Texto
Unos 2.000 tokens en la medición publicada.
83 msFicha del modelo · actualizada el 19 de octubre de 2026
Jev-Omni
Un clasificador de decisiones que lee imágenes, sonido y vídeo, no solo texto.
Jev-Omni es un modelo independiente de pesos abiertos que toma la idea de Jev y la lleva más allá del texto. Le das un estado, una pregunta y una lista de opciones; te devuelve una probabilidad para cada opción y no escribe nada. Lo que lo hace interesante es la entrada: también acepta imágenes y vídeo, algo que Jev no hace. El modelo admite audio, pero lo desactivamos en Jev AI el 11 de octubre tras comprobar que se quedaba cerca del azar con frases cortas y sonidos cotidianos; el audio se ejecuta con Clef-Omni.
¿Buscas OmniJev, el proyecto basado en Qwen3.5 con modelos de 0,8B, 2B y 4B? Es un proyecto distinto de este Jev-Omni sobre Gemma: guía de OmniJev y comparativa OmniJev vs Jev-Omni (en inglés).
- Modelo baseGemma 4 12B IT
- Parámetros12B
- LicenciaApache-2.0
- Autorakhilaaa3
El playground en vivo está en la versión en inglés de esta página: es el mismo editor que usamos para Jev, Laya y Clef. Elige un ejemplo, adjunta una imagen o un vídeo, edita la pregunta y ejecútalo. Si subes audio, te propondrá cambiar a Clef-Omni. Inicia sesión para lanzar decisiones reales; esta beta no incluye acceso a la API pública.
Qué puede leer y a qué velocidad
H200 en caliente, medianas de 20 peticiones en un backend optimizado. El preprocesado y la red van aparte, y una tarjeta más pequeña será más lenta.
Imagen
Una imagen por petición.
26 msAudio
Limitado a 30 segundos en el modelo. Desactivado en Jev AI: cerca del azar con frases y sonidos cortos en nuestras pruebas; usa Clef-Omni.
31 msVídeo
Se muestrea en 16 fotogramas.
504 msQué es realmente Jev-Omni
Trabajo independiente de akhilaaa3, no de TypeSafe.
Es Gemma 4 12B IT de Google con una cabeza de clasificación añadida, ajustado con una tanda de 30.000 preguntas de decisión y publicado como modelo fusionado. La cabeza puntúa las opciones que le das y devuelve una distribución sobre ellas. No genera tokens, así que no hay prosa que analizar ni un esquema que el modelo pueda romper.
La parte multimodal viene del propio Gemma 4: el cargador descarga automáticamente los componentes multimodales originales la primera vez que los usas. El audio está limitado a 30 segundos y el vídeo se reduce a 16 fotogramas, así que es un modelo para clips cortos e imágenes sueltas, no para grabaciones largas.
Tiene licencia Apache-2.0, siguiendo los términos de Gemma 4. La ficha aclara aparte que los derechos sobre el conjunto de datos de entrenamiento no están cubiertos por esa licencia.
Resultados publicados
Las dos columnas que da la ficha: una media con el mismo peso por escenario o grupo, y una micromedia sobre todas las preguntas.
| Benchmark | Alcance | Precisión | Micro precisión |
|---|---|---|---|
| DecisionBench Medium | 80 escenarios / 293 preguntas | 87.57% | 86.01% |
| JevBench (subconjunto emparejado) | 195 grupos / 231 decisiones | 86.15% | 87.45% |
| MMAU | 1.000 preguntas | — | 63.10% |
| MVBench | 14 tareas evaluadas / 2.786 preguntas | 53.10% | 53.09% |
Esa fila de JevBench no es la clasificación. La ficha da un 86,15 % en un subconjunto emparejado de 195 grupos y 231 decisiones. JevBench v1.7.46 de Benchmark Heaven, la clasificación que citan las comparativas de este sitio, volvió a medir Jev-Omni con un conjunto nuevo de 300 decisiones de texto abiertas y 1.200 selladas, y lo sitúa en el puesto #16 de 184 sistemas de pesos abiertos con 67,7; Jev, una API alojada, aparece en ese tablero como fila de referencia sin puesto, con 71,5. En la clasificación principal de Capability, que deja fuera la velocidad y el coste, Jev-Omni es #18 con 71,3 frente al 77,1 de Jev. Su puntuación de inteligencia es 55,5 (59,1 en la mitad abierta y 51,9 en la sellada) y su calibración, 87,0 frente al 90,6 de Jev. El benchmark lo ejecutó en una RTX 6000. Las dos cifras no son comparables. Ver los resultados completos de JevBench (en inglés).
