Jev 与 Jev-Omni：文本与多模态判断

不是。akhilaaa3/Jev-Omni 模型卡介绍的是基于 Gemma 4 12B IT 的独立开放 12B 分类模型。作者声明它与 TypeSafe AI 无关联，也没有用 Jev 输出训练。本站通过 OpenRouter 使用 TypeSafe 的托管 Jev，并未运行 Jev-Omni。

Jev-Omni 模型卡说明它支持文本、图像、音频或视频输入，并返回选项概率。本站工作台接收文本或 JSON 状态，不接收媒体文件；用文字描述图像不会让 Jev 直接读取其像素。若判断依赖视觉或音频证据，应使用真正的多模态模型测试原始输入。

模型卡的快速入门要求 CUDA GPU，并估计 FP32 权重在运行开销前约占 50 GB；请再核对当前文件及量化版本是否适合你的硬件。托管 Jev API 无需自行运行该模型，但请求数据会发送给服务提供方。应依据数据政策、输入类型、延迟和总运行成本选择。

Jev-Omni 的公开分数来自其模型卡，涉及特定数据集、题量和评测规则；不能据此保证它在你的案例上优于或等同于托管 Jev。部署前请固定一组有代表性的测试案例，比较你关心的错误与概率校准，并核验媒体预处理流程。