AREX Feed Article
Jev 发布两天内涌现六个开源复现：从 421M 参数的 Laya 到 MacBook 可跑的 Kev-0.5B
TypeSafe AI 的决策模型 Jev 发布两天内，开源社区已经交出六个复现。9 月 19 日，以「Here are 6 Clones of Jev in 2 days」为题逐一列出：Laya（421M 参数、ModernBERT-large 编码器）、DiffusionGemmaJev（vLLM PR）、Bespoke Nimble（Qwen3.5-9B 的 LoRA 微调）、SemIf/OpenJev（Qwen3.5 4B/35B 骨干）、Jevlike，以及能在 MacBook 上运行的 Kev-0.5B（Qwen2.5-0.5B）。日报同时提醒：这批社区基准数字全部由开发者自报、未经独立验证，这一模型类别至今没有标准基准。
Jev 是 TypeSafe 的商业决策模型：输入一段文本和一组候选选项，直接输出每个选项的概率，不逐字生成文本。TypeSafe 没有公布设计，模型只经闭源 API 提供——转引的第三方独立测量给出 0.042 美元/百万输入 token 的定价与 236～276 毫秒的 p50 延迟（即一半请求低于该值）。在 AINews 看来，正是「不开源」这一点引来了大量架构猜测、演示与争论，进一步推高了热度。
六个复现，六条不同的技术路线
来自 Bespoke Labs CEO Mahesh Sathiamoorthy（X 账号 ），9 月 18 日发布：在 Qwen3.5-9B 上做 LoRA（低秩适配）微调，用他称为「对比式数据整理」（contrastive data curation）的方法造训练数据——把几乎相同的两个样本改动一个关键事实、让正确答案随之翻转，以此逼出分辨力，校准隐式形成。数据全合成，覆盖 10 个类别、2,676 条样本；训练不从 Jev 蒸馏，Jev 只用来做评测。在他自建的评测集（curated eval）上，基座 Qwen3.5-9B 得 66%，Nimble 提到 90%，Jev 为 93%；他报告 H100 上延迟 100 毫秒，模型在 Apple Silicon 的 Mac 上也能本地运行，权重发布在 。仓库另有一句提醒：输出的概率只是归一化分数，「0.9 并不意味着 90% 的时候答对」。
干脆不用 LLM。AINews 概括其结构为 ModernBERT-large 编码器外加两层 transformer，用来给用户提供的选项打分；仓库口径是单次前向、T4 上单题延迟 32.8 毫秒、批量后每题 7.2 毫秒，权重按 Apache 2.0 开源。仓库附了一张与 Jev 的对照表：typed-decisions 工作流 0.766 对 0.727，AG News 0.950 对 0.910，DAIR Emotion 0.595 对 0.480；但在 Banking77（72/77 个标签）上 Jev 仍以 0.870 对 0.425 大幅领先。AINews 对 Laya 另有两句批评：作者自称用了 RLCD 训练却未给出论证，置信度基于熵而非校准。
扩散路线的代表是此前已进入报道视野的 DiffusionGemmaJev：Matt Mastracci（）9 月 16 日向 vLLM 提交 ，为 DiffusionGemma 增加 Jev 式的结构化生成模式。他 9 月 17 日贴出实测结果：两者质量大致打平，Jev（API 形态）并不比跑在 DGX Spark 上的 DiffusionGemma 更快。
（曾用名 OpenJev）在 Qwen3.5 4B/35B 因果骨干的最后一个 token 上接一个自然语言推理（NLI）三分类器；其项目网站把「直读选项概率」与「逐 token 写出概率 JSON」两种做法放进同一个浏览器 demo，页面显示 Qwen3.5 4B 骨干在 102 行公开子集上与 Jev 公布值的同案一致率为 84.5%（Jev 公布值 88.3%），并写明「无人声称能匹敌 Jev」。
自称「研究起点」而非复制品：从零训练的字节级编码器加选项注意力（option-attention）头，每个候选转成一个查询向量（query）去读共享的上下文表示，然后被打分。作者的自测数字：合成菜单上 top-1 准确率（首选即正确）约 98%；在按目标划分、互不重叠的 Wikispeedia 下一步点击预测上得 26%（对照约 8%）；八个选项时一次前向比让小解码器写 400 个 token 快约 100 倍。README 同时声明：没有证明与 Jev 同等质量，也没有复现 TypeSafe 的私有训练方法。
Kev-0.5B 出自 v0 与 Vercel AI SDK 的创建者 Jared Palmer（），9 月 18 日发布：在 Qwen2.5-0.5B 上加 LoRA 适配器和一个小读出头，API 与 TypeSafe 兼容，可在 MacBook Pro 上训练和运行，权重与模型卡放在 GitHub 仓库 。
自报的 90% 对自报的 93%：数字之间没有共同标尺
@madiator 在发布推文里写明了这组数字的边界：「没有衡量性能的标准基准，Nimble 在其他基准上完全可能比 Jev 差得多。但它应该比 Qwen 好。」同一期 AINews 日报里，@abacaj 被引述提出的正是这个问题：大量演示强调速度多过质量，而这个类别至今没有标准基准——AINews 称这个问题「问对了」。
各项目量 Jev 的尺子也不一样。Laya 的 README 注明，表中 Jev 数字全部来自第三方公布结果，「没有 TypeSafe API 访问权限，样本量与提示词均不一致，从未在本项目中实测 Jev」；openjev 网站用的是公开子集上的同案一致率；Nimble 用的是自己策展的评测集。三组成绩各自成立，放在一起并不可比。
被略过的数据面：TypeSafe 承认训练数据 100% 合成
AINews 把一条提醒放在盘点末尾：讨论大多围着架构转，「没有足够多的人谈论数据这一面——而数据已被承认是 100% 合成」。9 月 17 日，TypeSafe CEO Diogo Almeida（X 账号 ）回复 @badlogicgames 时写道，公司「自视为一个数据研究实验室」，绝大部分研究花在造「真正通用的数据」上，「我们 100% 的数据都是合成的——但显然不是那种直接从 LLM 里吐出来的垃圾」，并称对方「可能是第一个在谈数据而不是架构的人」。
复现者面对同一个数据问题：训练数据要自己造。Nimble 的训练集同为全合成，作者把对比式负例当作关键一环；Jevlike 也从合成数据起家。
两天 3600 万观看之后：第一波落地在工作流
这波热度有参照系：AINews 记录 Jev 发布视频两天内获 3600 万次观看，OpenAI 的 Navier-Stokes 结果为 7400 万，Anthropic 的 Fable 5 为 5700 万；日报配图（见文首）显示 Jev 上线首日 24 小时在各模型的团队采用份额中居首。
按 AINews 的汇总，第一批有说服力的应用集中在浏览器与计算机操作工作流：@levie 演示 Jev 把 Box 的事件报告分类进升级路径；@ndrezn 用 LangChain 接 Jev 做浏览器操作，在 Wikipedia 游戏和「叠衣服」一类结构化任务上表现强劲；Cline 上线了一个给 Jev 配浏览器的插件；@hwchase17 称浏览器操作是他迄今见过最好的 Jev 应用。@ankrgyl 称 Jev 已作为评测模型接入 Braintrust，打分成本约为此前方案的 1/400。AINews 自己的综合判断是：这与其说是一个聊天机器人的故事，不如说是一个「工作流控制面」的故事。
反响同时沿着使用经验分裂。AINews 引述 @MParakhin 的观察：ChatGPT 之后入行的用户把它当作一种启示，前 GPT 时代的机器学习从业者则更困惑于这波热度。