Texto
Cerca de 2.000 tokens na medição publicada.
83 msPerfil do modelo · atualizado em 19 de outubro de 2026
Jev-Omni
Um classificador de decisões que lê imagens, som e vídeo, e não só texto.
Jev-Omni é um modelo independente de pesos abertos que pega a ideia do Jev e a leva além do texto. Você passa um estado, uma pergunta e uma lista de opções; ele devolve uma probabilidade para cada opção e não escreve nada. O que o torna interessante é a entrada: ele também aceita imagens e vídeo, o que o Jev não faz. O modelo aceita áudio, mas desativamos isso no Jev AI em 11 de outubro, depois que ele ficou perto do acaso com falas curtas e sons do dia a dia nos nossos testes; o áudio roda no Clef-Omni.
Procurando o OmniJev, o projeto baseado no Qwen3.5 com modelos de 0,8B, 2B e 4B? É um projeto diferente deste Jev-Omni baseado no Gemma: guia do OmniJev e comparação OmniJev vs Jev-Omni (em inglês).
- Modelo baseGemma 4 12B IT
- Parâmetros12B
- LicençaApache-2.0
- Autorakhilaaa3
O playground ao vivo fica na versão em inglês desta página: é o mesmo editor usado para Jev, Laya e Clef. Escolha um exemplo, anexe uma imagem ou um vídeo, edite a pergunta e rode. Se você enviar áudio, ele sugere trocar para o Clef-Omni. Entre na sua conta para rodar decisões reais; este beta não inclui acesso à API pública.
O que ele lê, e com que velocidade
H200 aquecida, medianas de 20 requisições em um backend otimizado. Pré-processamento e rede ficam de fora, e uma placa menor será mais lenta.
Imagem
Uma imagem por requisição.
26 msÁudio
Limitado a 30 segundos no modelo. Desativado no Jev AI: perto do acaso com falas e sons curtos nos nossos testes; use o Clef-Omni.
31 msVídeo
Amostrado em 16 quadros.
504 msO que o Jev-Omni é de fato
Trabalho independente de akhilaaa3, não da TypeSafe.
É o Gemma 4 12B IT do Google com uma cabeça de classificação acoplada, ajustado em uma rodada de 30.000 perguntas de decisão e publicado como modelo mesclado. A cabeça pontua as opções que você fornece e devolve uma distribuição sobre elas. Nenhum token é gerado, então não há texto para interpretar nem esquema para o modelo quebrar.
A parte multimodal vem do próprio Gemma 4: o carregador baixa automaticamente os componentes multimodais originais na primeira vez que você os usa. O áudio é limitado a 30 segundos e o vídeo é reduzido a 16 quadros, então é um modelo para clipes curtos e imagens avulsas, não para gravações longas.
A licença é Apache-2.0, seguindo os termos do Gemma 4. O card observa à parte que os direitos sobre o conjunto de dados de treino não estão cobertos por essa licença.
Resultados publicados
As duas colunas que o card informa: uma média com o mesmo peso por cenário ou grupo, e uma micromédia sobre todas as perguntas.
| Benchmark | Escopo | Acurácia | Microacurácia |
|---|---|---|---|
| DecisionBench Medium | 80 cenários / 293 perguntas | 87.57% | 86.01% |
| JevBench (subconjunto pareado) | 195 grupos / 231 decisões | 86.15% | 87.45% |
| MMAU | 1.000 perguntas | — | 63.10% |
| MVBench | 14 tarefas avaliadas / 2.786 perguntas | 53.10% | 53.09% |
Essa linha do JevBench não é o ranking. O card informa 86,15% em um subconjunto pareado de 195 grupos e 231 decisões. O JevBench v1.7.46 da Benchmark Heaven, o ranking citado nas comparações deste site, mediu o Jev-Omni de novo em um conjunto novo de 300 decisões de texto abertas e 1.200 seladas e o coloca em #16 de 184 sistemas de pesos abertos, com 67,7; o Jev, uma API hospedada, aparece nesse quadro como linha de referência sem posição, com 71,5. No ranking principal de Capability, que deixa velocidade e custo de fora, o Jev-Omni é #18 com 71,3, contra 77,1 do Jev. A pontuação de inteligência é 55,5 (59,1 na metade aberta e 51,9 na selada) e a calibração, 87,0, contra 90,6 do Jev. O benchmark o rodou em uma RTX 6000. Os dois números não são comparáveis. Ver os resultados completos do JevBench (em inglês).
Em imagens, ficou em #13. O Image JevBench v0.3.0 da Benchmark Heaven, um quadro separado, pontua 63 sistemas, 61 deles ranqueados, em um conjunto novo de 2.441 itens sobre 2.160 imagens: 300 decisões públicas e 1.200 seladas. O Jev-Omni é #13 com 32,8, com inteligência 37,5 e calibração 71,0, e uma pontuação de custo melhor que a de todos os sistemas de pesos abertos acima dele. À frente dele estão, entre outros, 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) e Wity-1 with reasoning off (33,1). No ranking de Capability desse quadro ele é #22 com 54,3. Nenhuma pontuação da v0.3.0 pode ser comparada com uma da v0.1.5. Comparar Imajev-4B e Jev-Omni (em inglês).
Calibração: o card informa um erro de calibração esperado médio de 0,0400 em 10 faixas, medido pelo próprio autor.
