Genaueste (Achse Intelligenz)
Quyet-1.0-Large (Chinh Nguyen, Gemma-4-31B decoder, option-letter logits)
Intelligenz 73,4 · Geschwindigkeit 86,9
0,045 $ pro 1.000 Entscheidungen (geschätzt)
Jev-Alternativen im Vergleich (Oktober 2026)
Benchmark Heaven misst 94 Jev-kompatible Modelle unabhängig auf JevBench; 61 Open-Weights-Systeme sind auf dem Open-Weights-Board gerankt. Jev 1.13.0 ist die ungerankte Referenz (77,1 Capability); API-Angebote werden auf dem API-Leaderboard gerankt. Der Capability Score ist der Mittelwert aus Intelligenz und Kalibrierung innerhalb der festgelegten Kosten- und Latenzgrenzen. Wrapper und subventionierte Angebote sind vom Ranking ausgenommen.
Daten: JevBench v1.6.1, veröffentlicht am 06.10.2026. Preisangaben sind je Zeile als gemessen, geschätzt oder selbst angegeben gekennzeichnet.
Die Top 15 nach Capability Score
| Rang | Modell | Capability | Intelligenz | Kalibrierung | Kosten pro 1.000 Entscheidungen | Latenz (p50) | Offene Gewichte |
|---|---|---|---|---|---|---|---|
| #1 | Quyet-1.0-Large (Chinh Nguyen, Gemma-4-31B decoder, option-letter logits) | 81,7 | 73,4 | 90,0 | 0,045 $ pro 1.000 Entscheidungen (geschätzt) | 0,4 s | Ja |
| #2 | deck-31B (krishna765, frozen Gemma-4-31B-it, TorchAO FP8 dynamic) | 77,6 | 73,0 | 82,2 | 0,048 $ pro 1.000 Entscheidungen (geschätzt) | 0,4 s | Unbekannt |
| #3 | torchcast-decision-12b (Torchcast AI, Gemma-4-12B fine-tune, option-letter logprob readout) | 71,7 | 60,5 | 82,9 | 0,028 $ pro 1.000 Entscheidungen (geschätzt) | 0,2 s | Ja |
| #4 | Jev-Omni (akhilaaa3, Gemma-4-12B merged) | 71,3 | 55,5 | 87,0 | 0,029 $ pro 1.000 Entscheidungen (geschätzt) | 0,5 s | Ja |
| #5 | Winnow-12B Q8 | 71,2 | 59,5 | 83,0 | 0,028 $ pro 1.000 Entscheidungen (geschätzt) | 0,4 s | Ja |
| #6 | Cygnet (blockbrain, frozen Gemma-4-12B-it) | 70,9 | 54,8 | 87,0 | 0,028 $ pro 1.000 Entscheidungen (geschätzt) | 0,2 s | Ja |
| #7 | Plumb-4B (crh225, JevK5 v0.2 + LoRA) | 65,4 | 43,0 | 87,9 | 0,017 $ pro 1.000 Entscheidungen (geschätzt) | 0,2 s | Unbekannt |
| #8 | decider-4b v2 (Mapika) | 64,9 | 40,1 | 89,6 | 0,015 $ pro 1.000 Entscheidungen (geschätzt) | 0,2 s | Ja |
| #9 | JevK5 v0.3 (4B) | 64,2 | 38,5 | 89,9 | 0,017 $ pro 1.000 Entscheidungen (geschätzt) | 0,2 s | Unbekannt |
| #10 | Clef-Flash (Cloudflare, Qwen3.5-9B post-train with a joint schema head, multimodal, measured on text) | 63,8 | 42,2 | 85,5 | 0,059 $ pro 1.000 Entscheidungen (geschätzt) | 0,4 s | Ja |
| #11 | deck-4B v1.0 (krishna765, JevK5 + LoRA, FP8 weight-only) | 63,6 | 38,6 | 88,6 | 0,017 $ pro 1.000 Entscheidungen (geschätzt) | 0,3 s | Unbekannt |
| #12 | JevK5 v0.2.0 | 62,8 | 36,3 | 89,4 | 0,017 $ pro 1.000 Entscheidungen (geschätzt) | 0,2 s | Ja |
| #13 | Hopper | 62,4 | 34,7 | 90,1 | 0,018 $ pro 1.000 Entscheidungen (geschätzt) | 0,3 s | Ja |
| #14 | Imajev-4B (RTX 5090) | 61,9 | 34,6 | 89,2 | 0,017 $ pro 1.000 Entscheidungen (geschätzt) | 0,3 s | Unbekannt |
| #15 | jqv (Qwen3-32B zero-shot) | 61,9 | 33,9 | 89,9 | 0,042 $ pro 1.000 Entscheidungen (geschätzt) | 0,3 s | Ja |
API-Angebote werden auf dem API-Leaderboard gerankt (Sage 1.3.0, wity-1, Fastino GLiNER-2.5-Decide): zum API-Leaderboard.