En imágenes, quedó en el puesto #13. El Image JevBench v0.3.0 de Benchmark Heaven, un tablero aparte, puntúa 63 sistemas, 61 de ellos clasificados, con un conjunto nuevo de 2.441 ítems sobre 2.160 imágenes: 300 decisiones públicas y 1.200 selladas. Jev-Omni es #13 con 32,8, con inteligencia 37,5 y calibración 71,0, y una puntuación de coste mejor que la de todos los sistemas de pesos abiertos que tiene por encima. Por delante tiene, entre otros, a kettei-fat (75,4), Wity-1 (71,2), Imajev-4B (63,7), kettei-chub (63,3), Sage 1.4 with images (beta) (47,9), Surogate Rune 26B-A4B v3 (42,5), Autoloops on Gemma 4 31B IT (41,4), basal-omni-1.0-ultra (40,9), Celeris-1 Decision (39,5), imajev 9B (34,5), H2O-Lightning-4B (image) (34,1) y Wity-1 with reasoning off (33,1). En la clasificación de Capability de ese tablero es #22 con 54,3. Ninguna puntuación de la v0.3.0 se puede comparar con una de la v0.1.5. Comparar Imajev-4B y Jev-Omni (en inglés).
Calibración: la ficha da un error de calibración esperado medio de 0,0400 sobre 10 intervalos, medido por su autor.
Cómo lo sitúa la ficha frente a modelos abiertos más grandes
Reproducido de la ficha del modelo, que advierte que las puntuaciones de referencia las publican sus propios desarrolladores y pueden usar protocolos de evaluación distintos.
| Modelo | Parámetros | MMAU | MVBench | Modalidades |
|---|---|---|---|---|
| Jev-Omni | 12B | 63.10% | 53.10% | Texto, imagen, audio, vídeo |
| Inkling | 975B en total / 41B activos | 77.20% | — | Texto, imagen, audio |
| Qwen3.5-397B-A17B | 397B en total / 17B activos | — | 77.60% | Texto, imagen, vídeo |
Leída con honestidad, esta tabla es un argumento de tamaño, no de calidad: Jev-Omni queda por detrás de ambas referencias en sus propios benchmarks, con una fracción de los parámetros, y es el único de los tres que cubre las cuatro modalidades.
Cómo ejecutarlo
Hace falta una GPU CUDA. El checkpoint actual contiene unos 24 GB de pesos en BF16. Nuestro despliegue de 48 GB sirve la versión alojada; las entradas grandes necesitan más memoria en ejecución. La entrada de audio también requiere ffmpeg.
pip install -r https://huggingface.co/akhilaaa3/Jev-Omni/resolve/main/requirements.txtfrom huggingface_hub import snapshot_download
path = snapshot_download("akhilaaa3/Jev-Omni")
import sys; sys.path.insert(0, path)
from jev_omni import load_jev_omni
classifier = load_jev_omni()
result = classifier.predict(
state="The meeting starts at 10 AM. It is now 9 AM.",
question="Has the meeting started?",
options=["Yes", "No"],
)
print(result)Para otras modalidades, añade media="/ruta/al/archivo" y modality="image", "audio" o "video".
Límites que conviene conocer antes
- En la práctica, veinte opciones. La cabeza acepta 256, pero la ficha dice que la calidad por encima de 20 no está demostrada.
- Solo medios cortos. 16 fotogramas de vídeo; el modelo limita el audio a 30 segundos, y en Jev AI el audio está desactivado.
- Flojo con audio corto o que no es voz en nuestras pruebas. Las palabras sueltas de menos de un segundo quedaron cerca del azar salvo que llevaran silencio a ambos lados, y los sonidos ambientales de cinco segundos (ESC-10) acertaron un 10 %. La lectura de frases largas fue bien. Para audio, usa Clef-Omni, también disponible en el playground.
