Jev-Omni

Notas do quadrante

Ver o quadrante completo

Pontuação pela rubrica pública do quadrante (maturidade × capability; bolha = adoção). Revisamos conforme a evidência.

• Maturidade4.8/10

  Pesos Apache-2.0 públicos + loader/exemplo; ops classe GPU (~50GB FP32), stack com head custom, sem SLA hosted, release cedo.

• Capability7.2/10

  Classificador tipado de opções em texto/imagem/áudio/vídeo; melhor com ≤20 opções; todos os benches de headline são UnverifiedClaim.

• Adoção38/100

  Lançamento viral no X (~2k likes / ~170k views no post do autor) + ~107 likes no HF; ainda nicho fora da onda open-Jev.

Vendor claims

• DecisionBench Medium 87,57% / micro 86,01% (80 cenários / 293 perguntas) — card do autor[Claim do fornecedor — não verificado independentemente]
• JevBench matched 86,15% / micro 87,45% (195 grupos / 231 decisões) — card do autor[Claim do fornecedor — não verificado independentemente]
• MMAU 63,10% (1000 perguntas); MVBench 53,10% (14 tarefas / 2786 perguntas) — card do autor[Claim do fornecedor — não verificado independentemente]
• H200 warm: 83 ms (~2k texto), 26 ms imagem, 31 ms áudio 13s, 504 ms vídeo 16 frames — card do autor[Claim do fornecedor — não verificado independentemente]
• Card: fine-tune de 30.000 perguntas; decision_config recipe size 24000; tweet cita 30k exemplos / <100ms em 1 H100 — números conflitam entre fontes[Claim do fornecedor — não verificado independentemente]
• Post de lançamento no X: on par com Jev em benches tipados; framing de first-multimodal é marketing — catálogo só trata o ship das quatro modalidades como fato de peer open[Claim do fornecedor — não verificado independentemente]

Jev-Omni é um classificador de decisão open multimodal independente — Gemma 4 12B IT + head custom (head.pt) e loader (jev_omni.py) — não é produto TypeSafe e não foi treinado em saída do Jev (disclaimer do card).

State + pergunta + opções entram; sai {prediction, prediction_index, confidence, probabilities} num único forward pass, sem geração de texto. Modalidades: text | image | audio | video via path em media=. Card: Hugging Face akhilaaa3/Jev-Omni (Apache-2.0). Dataset citado: akhilaaa3/decision-bench.

No catálogo, decisionTypes lista choice e boolean (noul via opções Yes/No). O rodapé do card também fala em “score”; o loader público é classificador de opções (2–256 slots, melhor ≤20) — score-em-buckets só se você mesmo codificar os buckets. Não é drop-in puro de transformers AutoModel: carrega pelo helper do repo.

Entre os peers open do catálogo, é o primeiro com as quatro modalidades shippadas (texto/imagem/áudio/vídeo). O openjev já cobre imagem/vídeo/texto (áudio anunciado); Prosodia é especialista em áudio e fica fora do quadrante.

Intro pública: post no X em 21/09/2026 (@Akhila_988); HF criado ~20/09/2026. ~107 likes em 23/09/2026 (API de downloads mostrou 0 na checagem).

Limites

• Todos os benches de headline (DecisionBench, JevBench, MMAU, MVBench) e as latências H200 são self-reported → UnverifiedClaim, não números do ModelSystem.One
• “30k” no card vs decision_config recipe size: 24000 vs tweet “30k exemplos / <100ms em 1 H100” — tensão entre fontes; prefira as tabelas do card com cuidado e mantenha claims do tweet como não verificados
• O vídeo de lançamento no X é motion-graphics polido (não UI live crua). Latências na tela (ex.: texto ~17 ms, imagem ~36 ms, áudio ~11 ms / 13s, vídeo ~201–211 ms / 8 frames) diferem da tabela H200 do HF (83 / 26 / 31 / 504 ms) — trate os dois como UnverifiedClaim
• Higiene do demo: barras animadas podem mostrar probs que não somam 1 (ex.: YES 53,3% / NO 6,5% num clipe de áudio) — packaging, não prova de calibração do catálogo
• CUDA / ops classe GPU (~50 GB FP32 antes do overhead; BF16 autocast na inferência); stack com head custom; sem SLA hosted
• Melhor com ≤20 opções; o head aceita 256, mas qualidade acima de 20 não está estabelecida
• Sem afiliação TypeSafe; “Jev” no nome é só o formato da interface

Por que está no catálogo

Pesos de decisão multimodais treinados + inferência open que devolve probs tipadas nas quatro modalidades (mesma classe de openjev / Tiny-Jev, footprint GPU maior que mini peers open; distinto do Jev hosted). Radar: 2026-09-23.