Open-Weight-Alternativen der Jev-Klasse
Gezeigt werden nur Messungen der aktuellen Version; Jev 1.13.0 ist die Referenzzeile. Zeilen außerhalb der Grenzen erhalten keinen Capability-Rang. Prüfen Sie vor dem Self-Hosting die Lizenz und das dokumentierte Setup.
| Rang | Modell | Capability | Intelligenz | Kalibrierung | Kosten pro 1.000 Entscheidungen | Latenz (p50) | Offene Gewichte |
|---|---|---|---|---|---|---|---|
| Referenz, nicht gerankt | Jev 1.13.0 (TypeSafe AI) | 77,1 | 63,6 | 90,6 | 0,032 $ pro 1.000 Entscheidungen (nicht veröffentlicht) | 0,2 s | Nein |
| #1 | Quyet-1.0-Large (Chinh Nguyen, Gemma-4-31B decoder, option-letter logits) | 81,7 | 73,4 | 90,0 | 0,045 $ pro 1.000 Entscheidungen (geschätzt) | 0,4 s | Ja |
| #3 | torchcast-decision-12b (Torchcast AI, Gemma-4-12B fine-tune, option-letter logprob readout) | 71,7 | 60,5 | 82,9 | 0,028 $ pro 1.000 Entscheidungen (geschätzt) | 0,2 s | Ja |
| #4 | Jev-Omni (akhilaaa3, Gemma-4-12B merged) | 71,3 | 55,5 | 87,0 | 0,029 $ pro 1.000 Entscheidungen (geschätzt) | 0,5 s | Ja |
| #5 | Winnow-12B Q8 | 71,2 | 59,5 | 83,0 | 0,028 $ pro 1.000 Entscheidungen (geschätzt) | 0,4 s | Ja |
| #6 | Cygnet (blockbrain, frozen Gemma-4-12B-it) | 70,9 | 54,8 | 87,0 | 0,028 $ pro 1.000 Entscheidungen (geschätzt) | 0,2 s | Ja |
| #8 | decider-4b v2 (Mapika) | 64,9 | 40,1 | 89,6 | 0,015 $ pro 1.000 Entscheidungen (geschätzt) | 0,2 s | Ja |
| #10 | Clef-Flash (Cloudflare, Qwen3.5-9B post-train with a joint schema head, multimodal, measured on text) | 63,8 | 42,2 | 85,5 | 0,059 $ pro 1.000 Entscheidungen (geschätzt) | 0,4 s | Ja |
| #12 | JevK5 v0.2.0 | 62,8 | 36,3 | 89,4 | 0,017 $ pro 1.000 Entscheidungen (geschätzt) | 0,2 s | Ja |
| #13 | Hopper | 62,4 | 34,7 | 90,1 | 0,018 $ pro 1.000 Entscheidungen (geschätzt) | 0,3 s | Ja |
| #15 | jqv (Qwen3-32B zero-shot) | 61,9 | 33,9 | 89,9 | 0,042 $ pro 1.000 Entscheidungen (geschätzt) | 0,3 s | Ja |
| #16 | metask-jev-4b | 61,8 | 39,2 | 84,4 | 0,026 $ pro 1.000 Entscheidungen (geschätzt) | 0,3 s | Ja |
| #17 | lev (Interfaze AI, Qwen3.5-4B + LoRA r32, label-token readout + candidate-path head, per-bucket temperatures) | 61,7 | 41,1 | 82,3 | 0,019 $ pro 1.000 Entscheidungen (geschätzt) | 0,4 s | Ja |
| #18 | Malkuth-4B (newfull5, Kev post-train) | 61,1 | 33,8 | 88,4 | 0,030 $ pro 1.000 Entscheidungen (geschätzt) | 0,3 s | Ja |
| #20 | Quyet-1.0-Medium (Chinh Nguyen, Qwen3.5-4B decoder, option-letter logits) | 59,2 | 41,7 | 76,8 | 0,017 $ pro 1.000 Entscheidungen (geschätzt) | 0,3 s | Ja |
| #21 | Manchego v2.1 | 58,3 | 32,5 | 84,0 | 0,015 $ pro 1.000 Entscheidungen (geschätzt) | 0,3 s | Ja |
| #22 | jev-local (Qwen3.5-9B) | 57,5 | 41,9 | 73,1 | 0,024 $ pro 1.000 Entscheidungen (geschätzt) | 0,9 s | Ja |
| #24 | JEV Qwen3.5-9B Base NVFP4 | 57,1 | 29,3 | 85,0 | 0,056 $ pro 1.000 Entscheidungen (geschätzt) | 0,2 s | Ja |
| #25 | typecastlm (Mikhail Gribov, Qwen3.5-4B computed head) | 56,5 | 29,8 | 83,3 | 0,016 $ pro 1.000 Entscheidungen (geschätzt) | 0,2 s | Ja |
| #26 | SemIf, formerly OpenJev (Qwen3.5-4B, TheoLeeCJ) | 55,4 | 27,1 | 83,6 | 0,017 $ pro 1.000 Entscheidungen (geschätzt) | 0,3 s | Ja |
| #27 | local-jev Qwen3.5-4B | 55,0 | 24,1 | 85,8 | 0,023 $ pro 1.000 Entscheidungen (geschätzt) | 0,4 s | Ja |
| #28 | Decision 2B (FlyMy.AI, v59) | 54,8 | 22,9 | 86,8 | 0,013 $ pro 1.000 Entscheidungen (geschätzt) | 0,3 s | Ja |
| #29 | spark-s1-4b-v6 (Open Spark Jev, abhishek085) | 54,0 | 43,2 | 64,8 | 0,021 $ pro 1.000 Entscheidungen (geschätzt) | 0,4 s | Ja |
| #31 | open-alternative-jev (Qwen3.5-4B, IkerMoel) | 49,1 | 22,3 | 75,9 | 0,017 $ pro 1.000 Entscheidungen (geschätzt) | 0,2 s | Ja |
| #32 | OpenSourceJev (Qwen3.5-4B Q4_K_M, native llama.cpp) | 48,6 | 23,2 | 73,9 | 0,011 $ pro 1.000 Entscheidungen (geschätzt) | 0,7 s | Ja |
| #33 | Malkuth-2B (newfull5, Kev post-train) | 47,6 | 15,9 | 79,3 | 0,014 $ pro 1.000 Entscheidungen (geschätzt) | 0,2 s | Ja |
