Jeder spricht über Jev. Jev das, Jev jenes. Auf Twitter ist von Jev die Rede, wie es die nächste Grenze für große Sprachmodelle und das KI-Paradigma darstellt. Ein Entwickler namens Duarte O.Carmo beschloss daher zu fragen: was genau ist Jev? Seine Antwort kommt in Form eines satirischen Blog-Posts mit dem Titel „Jev in 25 Zeilen Python.“
Der Post lädt ein Sprachmodell, füttert es mit einer Aufforderung und bittet es, eine Wahl zu treffen. Das ist alles. Das ganze Ding.
Modellaufbau
Der Code verwendet die Llama-Bibliothek und ein GGUF-Modell von Qwen, speziell das Qwen3-0.6B-Modell. Duarte lädt das Modell mit einigen Parametern: Kontextlänge auf 512 eingestellt, alle Logits aktiviert und keine ausführliche Ausgabe.
Aufforderungskonstruktion
Die Aufforderung bittet das Modell, eine von drei Optionen auszuwählen. Die Beispiel-E-Mail ist eine generische Warnung über eine Gehalts-Anmeldeseite, aber das Modell sieht sie nicht direkt – die Aufforderung wird aus dem Text und den Wahlmöglichkeiten konstruiert.
Wahl-Ausgabe
Das Modell berechnet Logits für jedes Label, wandelt sie in Wahrscheinlichkeiten um und ordnet die Optionen ein. Das Ergebnis: eine Option, die wahrscheinlich erscheint, eine, die mittel erscheint, und eine, die unwahrscheinlich erscheint.
Urteil
Duartes Punkt ist direkt. Das Modell klassifiziert. Es ist schnell. Es ist lokal. Sie senden Ihre Daten nirgendwohin.
„Ja, wir wissen.“
Was Jev nicht ist
Duartes Liste der Ausfälle ist genauso aussagekräftig wie der Code selbst. Er bezeichnet das Modell nicht als System One-Entscheidungsmodell. Er spricht nicht von einer API. Er erstellt auch keine synthetischen Daten. Und er trainiert kein Modell mit Reinforcement Learning for Calibrated Decisions (RLCD).
Der Beitrag ist eine Parodie, und der Autor scheint Freude daran zu haben, den Punkt durch den Code zu vermitteln, anstatt ihn offen zu sagen.
Vergleichstabelle
| Funktion | Jev in 25 Zeilen Python |
|---|---|
| Modelltyp | Vorhandenes Sprachmodell wie Llama |
| Training | Nicht gezeigt |
| Kalibrierung | Nicht beansprucht |
| API | Niemand erreicht (None called) |
| Daten gesendet (Data Sent) | Keiner (None) |
Open-Source-Aspekt (Open Source Angle)
Duartes Projekt ist Teil von NobodyWho, einem Open-Source-Projekt. Er bittet Leser, auf Github einen Stern zu hinterlassen, um die Arbeit zu unterstützen. Er verweist zudem auf mehrere andere Open-Source-Implementierungen von Jev, darunter OpenJev und eine Version auf DiffusionGemma.
Urteil über Jev (Verdict on Jev)
Die Parodie ist wirksam, weil sie der Wahrheit so nahe kommt. Ein Sprachmodell kann Wahrscheinlichkeiten für Entscheidungen berechnen und kann dies in wenigen Zeilen Code tun. Aber Jev ist ein spezifisches System mit einer spezifischen Historie, und es ist nicht einfach nur ein Modell, das zufällig Wahrscheinlichkeiten ausgibt.
Der Beitrag behauptet nicht, dass Jev nutzlos ist. Er behauptet, dass die Begeisterung darum übertrieben ist. Es ist ein enger Punkt, der aber mit Witz und einem kurzen Skript vermittelt wird.
„Jev in 25 Zeilen Python“ ist eine unterhaltsame und prägnante Lektüre. Es ist eine Erinnerung daran, dass die Werkzeuge, die wir verwenden, oft einfacher sind als die Geschichten, die wir über sie erzählen. Das Modell leistet die Arbeit. Der Code leistet die Arbeit. Die Wahrscheinlichkeiten sind vorhanden. Der kalibrierte Teil wird nicht beansprucht.
Quellenmaterial: „Jev in 25 Zeilen Python“, nobodywho.ai (“Jev in 25 Lines of Python,” nobodywho.ai).
Das Notizbuch abonnieren.
Die besten Geschichten des Tages und jedes neue Urteil, in klarem Deutsch, um sieben im Postfach. Eine Mail am Tag, nicht mehr.