Jev-Omni — decisões tipadas open multimodais (texto / imagem / áudio / vídeo)
Em 21 de setembro de 2026, a autora independente Akhila Datta (akhilaaa3 / @Akhila_988) publicou o Jev-Omni no Hugging Face: classificador open ~12B estilo System One sobre google/gemma-4-12B-it que recebe state + pergunta + opções (media= opcional para imagem/áudio/vídeo) e devolve {prediction, prediction_index, confidence, probabilities} — sem saída de texto autoregressiva.
A inferência usa loader custom (jev_omni.py) + head.pt — não é drop-in puro de transformers AutoModel. Licença Apache-2.0. O card deixa explícito que não há afiliação TypeSafe / Jev e que o modelo não foi treinado em saída do Jev. Dataset citado: akhilaaa3/decision-bench.
Framing do catálogo: primeiro peer open do catálogo com as quatro modalidades shippadas (texto/imagem/áudio/vídeo). O openjev já tem imagem/vídeo/texto; Prosodia segue especialista em áudio fora do quadrante. Não trate a linha do tweet (“first multimodal system one”) como fato da categoria.
UnverifiedClaim / higiene: DecisionBench Medium (87,57% / micro 86,01%), JevBench matched (86,15% / 87,45%), MMAU 63,10%, MVBench 53,10% e latências H200 warm (83 / 26 / 31 / 504 ms) vêm do card HF. “30.000 perguntas” no card vs decision_config recipe size: 24000 vs tweet “30k exemplos / <100 ms em 1 H100” conflitam entre fontes. O vídeo de lançamento no X é motion-graphics polido (disclaimer: saídas reais do modelo; opções podem ser qualquer modalidade) — latências na tela diferem da tabela H200, e barras do demo podem mostrar probs que não somam 1. Nada disso é medição do ModelSystem.One.
Entrada no catálogo: /pt-br/models/jev-omni. Contexto: openjev, Tiny-Jev, Jev hosted.