| #34 | Nemotron Diffusion 8B (pst2154, optimized vLLM) | 47,5 | 20,4 | 74,5 | 0,030 $ pro 1.000 Entscheidungen (geschätzt) | 0,2 s | Ja |
| #36 | decider-2b (Mapika) | 44,6 | 20,7 | 68,5 | 0,015 $ pro 1.000 Entscheidungen (geschätzt) | 0,2 s | Ja |
| #38 | kev 4B (research preview) | 44,0 | 19,5 | 68,5 | 0,014 $ pro 1.000 Entscheidungen (geschätzt) | 0,3 s | Ja |
| #40 | lev-350m (Franck Verrot, LFM2.5-350M) | 43,3 | 4,8 | 81,9 | 0,0046 $ pro 1.000 Entscheidungen (geschätzt) | 0,2 s | Ja |
| #41 | Certo v1 (AltSlate Labs) | 43,2 | 0,2 | 86,1 | 0,0013 $ pro 1.000 Entscheidungen (geschätzt) | 0,2 s | Ja |
| #42 | smalljev semantic-v9 | 43,0 | 8,7 | 77,2 | 0,020 $ pro 1.000 Entscheidungen (geschätzt) | 0,3 s | Ja |
| #44 | Decision Fast (FlyMy.AI, v53a) | 40,6 | 6,1 | 75,1 | 0,0046 $ pro 1.000 Entscheidungen (geschätzt) | 0,3 s | Ja |
| #45 | openJev Verdict 1.4 | 40,4 | 5,0 | 75,7 | 0,0028 $ pro 1.000 Entscheidungen (geschätzt) | 0,7 s | Ja |
| #46 | Quyet-1.0-Small-EN (Chinh Nguyen, ModernBERT-base encoder with fixed heads) | 39,5 | 6,1 | 73,0 | 0,0023 $ pro 1.000 Entscheidungen (geschätzt) | 0,2 s | Ja |
| #48 | verdict-small (Manavarya09, multilingual-e5-small 118M) | 37,6 | 2,3 | 72,9 | 0,0009 $ pro 1.000 Entscheidungen (geschätzt) | 0,2 s | Ja |
| #49 | kev 0.6B (research preview) | 36,9 | 7,6 | 66,3 | 0,0046 $ pro 1.000 Entscheidungen (geschätzt) | 0,3 s | Ja |
| #52 | kev 0.5B | 32,9 | 4,6 | 61,2 | 0,0046 $ pro 1.000 Entscheidungen (geschätzt) | 0,2 s | Ja |
| #53 | Quyet-1.0-Small (Chinh Nguyen, SEA-LION-ModernBERT-300M encoder with fixed heads) | 32,5 | 4,0 | 61,0 | 0,0048 $ pro 1.000 Entscheidungen (geschätzt) | 0,2 s | Ja |
| #54 | Quyet-1.0-Tiny (Chinh Nguyen, mmBERT-small encoder (16 layers kept) with fixed heads) | 31,1 | 3,7 | 58,5 | 0,0024 $ pro 1.000 Entscheidungen (geschätzt) | 0,2 s | Ja |
| #55 | Open Jev JSON Canvas (JoshuaSP) | 30,6 | 61,2 | 0,0 | 0,049 $ pro 1.000 Entscheidungen (geschätzt) | 0,4 s | Ja |
| #56 | openJev Verdict (heman10x, ModernBERT-base 151M) | 26,6 | 4,1 | 49,1 | 0,0028 $ pro 1.000 Entscheidungen (geschätzt) | 0,7 s | Ja |
| #57 | CLM-8B (Contrastive-LM, clm-latest) | 20,1 | 0,1 | 40,0 | 0,045 $ pro 1.000 Entscheidungen (geschätzt) | 0,2 s | Ja |
| #58 | Deem 0.8B v1 | 18,1 | 6,5 | 29,6 | 0,0045 $ pro 1.000 Entscheidungen (geschätzt) | 0,5 s | Ja |
| #59 | Laya multilingual | 17,0 | 0,3 | 33,7 | 0,0039 $ pro 1.000 Entscheidungen (geschätzt) | 0,9 s | Ja |
| Nicht berücksichtigt | Bespoke Nimble 9B (Bespoke Labs) | 56,5 | 43,1 | 69,9 | 0,128 $ pro 1.000 Entscheidungen (geschätzt) | 0,4 s | Ja |
| Nicht berücksichtigt | Bev / Bonsai 27B | 66,1 | 43,8 | 88,5 | 0,247 $ pro 1.000 Entscheidungen (geschätzt) | 2,1 s | Ja |
| Nicht berücksichtigt | Clef (Cloudflare, Qwen3.8-27B post-train with a joint schema head, multimodal, measured on text) | 75,3 | 59,1 | 91,6 | 0,249 $ pro 1.000 Entscheidungen (geschätzt) | 0,6 s | Ja |
| Nicht berücksichtigt | decider-35b-a3b (Mapika) | 66,2 | 48,7 | 83,6 | 0,154 $ pro 1.000 Entscheidungen (geschätzt) | 0,2 s | Ja |
| Nicht berücksichtigt | JevOne | 68,9 | 46,0 | 91,8 | 0,101 $ pro 1.000 Entscheidungen (geschätzt) | 0,3 s | Ja |
| Nicht berücksichtigt | kev 8B (research preview) | 50,0 | 29,3 | 70,8 | 0,097 $ pro 1.000 Entscheidungen (geschätzt) | 0,3 s | Ja |
| Nicht berücksichtigt | Laya (Convai Innovations, ModernBERT-large 421M) | 32,5 | 1,8 | 63,2 | 0,0032 $ pro 1.000 Entscheidungen (geschätzt) | 1,8 s | Ja |
| Nicht berücksichtigt | Laya typed-decisions | 44,2 | 5,5 | 83,0 | 0,0038 $ pro 1.000 Entscheidungen (geschätzt) | 1,9 s | Ja |
| Nicht berücksichtigt | LitJev (Qwen3.8-27B) | 66,6 | 43,3 | 89,9 | 0,244 $ pro 1.000 Entscheidungen (geschätzt) | 3,1 s | Ja |
| Nicht berücksichtigt | Mirror | 25,8 | 0,0 | 51,6 | 0,0023 $ pro 1.000 Entscheidungen (geschätzt) | 1,5 s | Ja |
| Nicht berücksichtigt | Open-Jev 27B v1.1 (Zefan Cai, LoRA + decision head on Qwen3.8-27B) | 68,0 | 52,5 | 83,5 | 0,716 $ pro 1.000 Entscheidungen (geschätzt) | 1,7 s | Ja |
