这是什么
TinyJev 是一个 596M 参数的模型，能回答关于文本的类型化问题并返回校准概率，在 MLX 或 PyTorch 上离线运行。它面向需要在不生成文本的情况下进行分诊、筛查或路由的开发者。
它怎么用 Jev
Jev 通过对你提供的选项进行评分来做出决策。你发送状态（工单、JSON 记录或日志行）以及类型为 Choice、Score 或 Noul 的问题。它在一次前向传播中为每个选项返回概率。在代码中，你根据这些概率设定阈值来自动化或升级。
用到的原语:choicescorenoul
值得抄的做法
通过单次前向传播获得校准置信度，实现基于阈值的自动化。
怎么试
pip install 'tinyjev[mlx]' 然后 python examples/triage.py
证据
每一行都是就 README 问 Jev 的一道题。≥ 0.60 算「是」，≤ 0.40 算「否」，中间这一段 Jev 不下判断。
- Jev 是主角是0.97
- 有 System One 用法是0.62
- 处理了不确定性是0.88
- 有实测数据否0.11
- 可直接跑是0.88
- 值得推荐未判定0.41
- 是模型的复刻是0.96
- 问题普遍性按 0–2 打分1.48
- 与 Jev 相关是0.79
信号由 Jev jev-1.13.0 判定，简介由 DeepSeek V4.1 Flash 于 2026年9月23日 读 README 写成。