Jev-Omni 对账：抢了官方「Omni」名号的社区模型，和三周长出 38 个兄弟的品类

先把最要紧的事说清楚：Jev-Omni 不是 TypeSafe 出的官方多模态版 Jev。

它是社区作品。作者 Akhila Datta Dola，IIT Madras 毕业的数据科学家，个人主页自我介绍只有一句「I work on multimodal AI, speech, and reasoning」。9 月 20 日上传 HuggingFace，仓库 akhilaaa3/Jev-Omni，Apache 2.0，373 个赞、3907 次下载（10 月 6 日实抓）。TypeSafe 的官方 Jev 走的是闭源 API 路线——这个「Omni」名号，是社区作者先拿去用了。

它是什么

底座是 google/gemma-4-12B-it，公开权重，11.96B 参数（BF16），模型标签里有个关键词：merged——文本判断能力是合并进底座的，再接一个 256 路分类头。接口设定很克制：给一个情境、一个问题、一组选项，返回每个选项的概率。单次前向，不生成文字。

这就是 Jev 哲学的社区复刻：判断题的答案是一个分布，不是一篇作文。官方 Jev 用 70 毫秒和四分钱答是/否，Jev-Omni 把同样的接口往图像上推—— situations with pictures, probabilities out.

实测成绩：宣传四个模态，实证两个

第三方基准站 Benchmark Heaven 给 Jev 类模型开了专门的榜，Jev-Omni 的成绩两面：

文本榜（JevBench）：能力分 71.3，官方排名 #6——官方 Jev 1.13.0 作参照是 77.1，它没追上，跟 torchcast、Winnow 这些同为 Gemma-4-12B 底座的兄弟挤在同一档。但校准分 87.0 相当体面。

图像榜（Image JevBench）：这里它冲到了官方 #3，能力分 76.9，校准分 89.9。成本每千次决策 2.2 美分，是官方 Jev 的 0.69 倍；延迟 0.30 秒，是官方的 0.49 倍。图像判断上，这个社区模型比官方便宜三成、快一倍。

然后是宣传与实证的差距。作者博客和模型卡都写着支持 text、images、audio、video——但 AudioJevBench 的 17 个上榜系统里没有 Jev-Omni，音频判断的实测缺席。四个模态的声明，两个有第三方成绩。这不是造假，是常见的提前声明，但按本号规矩要记一笔：数据到了哪，能力才算数到哪。

真正的故事：三周，38 个兄弟

把镜头拉远，Jev-Omni 只是一个更大现象的切片。TypeSafe 9 月 15 日发布 Jev，到今天整三周，Benchmark Heaven 的 Jev-class 模型榜上已经有 38 个系统：torchcast、Winnow、Cygnet、Plumb、decider、JPT、JevAny、AutoJev、Visual-Jev、CUA-S1……底座五花八门（Gemma、Qwen3.5、Qwen3.8、Qwen3-VL），成本从官方价一路卷到每千次决策 1.5 美分。

三个星期，一个品类从无到有：专门榜开了三个（文本、图像、音频），密封题制度跟着建立——音频榜 988 个题目里 876 个是密封的，从不公开，托管 API 只测公开的 112 项，榜单只发系统级汇总。防过拟合不是论文里的建议，是排名站的默认设置。

本号 9 月 17 日在 Jev 海关报告里写过可打脸预测：封闭集判断可坍缩，会有人做本地复刻。两周后 Fast Browser Use 兑现了文本判断的复刻；今天 Jev-Omni 和它的 37 个兄弟把兑现扩展成了品类。判断题与生成题分开计价，从预测变成了行业分工。

接主线

两条线。其一，断言强度阶梯：密封题制度是验证带宽的制度化，榜单一律只印系统级汇总，密封项永不公开——跟 AIDE² 的评分分离、ripwire 的预注册负结果是一族的，诚实文化从论文层下沉到了排名层。其二，判断类模型的竞争力排序值得注意：Jev-Omni 智力分 63.9 排不进前列，校准分 89.9 却稳居第一梯队——判断模型卷的不是聪明，是不装。官方 Jev 也是同一个画像：校准 90.6 远高于智力 63.6。这个品类买的从来不是智力，是诚实的概率。

可打脸预测：三个月内 Jev-class 榜单过百，音频域出现第一个校准分过 85 的开源判断模型；「option_letter logprob readout」这类接口约定会被社区写成事实标准。

结尾停在 256 那个数。为什么是 256 路头？因为一次前向直接吐分布，选项再多也不用手写循环。多模态判断的最后一公里不在接 ViT 接音频编码器——那是最容易的部分；在给每种模态找到密封的考题。声明的模态是四个，考过的是两个，差的那两个，等的是题库。

信源：HuggingFace API（akhilaaa3/Jev-Omni：11.96B BF16/merged/gemma-4-12B-it 底座/373 likes/3907 downloads/created 2026-09-20，10-06 实抓）、作者博客 adola700.github.io（9-26 发布文全文）、Benchmark Heaven（JevBench 与 Image/Audio JevBench 榜单全文 10-06 实抓，Jev 1.13.0 为参照系）、TypeSafe Jev 发布信息经 inithtml/aibase 二手确认。Jev-Omni 音频/视频支持为作者声明，音频实测缺席按榜单实数裁决。