| Nicht berücksichtigt | Open-Jev 2B (Zefan Cai) | 47,7 | 21,8 | 73,6 | 0,170 $ pro 1.000 Entscheidungen (geschätzt) | 1,0 s | Ja |
| Nicht berücksichtigt | Open-Jev 9B (Zefan Cai) | 61,8 | 43,9 | 79,8 | 0,170 $ pro 1.000 Entscheidungen (geschätzt) | 1,4 s | Ja |
| Nicht berücksichtigt | open-jev-deberta-v3-large (local CPU) | 35,4 | 2,8 | 68,0 | 0,0056 $ pro 1.000 Entscheidungen (geschätzt) | 3,5 s | Ja |
| Nicht berücksichtigt | OpenJev (thinking, BF16) | 75,9 | 70,3 | 81,4 | 0,241 $ pro 1.000 Entscheidungen (geschätzt) | 1,9 s | Ja |
| Nicht berücksichtigt | Qwen3.5-0.8B Decision Model (Mourad Ghafiri) | 42,6 | 7,3 | 78,0 | 0,0048 $ pro 1.000 Entscheidungen (geschätzt) | 11,3 s | Ja |
| Nicht berücksichtigt | Qwen3.5-9B Jev-like data-mix v2 | 60,9 | 41,9 | 79,8 | 0,065 $ pro 1.000 Entscheidungen (geschätzt) | 0,5 s | Ja |
| Nicht berücksichtigt | reflex 4B (kshetrajna12) | 59,0 | 30,9 | 87,0 | 0,017 $ pro 1.000 Entscheidungen (geschätzt) | 2,9 s | Ja |
| Nicht berücksichtigt | SimpleJev (Qwen3.5-0.8B, CPU) | 31,6 | 13,0 | 50,2 | 0,0098 $ pro 1.000 Entscheidungen (geschätzt) | 8,8 s | Ja |
| Nicht berücksichtigt | Standard One 8B (Standard Thinking) | 58,4 | 32,8 | 84,0 | 0,078 $ pro 1.000 Entscheidungen (geschätzt) | 0,2 s | Ja |
| Nicht berücksichtigt | swanOne (blockbrain, Qwen3.8-Flash-Next NVFP4) | 72,4 | 56,2 | 88,6 | 0,085 $ pro 1.000 Entscheidungen (geschätzt) | 0,7 s | Ja |
| Nicht berücksichtigt | system-one (Qwen3-8B, Sean Goedecke) | 29,7 | 29,3 | 30,2 | 0,068 $ pro 1.000 Entscheidungen (geschätzt) | 0,2 s | Ja |
- Quyet-1.0-Large (Chinh Nguyen, Gemma-4-31B decoder, option-letter logits): apache-2.0 · evaluator-owned Lium GPU pod, 1x NVIDIA H100 80GB, weights fetched in a separate model-only container, scored run inside docker --network none (loopback only, no secrets, label-free inputs); pod destroyed afterwards; paid public fast-lane evaluation, 4 Oct 2026 (order 3643732b) · Veröffentlichter Code bzw. Gewichte
- torchcast-decision-12b (Torchcast AI, Gemma-4-12B fine-tune, option-letter logprob readout): cc-by-nc-4.0 · evaluator-owned Lium GPU pod, 1x NVIDIA H100 80GB, weights fetched in a separate model-only container, scored run inside docker --network none (loopback only, no secrets, label-free inputs); pod destroyed afterwards; paid public fast-lane evaluation, 4 Oct 2026 (order b113eac1) · Veröffentlichter Code bzw. Gewichte
- Jev-Omni (akhilaaa3, Gemma-4-12B merged): Apache-2.0, following Gemma 4; dataset rights stated separately by the author · evaluator-owned Lium GPU pod (RTX6000), offline read-only container · Veröffentlichter Code bzw. Gewichte
- Winnow-12B Q8: Apache-2.0, including the applicable Gemma 4 base/derivative licence terms · evaluator-owned Lium GPU pod (RTX6000), offline read-only container · Veröffentlichter Code bzw. Gewichte
- Cygnet (blockbrain, frozen Gemma-4-12B-it): shim MIT; weights Apache-2.0 with Google's Gemma Prohibited Use Policy · evaluator-owned Lium GPU pod (RTXPRO6000), offline read-only container · Veröffentlichter Code bzw. Gewichte
- decider-4b v2 (Mapika): Apache-2.0 (package and weights) · evaluator-owned Lium GPU pod (RTX5090), offline read-only container · Veröffentlichter Code bzw. Gewichte
- Clef-Flash (Cloudflare, Qwen3.5-9B post-train with a joint schema head, multimodal, measured on text): apache-2.0 · evaluator-owned Lium GPU pod (H100 80GB), offline (HF_HUB_OFFLINE/TRANSFORMERS_OFFLINE), credential-free, server bound to 127.0.0.1, harness on the same pod over loopback HTTP; Lium pod 08a1ff4a-248a-4ff2-948e-ea558f99e808 (huid cosmic-hawk-4f, node calm-fox-65), 1x NVIDIA H100 80GB HBM3, United States, USD 1.30/h · Veröffentlichter Code bzw. Gewichte
- JevK5 v0.2.0: Apache-2.0 (code/adapter); Apache-2.0 (Qwen3.5-4B base) · evaluator-owned Lium GPU pod (RTX5090), offline read-only container · Veröffentlichter Code bzw. Gewichte
