Jev 发布不到一周，开源社区已经复刻这种「不写答案、直接给概率」的模型：
1. SemIf 最简单，连模型都不用重新训练。它直接拿现成的 Qwen，在模型准备回答 A、B、C 时截住，不让它继续往下写，直接读取每个选项的分数，再换成概率。
2. Simple Jev 也用现成大模型，但进一步省掉重复计算。同一段材料只读一次，后面的多个问题共用这部分结果，再分别判断答案。作者也明确说，它复刻的是 Jev 的使用方式，准确率、速度和概率校准都没做到等价。
3. Laya 干脆不用会生成文字的大模型，换成更像传统分类器的编码模型。好处是小而快，短板也很明显。一次从 77 个选项里做选择时，Laya 准确率只有 42.5%，Jev 是 87.0%。
4. Von 走的也是专用决策模型路线。它只有约 4 亿参数，不生成文字，一次前向直接完成 Choice、Noul 和 Score，更像一个能读自然语言的新一代分类器。
5. Verdict 更小，只有约 1.5 亿参数。作者重点处理了两个问题：答错了还报很高的置信度，以及把选项顺序换一下，结果就跟着变。
6. Kev 选择保留大模型。它拿 Qwen 做底座，再加专门的决策结构，让同一份输入只读一次，多个问题各自算概率。第三方此前逆向 Jev 时，也推测它可能用了类似设计。
拿训练时没见过的新题测试，8B 版准确率约 78%，Jev 约 86%。差距主要在置信度，Kev 还有一些答错的题会给出 90% 以上把握。
7. Nimble 重点放在训练上。它用 Qwen3.5-9B，再准备一批「只改一个事实，正确答案就翻转」的数据做后训练。在 324 个没参与训练的测试样本里，Nimble 有 90.1% 选中了参考答案，Jev 是 93.2%。不过目前还不能保证模型「报 90% 就真的有 90% 正确」。
8. OpenJev 走得最远，直接换成 DiffusionGemma。它先把几个答案位置留空，再像扩散模型补图一样一次填出来。在 RTX PRO 6000 上，单请求中位延迟约 94ms。
Jev 这条路线看起来很好抄。真正拉开差距的还是准确率、泛化和概率校准。模型敢报 90%，这个 90% 到底有多可信，才是最难的部分。
动察 Beating 频道 · 动察 Beating 交流群
