Jev终于有开源替代品了，而且不是套壳的那种。 Bespoke Nimble这个…

Jev终于有开源替代品了，而且不是套壳的那种。 Bespoke Nimble这个项目做到了开放数据+开放配方+开放权重的Open Jev，核心思路挺有意思的。 它用对比式数据策展，只改一个关键事实生成负样本，逼模型学会判别。校准是隐式的，不需要额外的校准步骤。全合成数据覆盖10个品类，训练和评测已经拆开了。 模型方面用的是Qwen3.5-9B LoRA，不蒸馏Jev，Jev只用来打分。还没上RL，但效果已经不错了。自建评测显示Qwen 66% → Nimble 90%，Jev 93%。 推理速度方面，H100约100ms，MacBook也能本地跑。并行约束解码，不生成长文，直接读候选token概率，效率很高。 我昨天用它跑了几个品类的测试，判别准确率确实比裸Qwen高不少。特别是那些需要精确判断的场景，比如事实核查、信息筛选，Nimble的表现很稳定。 项目地址：github.com/bespokelabsai/… 模型地址：huggingface.co/bespokelabs/Be… 注意：没有统一基准，出了这10个域可能掉点。但方向很清楚，System One决策模型，开源这条路能走通。