JevBench 基准发布：Jev 1.13 险守榜首，开源紧咬

9 月 19 日，airesearch12 发布 JevBench v1，一个针对「Jev 类」类型化决策模型的公开基准：模型接收应用状态与受限评分规则，输出带概率的类型化答案，无开放式散文输出。首测覆盖 242 项决策、六个任务族、九个模型，沿五个维度打分（如 smart 即准确率等），准确率最高达 97.1%。截至 9 月 20 日的 v1.2 排行榜上，Jev 1.13 以 75.3 分继续居首，但开源 4B 模型 SemIf 得 74.6 分紧咬，领先优势已很小。

已确认

• 9 月 20 日，rohanpaulai 介绍 JevBench 综合评分纳入智能、校准、速度与成本四项，理由是部署时这些维度同样关键；并指出其配套 TypeSafe 于 9 月 15 日发布的 Jev：输入应用状态与固定选项，返回带概率的类型化答案。
• JevBench v1.2 排行榜更新：Jev 1.13 以 75.3 分居首，开源 4B 模型 SemIf 得 74.6 分，另一开源模型 open-alternative-jev 得 69.8 分。
• v1.2 榜单已上线 Benchmark Heaven（airesearch12、rohanpaulai 均确认），专门为「Jev-class」高性价比、面向决策/任务执行的模型排名，支持按综合分、编码、智能体工具使用、科学、长上下文等维度排序，并可切换输入/输出价格权重；rohanpaulai 补充站点还提供托管地区（EU/US/中国）、数据保密政策等筛选条件。airesearch12 另指出该站点是模型评测聚合平台，并发布了 Jev 与 GLiNER2 的详细对比实测。
• 起因上，airesearch12 于 9 月 19 日提到有开发者宣布正在构建首个「Jev benchmark」，用于系统对比官方 Jev 与近期涌现的开源仿制项目，并作为 benchmarkheaven 项目的一部分——该工作随后以 JevBench 落地。

尚未确认

• airesearch12 转发 m3 时仅称 Jev 仍居榜首但领先优势已很小，未给出具体分数，与 v1.2 数据吻合但属早期不完整信息。

为什么重要

• JevBench 把「有界软件决策」类模型输出从开放式文本评测中剥离，同时量化智能、校准、速度与成本，为部署决策提供更贴近实际的参考；开源模型与官方 Jev 分差不足 1 分，显示该赛道竞争高度胶着，开源替代方案正快速逼近。

2026-09-19 ~ 2026-09-20 · 8 条相关

事件全程(共 19 集)→

• 第 1 集:TypeSafe 结束隐身发布决策模型 Jev 与新训练法 RLCD(2026-09-16,86 条)
• 第 2 集:TypeSafe AI 发布专用评估模型 Jev，实测速度与成本优势显著(2026-09-16,8 条)
• 第 3 集:Vercel fx 安全审查将换用 Jev 快 18 倍(2026-09-17,3 条)
• 第 4 集:OpenJev 开源：单张 3090 本地复刻 Jev 服务(2026-09-17,3 条)
• 第 5 集:TypeSafe AI 发布决策模型 Jev：不生成文本、只输出结构化决策(2026-09-17,73 条)
• 第 6 集:神秘判定模型 Jev 引发热议，多轮实测结果出炉(2026-09-18,6 条)
• 第 7 集:TypeSafe AI 的 Jev 模型与 RLCD 训练法引热议(2026-09-18,3 条)
• 第 8 集:LangChain 发文教用 Jev 构建 Agent Harness(2026-09-18,7 条)
• 第 9 集:Jev 生态一夜爆发,GitHub 热门项目激增(2026-09-18,4 条)
• 第 10 集:新模型 Jev 走红：只做决策不对话，快又便宜(2026-09-18,33 条)
• 第 11 集:TypeSafe Jev 决策模型爆红：突破、质疑与复制之争(2026-09-18,7 条)
• 第 12 集:Jev 补上通用分类器空缺，成本低约百倍(2026-09-19,2 条)
• 第 13 集:开发者看好 Jev 作 LLM 路由器而非主力模型(2026-09-19,2 条)
• 第 14 集:开发者实测：Jev 成批量打标签任务性价比之王(2026-09-19,2 条)
• 第 15 集:JevBench 基准发布：Jev 1.13 险守榜首，开源紧咬(2026-09-19,8 条)
• 第 16 集:决策模型 Jev 爆火：创 Vercel 网关最快采用纪录(2026-09-19,14 条)
• 第 17 集:omarsar0 实测 Jev：给 Agent 装上低成本验证器(2026-09-19,10 条)
• 第 18 集:开发者实测16模型校准：Jev又快又诚实但准确率仅第10(2026-09-19,8 条)
• 第 19 集:开发者实测 Jev 分类模型：50 单全对，成本极低(2026-09-19,4 条)

• 开发者着手构建首个 Jev 开源复刻项目对比基准 — airesearch12 · 2026-09-19
• 【源头】JevBench 首测:242 项决策对比九个模型,准确率最高 97.1% — airesearch12 · 2026-09-19
• JevBench v1.2 发布：Jev 1.13 以 75.3 分险守榜首 — airesearch12 · 2026-09-19
• 【源头】第三方榜单 JevBench v1.2 上线,聚焦性价比导向的决策模型排名 — airesearch12 · 2026-09-20
• JevBench 榜单出炉：Jev 仍居榜首但优势缩小 — airesearch12 · 2026-09-20
• 新基准 JevBench：综合智能、校准、速度与成本评模型 — rohanpaul_ai · 2026-09-20
• 【源头】JevBench v1.2 上线 Benchmark Heaven：Jev 类决策模型排行 — rohanpaul_ai · 2026-09-20
• Benchmark Heaven 上线 Jev 级模型评测,Jev 对比 GLiNER2 实测出炉 — airesearch12 · 2026-09-20