这是什么
一个可在 Apple Silicon 上运行的小型 Python 项目，用于学习视觉语言模型推理。它使用 Qwen3.5-0.8B 和 MLX 对同一张图片回答多个问题，并提供本地浏览器 UI、CLI 和 HTTP API。
它怎么用 Jev
它探索一种类似 Jev 的推理模式：复用共享的多模态上下文，分叉缓存，批量处理问题后缀，并直接从模型 logits 评分候选输出，而非自回归结构化生成。候选概率是相对于所提供选项的，不是正确性估计，也不是 Jev 的校准。
用到的原语:choicescore
值得抄的做法
复用共享多模态上下文，并直接从 logits 评分候选输出，而非自回归生成。
怎么试
安装 uv，创建 Python 3.13 venv，安装依赖，运行 jev-visual-download，然后在 127.0.0.1:8788 启动 uvicorn。
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0.68
- 有 System One 用法是0.76
- 处理了不确定性否0.04
- 有实测数据否0.06
- 可直接跑是0.73
- 值得推荐否0.33
- 是模型的复刻是0.87
- 问题普遍性按 0–2 打分0.15
- 与 Jev 相关是0.76
信号由 Jev jev-1.13.0 判定，简介由 DeepSeek V4.1 Flash 于 2026年9月20日 读 README 写成。