- Hopper: Component-specific terms recorded in RESULT.md; submitted adapter release and Qwen base retain their respective terms · evaluator-owned Lium GPU pod (A6000), offline read-only container · Veröffentlichter Code bzw. Gewichte
- jqv (Qwen3-32B zero-shot): Apache-2.0 (Qwen3-32B weights); serving code public · evaluator-owned Lium GPU pod (H100), offline read-only container · Veröffentlichter Code bzw. Gewichte
- metask-jev-4b: Apache-2.0 · evaluator-owned Lium GPU pod (RTX5090), offline read-only container · Veröffentlichter Code bzw. Gewichte
- lev (Interfaze AI, Qwen3.5-4B + LoRA r32, label-token readout + candidate-path head, per-bucket temperatures): apache-2.0 · evaluator-owned Lium GPU pod (H100 80GB), offline (HF_HUB_OFFLINE/TRANSFORMERS_OFFLINE), credential-free, server bound to 127.0.0.1, harness on the same pod over loopback HTTP; Lium pod 08a1ff4a-248a-4ff2-948e-ea558f99e808 (huid cosmic-hawk-4f, node calm-fox-65), 1x NVIDIA H100 80GB HBM3, United States, USD 1.30/h · Veröffentlichter Code bzw. Gewichte
- Malkuth-4B (newfull5, Kev post-train): CC-BY-NC-4.0, research use only (XNLI and RACE in the training mix) · evaluator-owned Lium GPU pod (RTX5090), offline read-only container · Veröffentlichter Code bzw. Gewichte
- Quyet-1.0-Medium (Chinh Nguyen, Qwen3.5-4B decoder, option-letter logits): apache-2.0 · evaluator-owned Lium GPU pod, 1x NVIDIA H100 80GB, weights fetched in a separate model-only container, scored run inside docker --network none (loopback only, no secrets, label-free inputs); pod destroyed afterwards; paid public fast-lane evaluation, 4 Oct 2026 (order 3643732b) · Veröffentlichter Code bzw. Gewichte
- Manchego v2.1: Apache-2.0 (code and weights, author-declared) · evaluator-owned offline RTX6000 GPU · Veröffentlichter Code bzw. Gewichte
- jev-local (Qwen3.5-9B): no licence stated in the repository (public code); Apache-2.0 base weights · evaluator-owned Lium GPU pod (H100), offline read-only container · Veröffentlichter Code bzw. Gewichte
- JEV Qwen3.5-9B Base NVFP4: Apache-2.0 entrant and upstream checkpoint · evaluator-owned Lium GPU pod (RTX5090), offline read-only container · Veröffentlichter Code bzw. Gewichte
- typecastlm (Mikhail Gribov, Qwen3.5-4B computed head): Apache-2.0 (package and weights) · evaluator-owned Lium GPU pod (RTX5090), offline read-only container · Veröffentlichter Code bzw. Gewichte
- SemIf, formerly OpenJev (Qwen3.5-4B, TheoLeeCJ): MIT (code); Qwen3.5 weights Apache-2.0 · evaluator-owned Lium GPU pod (RTX5090), offline read-only container · Veröffentlichter Code bzw. Gewichte
- local-jev Qwen3.5-4B: MIT code; Apache-2.0 Qwen weights · evaluator-owned Lium GPU pod (A6000), offline read-only container · Veröffentlichter Code bzw. Gewichte
- Decision 2B (FlyMy.AI, v59): Apache-2.0 notices on the included code and the pinned base; the weights are an evaluation preview under EVALUATION-PERMISSION.md, not a cleared commercial release · evaluator-owned Lium GPU pod (RTX6000), offline read-only container · Veröffentlichter Code bzw. Gewichte
- spark-s1-4b-v6 (Open Spark Jev, abhishek085): Apache-2.0 (code and weights); base Qwen/Qwen3.5-4B Apache-2.0 · evaluator-owned Lium GPU pod (RTX6000), offline read-only container · Veröffentlichter Code bzw. Gewichte
- open-alternative-jev (Qwen3.5-4B, IkerMoel): Apache-2.0 (code and weights) · evaluator-owned Lium GPU pod (RTX5090), offline read-only container · Veröffentlichter Code bzw. Gewichte
- OpenSourceJev (Qwen3.5-4B Q4_K_M, native llama.cpp): MIT (repository code); Apache-2.0 (Qwen/Qwen3.5-4B base and unsloth/Qwen3.5-4B-GGUF Q4_K_M conversion) · evaluator-owned Lium GPU pod (A6000), offline read-only container · Veröffentlichter Code bzw. Gewichte
- Malkuth-2B (newfull5, Kev post-train): CC-BY-NC-4.0, research use only (XNLI and RACE in the training mix) · evaluator-owned Lium GPU pod (RTX5090), offline read-only container · Veröffentlichter Code bzw. Gewichte
