精选 Jev 项目：Jev-like 模型

多语言、非自回归 System 1 决策引擎。在单次前向传递（33 毫秒）中输入超过 100 多种语言的决策，并根据严格正确的评分规则 (RLCD) 通过强化学习进行训练，并通过路由器为每个请求选择正确的检查点。

用于本地 Jev 式决策的开放模型语义 if 引擎。

在家用 RTX 3090 上通过开源模型实现语义 If；独立项目，与 Jev 或 TypeSafe 无隶属关系。

基于 Qwen 的小型可训练 Jev 类决策模型系列，提供类型化原语、数据集、评测工具和本地推理。

开放的 4B 决策模型，可对文本或单张图片进行仅预填充的 Choice、Noul 和 Score 推理，并提供原生、vLLM 与 SGLang 运行时。

可在笔记本 CPU 上运行的本地 1B 决策模型，提供 Jev 兼容的 Noul 响应并返回 P(yes)，且明确拒绝 Choice 和 Score。

基于 Qwen3.5 与 Gemma 4 的本地微调模型，通过 Jev 兼容 API 在单次前向传播中返回类型化 Choice、Noul 和 Score 决策。

本地 Jev 兼容 System One API，把类型化问题转换为 DiffusionGemma 分类提示与概率。

开源System One决策模型。 Sub-15ms, non-autoregressive, local drop-in alternative to TypeSafe Jev.

开放模型 Jev 类服务，通过读取下一 Token 的 Logit 返回类型化选择、评分和真假判断。

非自回归System 1决策引擎，专为决策类型决策场景设计DeepOpen多语言、非自回归System 1决策引擎。

通过 ONNX 运行时从 Node.js / TypeScript 运行 Laya，这是与开源 Jev 兼容的 System-1 决策模型。

带扩散草稿器的推理型 9B Jev-style 分类器，并提供兼容 API 以返回类型化 Noul、Choice 和 Score 决策。

多模态 Qwen3.5 决策模型，可在单次前向传播中以概率回答多个类型化 Choice、Score 和 Noul 问题。

基于开放模型和 SGLang 的 Jev 兼容 API 服务，使用仅预填充推理提供类型化决策端点。

AgentJev-0.6B - 用于 AI 代理的快速“System One”决策模型：向其提供任何非结构化状态（差异、跟踪、日志）和结构化问题，在约 50 毫秒的前向传递中获得校准的概率分布。零输出令牌解码。

使用 Qwen3.5-2B、Qwen3.5-9B 和 Qwen3.8-27B 开放概率决策。

Jev 的开放、本地化：来自 LLM 的键入决策，无需生成单个令牌

基于 GLiNER 系列模型的自托管 Jev 兼容 System One 服务，支持批处理和类型化问题。

基于 mmBERT 的开放双语 144.3M 决策模型，通过独立的本地 PyTorch 运行时返回带概率的 Choice、Noul 及 2–10 分 Score 答案。

开放的 4B 与 35B-A3B 视频决策模型，多问题共享视频前缀，通过直接候选评分输出时间定位区间与多选题答案，无需生成文本。

DiffusionGemma NVFP4 关于 DGX Spark 的结构化决策：容器配方 在审核期间未找到存储库级许可证文件。

将任何 LLM 转变为 Jev 式的决策模型：类型化决策、真实概率、无需训练。 （继续更新）。

基于 DiffusionGemma 的开放 Jev 兼容 System One 决策服务器。

本地多模态决策模型，可对记录、文本和最多两张图片回答 Jev 兼容的类型化问题，并支持显式弃答。

与 jev-ultrafast 相同，但使用 Laya。

把本地语言模型转换为 Jev 类 Choice、Score 和 Noul 决策引擎，并返回类型化概率。

用于一次性类型决策和选项概率的对比语言模型。

开源 Jev。

面向 Open-Jev-27B 的专用 CUDA 推理后端，提供可替换的 Jev 兼容服务器、前缀树复用和可核验的基准产物。

从 Jev 兼容示例中训练小型、快速的本地分类器。在浏览器或 Node.js 中本地运行。

框架及微调嵌入模型，将余弦相似度转换为 Jev-style Choice、Score 和 Noul 概率。

开放权重 Jev 替代方案，可在一次前向传递中返回带有概率的类型化决策。

开放语义决策引擎，实现 Choice、Noul 和 Score 原语，并提供 TypeSafe 对比工具。

Open reproduction of TypeSafe Jev: a 150M typed decision engine (noul/choice/score in one non-autoregressive pass, calibrated confidence). 0.697 对比 Jev 的 0.727，校准效果好 2.5 倍，速度快 4 倍，免费。在 Colab T4 上进行训练只需 30 分钟。

类型安全语言模型生成和结构化决策。

基于 Solar Mini 的 Jev 式类型决策的本地模型。

自托管 API 和用于 Laya 决策模型的 Web 界面，具有与 Jev 兼容的 API 形状。

基于冻结开源模型的医疗决策栈：为每个考试选项评分，再用置信度与保形门控自动放行或升级给人工。

开放视觉决策模型，对图像进行一次编码并回答多个结构化问题。

DiffusionGemma 上的 Jev 式结构化决策：来自 vLLM PR 57250 的示例服务器。

用于具有视觉功能的类似 Jev 的多模态 System One 模型的训练堆栈。

将 LLM 作为类似 Jev 的端点提供服务的超级简单方法。

具有动态候选集的校准 Jev 式选择模型的训练和推理堆栈。

将LLM模型转变为类似Jev的系统。

非官方 PoC：类型化决策（noul / choice / Score）HTTP API 背后的 BERT 式编码器决策引擎。 Not affiliated with TypeSafe.

