同成本实测：Jev MMLU-Pro 82.9% 大幅领先通用模型 58.8%
simonguozirui · x · 2026-09-18
开发者 ekzhang1 做了一组同性能同成本下的对比实验：用 Qwen3.6-35B-A3B（非推理模式）搭建了 Jev 兼容的公开 API，仅靠 SGLang 的 radix cache 保留 prefill 复用，实现极快的并行 generation——64 个任务不到 1 秒完成。
对比结果：MMLU-Pro 上 Jev 82.9% vs OpenJev 58.8%，Jev 明显更聪明；BoolQ 校准测试显示 Jev 略偏过度自信，OpenJev 偏保守。结论是校准都还可接受，但 Jev 能力占优。
所属事件:神秘判定模型 Jev 引发热议，多轮实测结果出炉(6 条相关)→
「模型」频道最新
- AWS 开源 Strands Harness 宣称比 Claude Code 便宜 45%，搅动 harness 之争 — blaizedsouza · 2026-11-02
- Yacine 赞誉 Terra High:一条推文引爆的新模型口碑 — yacineMTB · 2026-11-02
- 单卡 H200 跑 DeepSeek V4.1,时租仅 5.3 美元 — daluoseo · 2026-11-02
- 曝 Fable 5.5 最新 checkpoint 视频流出，纯代码生成 — kimmonismus · 2026-11-02
- 用户实测 Claude Opus 5.5 行为异常，引出持续学习难题 — JeremyNguyenPhD · 2026-11-02
- Reddit 热帖追问:为何主流 AI 模型集体忽略冰岛女性罢工 — Mathemodel · 2026-11-02