- Nemotron Diffusion 8B (pst2154, optimized vLLM): MIT (application code); modified vLLM runtime Apache-2.0; nvidia/Nemotron-Labs-Diffusion-8B keeps its upstream licence · evaluator-owned Lium GPU pod (H100), offline read-only container · Veröffentlichter Code bzw. Gewichte
- decider-2b (Mapika): Apache-2.0 · evaluator-owned Lium GPU pod (H100), offline read-only container · Veröffentlichter Code bzw. Gewichte
- kev 4B (research preview): Apache-2.0 · evaluator-owned Lium GPU pod (A6000), offline read-only container · Veröffentlichter Code bzw. Gewichte
- lev-350m (Franck Verrot, LFM2.5-350M): Apache-2.0 (code); weights under LiquidAI's LFM1.0 licence, following the LFM2.5-350M base · evaluator-owned Lium GPU pod (RTX6000), offline read-only container · Veröffentlichter Code bzw. Gewichte
- Certo v1 (AltSlate Labs): MIT · evaluator-owned Lium GPU pod (A6000), offline read-only container · Veröffentlichter Code bzw. Gewichte
- smalljev semantic-v9: Apache-2.0 · evaluator-owned Lium GPU pod (A6000), offline read-only container · Veröffentlichter Code bzw. Gewichte
- Decision Fast (FlyMy.AI, v53a): Apache-2.0 notices on the included code and the pinned base; the weights are an evaluation preview under EVALUATION-PERMISSION.md, not a cleared commercial release · evaluator-owned Lium GPU pod (RTX6000), offline read-only container · Veröffentlichter Code bzw. Gewichte
- openJev Verdict 1.4: Apache-2.0 · evaluator-owned CPU container, offline read-only, pinned cores · Veröffentlichter Code bzw. Gewichte
- Quyet-1.0-Small-EN (Chinh Nguyen, ModernBERT-base encoder with fixed heads): apache-2.0 · evaluator-owned Lium GPU pod, 1x NVIDIA H100 80GB, weights fetched in a separate model-only container, scored run inside docker --network none (loopback only, no secrets, label-free inputs); pod destroyed afterwards; paid public fast-lane evaluation, 4 Oct 2026 (order 3643732b) · Veröffentlichter Code bzw. Gewichte
- verdict-small (Manavarya09, multilingual-e5-small 118M): Apache-2.0 (verdictml code and the Manav2op/verdict-small checkpoint over intfloat/multilingual-e5-small) · evaluator-owned CPU container, offline read-only, pinned cores · Veröffentlichter Code bzw. Gewichte
- kev 0.6B (research preview): Apache-2.0 · evaluator-owned Lium GPU pod (A6000), offline read-only container · Veröffentlichter Code bzw. Gewichte
- kev 0.5B: Apache-2.0 · evaluator-owned Lium GPU pod (A6000), offline read-only container · Veröffentlichter Code bzw. Gewichte
- Quyet-1.0-Small (Chinh Nguyen, SEA-LION-ModernBERT-300M encoder with fixed heads): apache-2.0 · evaluator-owned Lium GPU pod, 1x NVIDIA H100 80GB, weights fetched in a separate model-only container, scored run inside docker --network none (loopback only, no secrets, label-free inputs); pod destroyed afterwards; paid public fast-lane evaluation, 4 Oct 2026 (order 3643732b) · Veröffentlichter Code bzw. Gewichte
- Quyet-1.0-Tiny (Chinh Nguyen, mmBERT-small encoder (16 layers kept) with fixed heads): apache-2.0 · evaluator-owned Lium GPU pod, 1x NVIDIA H100 80GB, weights fetched in a separate model-only container, scored run inside docker --network none (loopback only, no secrets, label-free inputs); pod destroyed afterwards; paid public fast-lane evaluation, 4 Oct 2026 (order 3643732b) · Veröffentlichter Code bzw. Gewichte
- Open Jev JSON Canvas (JoshuaSP): MIT code; Apache-2.0 DiffusionGemma weights · evaluator-owned Lium GPU pod (H100), offline read-only container · Veröffentlichter Code bzw. Gewichte
- openJev Verdict (heman10x, ModernBERT-base 151M): Apache-2.0 · evaluator-owned CPU container, offline read-only, pinned cores · Veröffentlichter Code bzw. Gewichte
- CLM-8B (Contrastive-LM, clm-latest): Apache-2.0 (code and CLM-v0.1-8B head); Qwen3-8B encoder Apache-2.0 · evaluator-owned Lium GPU pod (RTXPRO6000), offline read-only container · Veröffentlichter Code bzw. Gewichte
