New Jev Model Acts in Real Time... Minecraft Broke It

Jev, une nouvelle IA développée par Do here, promet de révolutionner l'entraînement des modèles en étant 20 à 200 fois plus rapide et 40 à 400 fois moins chère par tâche. Cette "intelligence composable de frontière" est optimisée pour la prise de décision. Bien que rapide et économique, son efficacité dépend de la clarté de l'objectif et de l'interface qui la relie à la tâche. Jev peut contrôler un ordinateur en temps réel par la voix, générer indirectement du texte en étant connectée à un dictionnaire, agir comme des PNJ dans une ville simulée, et contrôler un robot pour des tâches simples comme déplacer un cube. Dans des jeux comme Subway Surfers, avec des actions limitées, Jev excelle. Cependant, pour des jeux ouverts comme Minecraft, où les objectifs sont moins définis et les problèmes plus complexes, Jev rencontre des difficultés. Bien qu'elle réagisse rapidement, elle a tendance à répéter les mêmes actions en boucle. Le sponsor de la vidéo, Crusoe, propose Intelligence Foundry, une plateforme permettant aux développeurs d'accéder à des modèles ouverts via API et de les personnaliser sans gérer l'infrastructure GPU. Leur service de "fine-tuning serverless" est particulièrement intéressant pour adapter ces modèles à des usages spécifiques. Un exemple viral de Jev en action montre Jack Chang contrôlant un ordinateur par la voix pour créer et manipuler des formes. La rapidité et la fluidité de Jev, même avec des commandes simples comme "mets ça là", sont impressionnantes. Cela souligne l'importance d'une interface bien conçue pour Jev. Jev ne peut pas directement écrire une phrase, s'expliquer, écrire du code ou raisonner étape par étape. Ces fonctions ne sont pas ses cas d'utilisation naturels, bien que de futures itérations ou "harnesses" puissent ajouter ces capacités. Étonnamment, en ayant accès à un dictionnaire, Jev peut "générer" du texte en choisissant le mot le plus probable, produisant des phrases cohérentes. La capacité spatiale de Jev est démontrée avec un bras robotique simulé. Elle peut ramasser un cube rouge et le placer dans le bon trou carré, grâce à un "harness" qui lui donne accès à la géométrie actuelle, aux contacts, aux emplacements, aux contrôles et aux effets prédits des actions. Jev est excellente pour les actions immédiates mais moins performante pour la planification à long terme ou l'analyse d'erreurs passées/futures. C'est là que la combinaison avec un grand modèle linguistique (LLM) comme Astra devient puissante. Ensemble, ils peuvent jouer à Minecraft efficacement, Jev gérant les actions instantanées (attaquer des mobs) tandis qu'Astra coordonne la stratégie globale (naviguer dans une grotte, fondre du fer). L'accès à Jev se fait via des plateformes comme Vercel ou Open Router. L'expérimentation montre que son utilisation est très bon marché. La vidéo conclut que Jev, bien que limitée dans ses capacités par rapport aux LLM traditionnels, compense par sa vitesse et son coût, et qu'elle ouvre de nouvelles possibilités en étant combinée avec d'autres modèles.