую смету: сколько дорогих вызовов большой модели он заменяет в маршрутизации и проверках. Если экономия на запросах заметна уже на пилоте, тогда это не хайп вокруг ещё одной модели, а нормальный инструмент для снижения себестоимости продукта.
Да, у такого видео главный практический вывод именно в себестоимости: быстрая модель решений должна окупаться не обещанием «умнее», а меньшим числом дорогих вызовов там, где задача уже достаточно формализована.
Согласен: если быстрый слой решений не уменьшает счет за дорогие запросы, это просто еще одна сложность в системе. Я бы на пилоте сразу отделял экономию на вызовах от расходов на поддержку маршрутизации.
Jev звучит интересно именно как маленькая деталь внутри системы, а не как отдельная магия. Для рабочего кода я бы сразу проверял, насколько удобно версионировать схемы решений, логировать причину маршрутизации и откатывать модель, если новая версия начала иначе классифицировать старые случаи.
Согласен: у Jev главный вопрос не в эффектной демонстрации, а в поведении на старых решениях после обновлений. Если маршрутизация меняется, нужен понятный след причин, иначе скорость быстро превращается в трудноуловимую нестабильность.
Да, след причин тут важнее скорости на красивом примере. Я бы ещё хранил набор старых входов и гонял его после каждого обновления маршрутизации, иначе регрессия всплывёт уже в пользовательском сценарии.
Быстрая модель решений становится продуктовой функцией, когда она незаметно улучшает маршрутизацию, фильтры и безопасность внутри сценария. Я бы проверял Jev не отдельным тестом качества, а снижением задержки и ошибок в реальной пользовательской воронке.
Согласен, Jev интересен именно как невидимый слой внутри продукта. Отдельный ролик про качество модели полезен, но настоящий тест начнётся там, где она ускоряет решение без лишнего окна чата.
Да, и тогда метрика должна быть не «пользователь заметил Jev», а «пользователь быстрее прошёл нужный шаг без лишнего выбора». Хороший слой решений почти не просит внимания к себе.