搜索
开源版Jev训练保姆级教程发布，基于Qwen3-0.6B底座在本地单卡环境完成数据下载、案例级切分、全参数微调、温度校准及本地接口部署全流程，600步训练后在2000道决策题测试集上达到78.05%准确率。
上海人工智能实验室开源的多模态决策SOTA模型Intern-Decision采用自回归式掩码语言任务框架，在推理速度上比Jev提升2至3倍，并在游戏画面决策、验证码识别和网页操作等任务中展现出将视觉理解与结构化决策结合的能力，目前已在Hugging Face、GitHub开源0.8B、2B和4B三个版本。
内容编辑丨特工小师 特工小天 内容审核丨特工少女 一片树林里分出两条路，而我选了人迹更少的一条。 最近一段时间，社媒上被一个 Jev 模型刷屏了。 在 jev.openchamber.devg 上，关
Jev刷屏之际，香港中文大学徐强团队早在12个月前就发表了论文《From Samples to Scenarios》并提出TimePrism验证模型，两者在不同领域分别走向了"显式概率、并行输出、面向决策"的相似设计思路。
前OpenAI研究员、TypeSafe CEO Diogo Almeida在播客访谈中批评Codex和Claude Code仍停留在AI辅助人类的阶段，称"Jev出现前的AI世界是个悲剧"，并推出采用RLCD训练的System 1模型Jev，旨在让代码直接可靠调用AI判断，实现每美元智能最优。
AI模型Jev开发商TypeSafe AI在9天内估值从2亿美元暴涨50倍至100亿美元以上，正洽谈逾10亿美元融资，Jev作为专为软件和Agent提供快速低成本判断的"System One模型"凭借Vercel等平台的快速采用获得投资人追捧。
这几天，Jev 模型在开发者社区引发讨论。
最近，一个叫Jev的新模型突然火了。
在大模型在拼命刷 Benchmark 卷编程的时候，「不能说话」的 Jev 却意外成了 AI 圈的新顶流，究其原因，大模型应用的价值正在从「生成什么」，进一步延伸到「能否理解复杂信息，并据此做出可靠判断」。
过去一周，Jev 成了整个 AI 圈最火的新模型。