- Deem 0.8B v1: Not independently recorded · evaluator-owned H100 GPU · Veröffentlichter Code bzw. Gewichte
- Laya multilingual: apache-2.0, not gated · evaluator-owned CPU, Sandy (AMD Ryzen 5 3600), 4 of 12 threads, nice -n 5, shared host, offline (HF_HUB_OFFLINE=1) · Veröffentlichter Code bzw. Gewichte
- Bespoke Nimble 9B (Bespoke Labs): Apache-2.0 (weights); repository without a licence file as of 19 Sep · evaluator-owned Lium GPU pod (A6000), offline read-only container · Veröffentlichter Code bzw. Gewichte
- Bev / Bonsai 27B: Not independently recorded · evaluator-owned H100 GPU · Veröffentlichter Code bzw. Gewichte
- Clef (Cloudflare, Qwen3.8-27B post-train with a joint schema head, multimodal, measured on text): apache-2.0 · evaluator-owned Lium GPU pod (H100 80GB), offline (HF_HUB_OFFLINE/TRANSFORMERS_OFFLINE), credential-free, server bound to 127.0.0.1, harness on the same pod over loopback HTTP; Lium pod 08a1ff4a-248a-4ff2-948e-ea558f99e808 (huid cosmic-hawk-4f, node calm-fox-65), 1x NVIDIA H100 80GB HBM3, United States, USD 1.30/h · Veröffentlichter Code bzw. Gewichte
- decider-35b-a3b (Mapika): Apache-2.0 · evaluator-owned Lium GPU pod (H100), offline read-only container · Veröffentlichter Code bzw. Gewichte
- JevOne: Component-specific JevOne/Qwen/SGLang terms recorded in RESULT.md · evaluator-owned Lium GPU pod (RTXPRO6000), offline read-only container · Veröffentlichter Code bzw. Gewichte
- kev 8B (research preview): Apache-2.0 · evaluator-owned Lium GPU pod (A6000), offline read-only container · Veröffentlichter Code bzw. Gewichte
- Laya (Convai Innovations, ModernBERT-large 421M): Apache-2.0 · evaluator-owned CPU container, offline read-only, pinned cores · Veröffentlichter Code bzw. Gewichte
- Laya typed-decisions: apache-2.0, not gated · evaluator-owned CPU, Sandy (AMD Ryzen 5 3600), 4 of 12 threads, nice -n 5, shared host, offline (HF_HUB_OFFLINE=1) · Veröffentlichter Code bzw. Gewichte
- LitJev (Qwen3.8-27B): Apache-2.0 (code); Apache-2.0 base weights · evaluator-owned Lium GPU pod (H100), offline read-only container · Veröffentlichter Code bzw. Gewichte
- Mirror: Apache-2.0 wrapper and Mirror release; upstream DeBERTa/model assets retain their own terms · evaluator-owned CPU container, offline read-only, pinned cores · Veröffentlichter Code bzw. Gewichte
- Open-Jev 27B v1.1 (Zefan Cai, LoRA + decision head on Qwen3.8-27B): Apache-2.0 · Self-hosted author loader, Transformers reference path on RTX PRO 6000 Blackwell; speed is a LOWER BOUND: flash-linear-attention and causal-conv1d kernels were not installed. The author documents the kernel path as answer-identical. Each candidate is encoded independently, producing high input-token usage. · Veröffentlichter Code bzw. Gewichte
- Open-Jev 2B (Zefan Cai): MIT (loader); Apache-2.0 (adapter and pinned Qwen base); CC0-1.0 public training projection · evaluator-owned Lium GPU pod (H100), offline read-only container · Veröffentlichter Code bzw. Gewichte
- Open-Jev 9B (Zefan Cai): MIT (loader); Apache-2.0 (adapter and pinned Qwen base); CC0-1.0 public training projection · evaluator-owned Lium GPU pod (H100), offline read-only container · Veröffentlichter Code bzw. Gewichte
- open-jev-deberta-v3-large (local CPU): Apache-2.0 (model card); DeBERTa-v3 keeps its own terms · evaluator-owned CPU container, offline read-only, pinned cores · Veröffentlichter Code bzw. Gewichte
- OpenJev (thinking, BF16): Apache-2.0 · evaluator-owned Lium GPU pod (H100), offline read-only container · Veröffentlichter Code bzw. Gewichte
- Qwen3.5-0.8B Decision Model (Mourad Ghafiri): MIT code and training data; Apache-2.0 model weights · evaluator-owned CPU container, offline read-only, pinned cores · Veröffentlichter Code bzw. Gewichte
- Qwen3.5-9B Jev-like data-mix v2: Apache-2.0 (adapter code and weights; Qwen3.5-9B base is Apache-2.0) · evaluator-owned Lium GPU pod (A6000), offline read-only container · Veröffentlichter Code bzw. Gewichte