Como o card o posiciona diante de modelos abertos maiores
Reproduzido do card do modelo, que observa que as pontuações de referência são divulgadas pelos próprios desenvolvedores e podem usar protocolos de avaliação diferentes.
| Modelo | Parâmetros | MMAU | MVBench | Modalidades |
|---|---|---|---|---|
| Jev-Omni | 12B | 63.10% | 53.10% | Texto, imagem, áudio, vídeo |
| Inkling | 975B no total / 41B ativos | 77.20% | — | Texto, imagem, áudio |
| Qwen3.5-397B-A17B | 397B no total / 17B ativos | — | 77.60% | Texto, imagem, vídeo |
Lida com honestidade, esta tabela é um argumento de tamanho, não de qualidade: o Jev-Omni fica atrás das duas referências nos benchmarks delas, com uma fração dos parâmetros, e é o único dos três que cobre as quatro modalidades.
Como rodar
É preciso uma GPU CUDA. O checkpoint atual tem cerca de 24 GB de pesos em BF16. Nossa implantação de 48 GB roda a versão hospedada; entradas maiores exigem mais memória em execução. A entrada de áudio também precisa do 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 outras modalidades, adicione media="/caminho/do/arquivo" e modality="image", "audio" ou "video".
Limites que vale conhecer antes
- Na prática, vinte opções. A cabeça aceita 256, mas o card diz que a qualidade acima de 20 não está comprovada.
- Só mídia curta. 16 quadros de vídeo; o modelo limita o áudio a 30 segundos, e o áudio está desativado no Jev AI.
- Fraco com áudio curto ou que não é fala nos nossos testes. Palavras faladas isoladas com menos de um segundo ficaram perto do acaso, a menos que tivessem silêncio dos dois lados, e sons ambientes de cinco segundos (ESC-10) acertaram 10%. Leitura de frases mais longas foi bem. Para áudio, use o Clef-Omni, também disponível no playground.
- É um classificador. Não gera tokens de saída, então não explica por que escolheu o que escolheu.
- Hardware de respeito. Uma GPU CUDA com memória suficiente para o checkpoint em BF16 e a sobrecarga de execução. As velocidades publicadas foram medidas em uma H200.
- Os direitos do conjunto de dados são separados da licença Apache-2.0 dos pesos.
Jev-Omni ou Jev?
Escolha o Jev-Omni se
- A decisão é sobre uma imagem, um clipe curto de voz ou alguns segundos de vídeo.
- Você tem uma GPU CUDA com espaço para um modelo multimodal de 12B e quer pesos abertos sob seu controle.
- Você está disposto a validar acurácia e calibração com seus próprios dados antes de confiar nos números.
Escolha o Jev se
- Seu estado é texto, que é a maior parte do trabalho de triagem, moderação, roteamento e pontuação.
- Você quer probabilidades calibradas de uma API hospedada, sem nada para instalar e sem GPU para manter.
- Você quer o fluxo de decisões de texto do Jev e a API pública dele. Para decisões multimodais hospedadas, teste o Jev-Omni no playground.
A parte de texto você pode testar agora mesmo
Se as suas decisões são de texto, o playground do Jev AI roda o Jev 1.13.0 nos seus próprios casos: 20 créditos de boas-vindas grátis, sem configuração e com a distribuição de probabilidade completa em cada resposta. Se não são de texto, o Jev-Omni é uma opção real e o Jev não: converta para texto ou use um modelo que leia pixels.
Perguntas frequentes sobre o Jev-Omni
O que é o Jev-Omni?
Um classificador de decisões multimodal de pesos abertos feito por akhilaaa3, ajustado a partir do Gemma 4 12B IT do Google com 30.000 perguntas de decisão. Você passa um estado, uma pergunta e uma lista de opções; ele devolve uma probabilidade para cada opção e não gera texto.
O Jev-Omni é da TypeSafe? Tem relação com o Jev?
Não. É um modelo independente que empresta o nome Jev e a ideia de decisões tipadas. O Jev da TypeSafe é um modelo hospedado e fechado; o Jev-Omni são pesos Apache-2.0 sobre o Gemma 4 que você mesmo roda.
O Jev-Omni aparece no ranking do JevBench?
Sim, em dois quadros. O JevBench v1.7.46 da Benchmark Heaven, de texto, o coloca em #16 de 184 sistemas de pesos abertos com 67,7, abaixo da pontuação de referência do Jev, 71,5, e em #18 no ranking principal de Capability, com inteligência 55,5. O Image JevBench v0.3.0, separado, o coloca em #13 de 61 com 32,8. Os 86,15% do card são outro número, em um subconjunto pareado de 231 decisões, e não podem ser comparados com estes.
De que hardware o Jev-Omni precisa?
De uma GPU CUDA. O checkpoint atual carrega direto em BF16. Nossa implantação em uma GPU de 48 GB usa cerca de 24 GB depois de pequenos testes de texto e mídia; entradas maiores precisam de mais folga. As latências publicadas foram medidas em uma H200 aquecida, então trate-as como um teto, não como o que você veria em uma placa menor.
Quantas opções o Jev-Omni aceita?
A cabeça de classificação aceita até 256, mas o card diz que ele funciona melhor com 20 ou menos e que a qualidade acima de 20 não está comprovada. Teste as suas próprias quantidades de opções antes de depender delas.
O Jev lê imagens como o Jev-Omni?
Não. O Jev aceita só texto: uma string, um objeto JSON ou um array. Se a sua decisão é sobre uma fotografia, uma mensagem de voz ou um clipe, o Jev não consegue tomá-la e um modelo multimodal como o Jev-Omni consegue.
Fontes
Card do modelo lido em 22 de setembro de 2026; os dois rankings lidos em 19 de outubro de 2026.
Jev-Omni, Gemma e todos os demais produtos citados nesta página pertencem aos seus respectivos donos e não são afiliados ao Jev AI. Os números foram tirados das fontes acima como estavam nas datas indicadas e podem mudar.