open-jev 是一个以浏览器为中心的 TypeScript 库，用于输入决策：一段文本（状态）加上任意数量的输入问题，一次前向传递会返回每个问题的校准概率分布。不会生成任何内容，因此答案始终是您提供的选项之一。

开放的泰英双语 System One 模型，提供 Choice 推理、校准、评测脚本和 Jev 对比套件。

开放模型，可在一次前向传递中进行输入、校准决策。

开放概率 Choice、Noul 和 Score API 由受限开放模型日志概率提供支持。

基于 Qwen3.5-0.8B 的本地决策模型，用 llama.cpp 标签概率回答 Noul、Choice 和 Score，提供兼容 Jev 的 HTTP 接口。

开放的 4B 英语/韩语决策模型，提供 Jev 兼容的 Choice、Score、Noul 概率及 BF16、GGUF 权重。

Rust System One - 兼容 API，用于开放决策模型，例如 Laya。

通过与 Jev 兼容的 API 和编码代理集成，在 NVIDIA GPU 或 Apple Silicon 上提供类型决策（系统 1）模型 - Laya 或您自己的模型。

本地 Jev 兼容代理，可学习应用程序的类型化决策并通过 Laya 头为它们提供服务。

超快速 Jev，如服务器，与模型无关，可与任何 OpenAI 兼容端点一起使用。

一次前向传递中来自非结构化状态的本地 Jev 兼容类型决策。

使用 DiffusionGemma 进行类型化 JSON 推理，并提供 Every 与 Jev 基准结果。

在 CPU 上运行 SemIf（Jev 式语义 if 决策）——无 GPU。在一次正向传递中直接从开放模型读取类型化的选项概率，以及 Web UI。

提供 Jev 兼容 System One API 的本地决策模型运行器。

面向金融的开放决策模型，提供 Jev 兼容类型化 API 和评测工具。

受 Jev 启发的开放权重决策模型，从 Qwen3.5 4B 进行微调。

在 Mac 上本地运行 Jev 风格的类型决策，RAM 使用率低且响应快。

高性能 System One 模型，具有嵌入式 C 运行时和 WebAssembly 支持。

用于类型化决策与选项概率的开放 Jev 风格模型及训练工具。

提出有关文本或 JSON 的类型化问题，并在浏览器中检查模型导出的概率分布。 One container runs the model, the original Decision Lab explorer, and a TypeSafe-shaped API.

一个开源的、从第一原则出发重建 TypeSafe AI 的 Jev 背后思想的项目，用 pytorch 编写。

从 Apple Silicon 上的本地 Qwen 模型中输入决策（选择/评分/是-否）。概率直接来自逻辑，没有文本生成。 TypeSafe-compatible HTTP API, runs on MLX.

使用三值模型进行 Jevfire 风格候选评分的本地 System One API；概率仅表示候选间的相对分数。

基于 Qwen3.5 的决策模型，通过兼容 Jev 的服务接收文本和图像，从标签 token 概率读取类型化答案；权重仅限非商用。

Jev 形状的分类包装器，位于 OpenAI 兼容客户端上，返回概率和置信度。

本地 0.8B Jev 风格模型及兼容服务器，支持 Choice、Score、Noul 决策，并附 Agent 技能和 Claude Code 权限守门器。

开放的多模态决策模型，通过 Jev 风格的 Choice、Score、Noul 端点，为文本和截图返回候选项概率。

本地 Jev 替代模型，通过兼容 System One 的接口返回 Noul、Choice、Score 和多标签概率。

Open local System One implementation for NVIDIA DGX Spark with a Jev-compatible API.

面向韩语的开放 2B 与 4B 多语言决策模型，通过 Kev 提供 Jev 兼容的 Choice、Score、Noul 概率。

类似 Jev 的本地系统 One 决策层，无需托管 API，即可返回类型选择和校准置信度。

OpenJev：一个独立的、受 Jev 启发的 System One 决策 API，基于 TypeSafe.ai 概念。选择、分数和 noul 原语、本地模拟服务器、Python 和 TypeScript SDK。真实推理计划；不隶属于 TypeSafe AI。审核期间未找到存储库级许可证文件。

使用 ONNX 和量化模型进行离线 CPU 推理的本地类 Jev 类型决策运行时。

提供四种规模的开放多模态 System One 模型，一次前向传播即可回答关于截图、图像、视频或文本的类型化问题。

拥有自有权重的本地 5.96 亿参数类型化决策模型，支持 Choice、Score、Noul，并提供兼容 Jev 的 System One 端点。

本地 Jev 兼容评估服务器：POST /v1/systemone，输入 noul/choice/score，开放权重，无候补名单 审核期间未找到存储库级许可证文件。

本地决策栈，融合两个冻结开放模型的四路读数，再通过一致性与校准门控决定回答或弃答。

基于 DiffusionGemma 与 SGLang 的独立图文类型化决策服务器，附绘图试验场和公开评测材料。

独立的多语言决策模型，提供校准答案、弃答机制和 Jev 兼容 API。