Jev 替代品
djev
扩散路线——也是这份清单里证据最薄的一个
一句话结论
djev 值得关注，但不值得盲信采用。它是扩散一派的代表——把 DiffusionGemma 26B-A4B 当作画布来读，而不是逐 token 解码——也是被引用为"能接受图像 state"的两条路线之一。它公布的 JevBench 分数在没有任何新测量的情况下从某一榜的 74.3 掉到后来的 52.23，而且和 Jev 之间根本不存在干净的 head-to-head。
djev 属于最小也最有意思的一派：它既不读 logits，也不训练编码器，而是把扩散语言模型当作画布，把答案位置留空再一次性填好。它自己不发布权重，基准分数又在不同榜单版本之间大幅漂移。所以这是一个讲"方向值得关注、证据还很薄"的页面，而不是推荐页。
Fill answers with diffusion
Leave the answer slots blank and fill them all at once, the way a diffusion model completes an image, instead of decoding token by token.
搜索别名
关键规格
- Licence
- 仓库标注 Apache-2.0
- Author
- Maisa
- Backbone
- DiffusionGemma 26B-A4B，按画布读取
- Size
- 项目自身不发布权重
- Latency
- 旧量化配置下 p50 为 76.87ms
- Wire format
- 见仓库
- Install
- 见仓库
djev 与 JevBench 榜单问题
这是本页最重要的一条前提。JevBench 曾在没有任何新测量的情况下对同一批系统重新打分两次，而且幅度极大——这正是同一个项目在不同文章里会被写成第三名或第八名的原因。
| djev 与 JevBench 榜单问题 | djev | Jev |
|---|---|---|
| JevBench，最早榜单 | 74.3 —— 第三名 | 75.3 —— 第一名 |
| JevBench v1.3.0 | 73.0 —— 第三名 | 74.4 —— 第一名 |
| JevBench v1.4.2 | 52.23 —— 第八名 | 63.29 —— 第二名 |
| 与 Jev 的干净 head-to-head | 没有任何公开结果 | — |
| 技术路线 | 扩散：一次填满所有答案槽 | 单次前向、非生成式 |
什么时候可以考虑 djev
当决策依赖图像时，或者当你在研究"基于扩散的决策模型"而不是要落地一个时，可以考虑它。这一派与读 logits 的人群确实不同：OpenJev 与 LocalJev 都建立在这条路线上，而 LocalJev 的 README 非常清楚地写明它自己的桥接版本"线兼容但数学上不等价"。如果你今天就需要能看图像的类型化决策，请准备好自己做评测。
什么时候该放弃它
不要因为某篇博客说它在 JevBench 上排第三就选 djev。那是最早的三个榜之一；当前榜单把它排在 52.23，而"密封准确率"那一列——衡量未公开题目表现的部分——才是整个品类集体塌方的地方。此外，djev 与 Jev 之间没有任何在受控输入下的公开对比，所以关于它相对水平的任何说法都是推断，不是测量。
负责任地评估 djev
扩散路线检查表
-----------------------
[ ] 模型：DiffusionGemma 26B-A4B（djev 不发布权重）
[ ] 推理后端是否暴露结构化读取原语：
- 带种子的扩散画布
- 只读去噪
- 选定 token 的 logits / logprobs
没有这些，概率就是模型通过 OpenAI 兼容端点
"自报"的——线兼容，但数学上不等价。
[ ] 记录任何分数来自哪个 JevBench 版本。
74.3（最早榜）-> 73.0（v1.3.0）-> 52.23（v1.4.2）
[ ] 在自己的标注决策上对比；如果你是为了图像来的，
记得把图像也放进测试集。关于 djev 的常见问题
djev 的分数为什么从 74.3 掉到 52.23？
不是因为模型变了。JevBench 在新规则下对同一批系统重新打分——某个版本引入机会校正后的智力分与接近随机惩罚，更晚的版本引入密封决策集与调和平均——而且没有做任何新测量。整体漂移极其剧烈：一个项目从 67.0 掉到 40.6，另一个从 62.4 掉到 27.4。任何数字都要说明它来自哪个榜。
djev 发布权重吗？
不发布。项目提供的是方法而不是 checkpoint——它把 DiffusionGemma 26B-A4B 当作画布来读。这意味着结果高度依赖推理后端：你需要带种子的扩散画布、只读去噪与选定 token 的 logits，否则最后得到的就是一个自报概率的聊天端点。
djev 能处理图像吗？
它是被描述为"接受图像 state"的两条路线之一，而且各来源对哪条是主力说法不一——一篇流传较广的对比把 razorback16 的 OpenJev 说成唯一能对图像作答的项目，另一些文章则指向 djev。请把图像能力当作"有希望但未验证"，如果这是你来的理由，就自己测。
什么是"密封准确率"，为什么它重要？
它衡量的是系统被打分时尚未公开的决策上的表现，是防止基准污染的唯一防线。在当前榜单上，最好的公开准确率在八成区间，而密封准确率落在三成左右——Jev 自己也是。这个落差是整个生态里最诚实的一个数字，也是我们把这里所有对比表都称为"假设"的原因。
来源
本页所有对比数字均为第三方公开口径或对公开仓库的阅读，不是本站实测。我们没有对 TypeSafe Jev 本体做过实测，且其主客户协议禁止利用其输出开发同类产品。