- reflex 4B (kshetrajna12): MIT (code, adapter); Apache-2.0 (base) · evaluator-owned Lium GPU pod (H100), offline read-only container · Veröffentlichter Code bzw. Gewichte
- SimpleJev (Qwen3.5-0.8B, CPU): Apache-2.0 server; Apache-2.0 Qwen3.5-0.8B checkpoint · evaluator-owned CPU container, offline read-only, pinned cores · Veröffentlichter Code bzw. Gewichte
- Standard One 8B (Standard Thinking): Apache-2.0 (jev-adapter server, LoRA and merged weights; base Ministral 3 8B Apache-2.0) · evaluator-owned Lium GPU pod (RTX5090), offline read-only container · Veröffentlichter Code bzw. Gewichte
- swanOne (blockbrain, Qwen3.8-Flash-Next NVFP4): patches Apache-2.0, shim MIT; weights under the Qwen licence (LICENSE-NOTICE.md) · evaluator-owned Lium GPU pod (RTXPRO6000), offline read-only container · Veröffentlichter Code bzw. Gewichte
- system-one (Qwen3-8B, Sean Goedecke): no licence file in the repository as of 19 Sep; Qwen3 weights Apache-2.0 · evaluator-owned Lium GPU pod (RTX5090), offline read-only container · Veröffentlichter Code bzw. Gewichte
Schnellste (Achse Geschwindigkeit)
Quyet-1.0-Tiny (Chinh Nguyen, mmBERT-small encoder (16 layers kept) with fixed heads)
Intelligenz 3,7 · Geschwindigkeit 95,1
0,0024 $ pro 1.000 Entscheidungen (geschätzt)
Günstigste pro Entscheidung
verdict-small (Manavarya09, multilingual-e5-small 118M)
Intelligenz 2,3 · Geschwindigkeit 89,5
0,0009 $ pro 1.000 Entscheidungen (geschätzt)
Worauf sollten Sie bei einer Jev-Alternative achten?
- Lizenz: Code, Adapter und Gewichte können unterschiedlichen Bedingungen unterliegen. Entscheidend ist die Lizenz in der veröffentlichten Zeile, nicht der Modellname.
- Hardware: Die Messwerte gelten für das dokumentierte Setup. Auf anderer Hardware oder mit anderer Quantisierung können Qualität und Tempo abweichen.
- Latenz: Wir weisen den Median (p50) unter den Benchmark-Bedingungen aus. Prüfen Sie die Latenz mit Ihrer eigenen Last und Netzanbindung.
- Kosten pro 1.000 Entscheidungen: Der Preis ist als gemessen, geschätzt oder selbst angegeben gekennzeichnet. Selbst angegebene Preise haben wir nicht überprüft.
- Datenschutz und Self-Hosting in der EU: Open-Weight-Modelle lassen sich grundsätzlich auf eigener Infrastruktur oder bei einem Anbieter mit Standort in der EU betreiben, sodass Daten nicht an einen Drittanbieter außerhalb der EU gesendet werden müssen. Ob ein konkreter Einsatz den Datenschutzanforderungen genügt, hängt von Ihrem Fall ab und ist keine Aussage dieser Seite; holen Sie dazu bei Bedarf fachkundigen Rat ein.
Häufige Fragen
- Was vergleicht JevBench?
- JevBench v1.6.1 misst Jev-kompatible Entscheidungsmodelle auf vier Achsen: Intelligenz, Kalibrierung, Geschwindigkeit und Kosten. Der Capability Score ist der Mittelwert aus Intelligenz und Kalibrierung, aber nur innerhalb der festgelegten Kosten- und Latenzgrenzen (Median). Der Composite-Wert ist nachrangig.
- Welche Open-Weight-Alternative zu Jev erreicht den höchsten Wert?
- Quyet-1.0-Large (Chinh Nguyen, Gemma-4-31B decoder, option-letter logits) hat unter den Open-Weight-Modellen der Jev-Klasse den höchsten berücksichtigten Capability Score: 81,7, Rang 1 auf dem Open-Weights-Board. Der Wert stammt aus der aktuellen Messung und gilt nur für die dort dokumentierten Bedingungen.
- Was gilt hier als Open-Weight- bzw. Open-Source-Alternative?
- Die veröffentlichte Zeile muss öffentlichen Code oder öffentliche Gewichte, eine Lizenz und einen Quellenlink enthalten. Fehlen Belege, bleibt die Einstufung „unbekannt“. Die Bedingungen können sich für Code, Adapter und Gewichte unterscheiden; lesen Sie die Lizenz vor dem Einsatz.
- Sind Preise und Latenz direkt gemessen?
- Jede Zeile kennzeichnet den Preis als gemessen, geschätzt oder selbst angegeben. Die Latenz stammt aus den veröffentlichten Benchmark-Bedingungen und kann eine offengelegte Anpassung enthalten. Für eine andere Last oder Hardware sind beide Werte keine Zusage.