研究
Jev 权重闭源、无论文。社区几天内就逆向出了推理形态 —— 但 RLCD 校准训练仍是真正的壁垒。下面是复现项目，以及检验官方说法的独立评测。
开源复现（训练管线）
| 项目 | ★ | 为什么值得看 |
|---|---|---|
| TheoLeeCJ/SemIf | 2.1k | RTX 3090 零训练复现 "semantic if"：读 Qwen3.5-4B 选项 logits。共享前缀复用后 20 决策/秒；公开子集一致率 0.845（Jev 为 0.883） |
| vinnylarouge/jevlike | 1k | 最早出圈的复现；选项作为 query 做 attention 池化。作者明确声明不是 RLCD 复现 |
| TianyuCodings/NanoJev | 1.2k | 中文作者；0.6B 端到端训练流水线 + paired proper-reward learning —— 目前最接近 RLCD 的公开实现，权重和数据集在 HF |
| jaredpalmer/kev | 692 | 与官方 /v1/systemone API 完全兼容。关键数据：同分布仅差 1.8pp，但 OOD 差 19.1pp —— 证明校准训练才是壁垒 |
| arnabgho/rlcd-lite | 1 | GRPO + Brier 奖励重实现；核心消融：proper scoring rule 奖励产生校准，二元奖励摧毁校准 |
| DECRUX9812/openjev-lm | 1 | 最低成本入门：纯 CPU LoRA 训练 89 分钟、$0，与 API 答案一致率 92.9% |
更多：LightJev · jev-visual · razorback16/openjev · typed-decisions · openJev-verdict-2.0
推理层复现（零训练）
| 项目 | ★ | 做什么 |
|---|---|---|
| ekzhang/openjev-sglang | 206 | Qwen3.6-35B-A3B + SGLang，prefill-only + radix cache，完整实现官方 HTTP API |
| AlexWortega/openjev | — | 最早开放权重；Qwen3.5-4B 改 3 类 NLI 交叉编码器，零样本玩 Doom |
| bnsd55/jevmlx | 40 | Apple Silicon MLX |
| r-ms/mini-jev | 26 | 冻结 Qwen3-4B 读选项字母 logits |
| Trecto34/openjev-fighting-ring | 0 | Diffusion/RLCD/Block-Causal/NLI 各方案同场竞技 |
大规模 / 预注册评测
| 评测 | 结论 |
|---|---|
| willkelly/jev-evaluation | 9 组对抗实验、123,805 次请求、$12.69：域内校准 ECE 0.075，但 OOD 完全失效（随机 3-SAT）；礼貌的权威注入能改变 147/200 个答案；255 问题批处理真的免费 |
| exs-brady/jev-eval-evidence | 55,347 条类型化判断，Jev 对阵 10 个 LLM + 关键词/正则基线，预注册 + 跨模型家族盲复现 |
| ickma2311/jev-baselines-eval | Banking77/CLINC150：Jev 0.832/0.870，但 9ms 的 bge-small + 逻辑回归基线达 0.933；实测延迟仅为 nano-LLM 的 2.2 倍 —— 经典基线在某些赛道仍然更强 |
| Fox-Islam/jev-bias-bench | 反事实偏见基准，11,984 次调用：29 种人设属性 × 招聘/信贷/临床/保释等场景，含噪声底线与阴性对照 |
| kokuren333/jev-jmle-benchmark | 9 年日本医师国家考试（3,556 题）：88.58%；配套论文已投 medRxiv |
| scienthoon/jev-ood-calibration | OpenBookQA 94.2% / ECE 0.024；但在不可知的规则任务上准确率 44.7% 而自报 p 0.74 —— 校准偏差方向随题型翻转 |
| EmilLindfors/jev-horingssvar-eval | 挪威听证会文件：准确率与 DeepSeek V4.1 Flash 持平，但 $0.22 vs $3.08 / 千份，中位 0.32s vs 26s |
细分任务评测
| 评测 | 结论 |
|---|---|
| anisselbd/jev-phishing-bench | 直接问：62.6%（正则 91.8%）；原子化拆解 + 逻辑回归：95.0% |
| bitnovus/jev-spam-eval | 18.5k 封邮件 98.3% ≈ TF-IDF；但分布漂移下 97.3% vs 72.5% —— 抗漂移是真优势 |
| mahlernim/jev-korean-benchmark | 阅读几乎无损；输入重排会改变 13–14% 的答案 |
| rorshopping/jev-on-a-laptop | 1.5B 写不出 28 字段 JSON，却能 0.4 秒做 28 个 schema 合法决策；7B 是甜点规模 |
| jev-poker | 与求解器吻合仅 63% 且置信度倒挂 —— 必须喂"嚼碎"的中间结论 |
更多：jev-banking77-experiment · jev-vs-open-decision-models · mnist-text-input · jev-ja-eval · jev-decision-benchmarks · does-jev-confidence-mean-anything · decision-model-benchmark · jev-capability-atlas
深度报告与文章
| 文章 | 为什么读 |
|---|---|
| sgnt.ai — "You could have built Jev" | 最佳技术解析；重建了单 token logits 方案并交叉比对各复现结果 |
| HackSing/jev-report | 52 页独立研究报告（中文） |
| mizzlelover/jev-hub | 聚合发布首周 714 条 X 帖子（226 个演示视频、114 篇长文）—— 视频洪流入口 |
| 掘金：发布 3 天登顶 HN，我把 Jev 的源码和黑料都扒了一遍 | 扒 Vercel AI SDK 源码 |
| lindfors.no — A first look at Jev | 基于真实文档的严谨成本/延迟测量 |
| ic.work：TypeSafe 发布 Jev 模型 | 质疑向分析 |
更多：ickas.dev · southbridge.ai · classmethod · mikulskibartosz.name
其他 Awesome 清单
- Anil-matcha/awesome-jev-by-typesafe —— 最大目录，提交需附证据
- yibie/awesome-jev —— 策展最严，有明确收录标准
- yzfly/awesome-jev-zh —— 中文清单，每日更新，敢写反面数据
- AbdelStark/awesome-typesafe —— 覆盖整个 TypeSafe 生态
- cobanov/awesome-jev —— 公开评审笔记与证据来源
- fatwang2/awesome-jev —— 提交由 Jev 亲自评审