- Es un clasificador. No genera tokens de salida, así que no explica por qué eligió lo que eligió.
- Hardware serio. Una GPU CUDA con memoria suficiente para el checkpoint en BF16 y la sobrecarga de ejecución. Las velocidades publicadas se midieron en una H200.
- Los derechos del conjunto de datos van aparte de la licencia Apache-2.0 de los pesos.
¿Jev-Omni o Jev?
Elige Jev-Omni si
- La decisión trata sobre una imagen, un clip de voz corto o unos segundos de vídeo.
- Tienes una GPU CUDA con sitio para un modelo multimodal de 12B y quieres pesos abiertos bajo tu control.
- Estás dispuesto a validar la precisión y la calibración con tus propios datos antes de fiarte de las cifras.
Elige Jev si
- Tu estado es texto, que es la mayor parte del trabajo de triaje, moderación, enrutado y puntuación.
- Quieres probabilidades calibradas desde una API alojada, sin nada que instalar ni GPU que mantener.
- Quieres el flujo de decisiones de texto de Jev y su API pública. Para decisiones multimodales alojadas, prueba Jev-Omni en el playground.
La parte de texto la puedes probar ahora mismo
Si tus decisiones son de texto, el playground de Jev AI ejecuta Jev 1.13.0 con tus propios casos: 20 créditos de bienvenida gratis, sin configuración y con la distribución de probabilidad completa en cada respuesta. Si no son de texto, Jev-Omni es una opción real y Jev no: conviértelas a texto o usa un modelo que lea píxeles.
Preguntas frecuentes sobre Jev-Omni
¿Qué es Jev-Omni?
Un clasificador de decisiones multimodal de pesos abiertos creado por akhilaaa3, ajustado a partir de Gemma 4 12B IT de Google con 30.000 preguntas de decisión. Le das un estado, una pregunta y una lista de opciones; devuelve una probabilidad para cada opción y no genera texto.
¿Lo ha hecho TypeSafe? ¿Tiene relación con Jev?
No. Es un modelo independiente que toma prestados el nombre de Jev y la idea de las decisiones tipadas. El Jev de TypeSafe es un modelo alojado y cerrado; Jev-Omni son pesos Apache-2.0 sobre Gemma 4 que ejecutas tú.
¿Aparece Jev-Omni en la clasificación de JevBench?
Sí, en dos tableros. JevBench v1.7.46 de Benchmark Heaven, el de texto, lo sitúa en el puesto #16 de 184 sistemas de pesos abiertos con 67,7, por debajo de la puntuación de referencia de Jev, 71,5, y #18 en su clasificación principal de Capability, con una inteligencia de 55,5. El Image JevBench v0.3.0, aparte, lo sitúa #13 de 61 con 32,8. El 86,15 % de la ficha es otra cifra, sobre un subconjunto emparejado de 231 decisiones, y no se puede comparar con estas.
¿Qué hardware necesita Jev-Omni?
Una GPU CUDA. El checkpoint actual se carga directamente en BF16. Nuestro despliegue en una GPU de 48 GB usa unos 24 GB tras pruebas pequeñas de texto y medios; las entradas más grandes necesitan más margen. Las latencias publicadas se midieron en una H200 en caliente, así que tómalas como un techo y no como lo que verías en una tarjeta más pequeña.
¿Cuántas opciones admite Jev-Omni?
La cabeza de clasificación acepta hasta 256, pero la ficha indica que funciona mejor con 20 o menos y que la calidad por encima de 20 no está demostrada. Prueba tus propios números de opciones antes de depender de ellos.
¿Puede Jev leer imágenes como Jev-Omni?
No. Jev solo acepta texto: una cadena, un objeto JSON o un array. Si tu decisión trata sobre una fotografía, una nota de voz o un clip, Jev no puede tomarla y un modelo multimodal como Jev-Omni sí.
Fuentes
Ficha del modelo leída el 22 de septiembre de 2026; ambas clasificaciones leídas el 19 de octubre de 2026.
Jev-Omni, Gemma y el resto de productos citados en esta página pertenecen a sus respectivos propietarios y no están afiliados a Jev AI. Las cifras proceden de las fuentes indicadas tal como estaban en las fechas citadas y pueden cambiar.