JEV-VERGLEICH · JEVBENCH V1.3.0 · AKTUALISIERT AM 22. SEPTEMBER 2026
Jev und djev im Vergleich
Die schnellste Entscheidungs-API im Vergleich zum am besten kalibrierten Modell.
Jev ist auf verlässliche Wahrscheinlichkeiten und schwierige Entscheidungen ausgelegt. djev setzt auf Geschwindigkeit und native multimodale Eingaben.
Auf dieser Website
Jev 1.13.0
TypeSafe · System-One-Modell
Führt den Benchmark bei kalibrierten Wahrscheinlichkeiten und schwierigen Fällen an.
Alternative
djev
Maisa · DiffusionGemma-Entscheidungs-API
Das schnellste Modell im Vergleich – und dasjenige, das Bilder versteht.
Der Benchmark
JevBench v1.3.0 – einheitlich gemessen
Ein Benchmark hat alle 52 Systeme nach derselben Methode getestet. Die Balken lassen sich daher direkt miteinander vergleichen – anders als herstellerseitig veröffentlichte Werte.
Gesamtpunktzahl
Höher ist besser
JevBench v1.3.0
Die ersten drei liegen höchstens 1,4 Punkte auseinander; danach fällt das Feld deutlich ab. Die Gesamtpunktzahl verdeckt die tatsächlichen Unterschiede, deshalb schlüsseln die folgenden Diagramme sie auf.
Genauigkeit nach Schwierigkeitsgrad
Hier gehen die Entscheidungen auseinander
Einfach
72 unkomplizierte Fälle
Standard
96 alltägliche Fälle
Bewertung
146 Aufrufe im Evaluierungsstil
SchwierigSchwierig
220 tatsächlich mehrdeutige Fälle
Bei einfachen und mittleren Entscheidungen gibt es kaum Unterschiede. Erst bei den hervorgehobenen schwierigen Fällen weichen die Systeme deutlich voneinander ab.
Was die Gesamtpunktzahl auslässt
The composite also weighs a fourth axis: cost, scored from each system's public list price. Jev places last on that axis, while djev is currently free during preview.
Jev-Preise ansehenAlle Systeme im Vergleich
Rangliste und Bereitstellungsdetails
Oben sind die Leistungswerte dargestellt; hier folgen die zugehörige Rangliste und die Bereitstellungsdetails. Jev und djev sind hervorgehoben.
JevBench v1.3.0 bewertete am 21. September 2026 insgesamt 52 Systeme mit denselben 534 Entscheidungen (72 einfach, 96 Standard, 146 Bewertung, 220 schwierig), jeweils mit einer Anfrage.
Funktion für Funktion
Jev und djev im direkten Vergleich
Worin jedes Modell besser ist
Der praktische Kompromiss
In der Gesamtwertung liegt djev bemerkenswert nah an Jev. Die entscheidenden Unterschiede betreffen Kalibrierung, Eingabearten und den nötigen Infrastrukturaufwand.
Worin Jev punktet
- Kalibrierung: 82,7 gegenüber 65,4.
- Genauigkeit bei schwierigen Fällen: 74,1 % gegenüber 69,5 %.
- Klare Preise, Ratenlimits und eine festlegbare Version.
- Gezielte Textentscheidungen mit strukturierter Ausgabe.
Worin djev punktet
- Speed: 91.4 against Jev's 83.3.
- Native Bildeingaben, Bildoptionen und Live-Kamera-Sampling.
- Während der Vorschau kostenlos.
- Bei einfachen Entscheidungen ist der Intelligenzunterschied kaum relevant.
Die Analyse
Der Unterschied liegt nicht nur in der Intelligenz
In JevBench v1.3.0, djev scores 91.4 on speed against Jev's 83.3. Its intelligence score of 82.7 is close behind Jev's 85.7, so easy and standard decisions rarely show a dramatic difference.
The gap is calibration: 65.4 against Jev's 82.7. Maisa's own documentation describes djev probabilities as experimental and uncalibrated. That matters when code uses confidence to auto-approve, escalate, weight, or route.
Auch beim Geschäftsmodell gibt es einen klaren Unterschied: djev ist eine kostenlose Vorschau mit angekündigten Preisen; Jev ist eine gehostete Produktions-API mit festlegbarer Version und planbarem Nutzungsmodell.
Betriebsmodell
Beim Self-Hosting ersetzt djev API-Kosten durch den Besitz einer GPU; Jev steht als gehostete API sofort bereit.
Grenzen der Eingabe
djev akzeptiert native Bild- und Kameraeingaben. Jev konzentriert sich auf Text und strukturierte Entscheidungen.
Entscheidungsformat
Beide eignen sich besonders, wenn Software eine typisierte Auswahl, Bewertung oder Ja-Nein-Entscheidung benötigt.
Aus dem GitHub-Repository
Was djev tatsächlich ist
djev ist eine schlanke offene Implementierung typisierter Entscheidungen mit DiffusionGemma und vLLM. DiffusionGemma verfeinert Antwortpositionen gemeinsam; anschließend liest die API Wahrscheinlichkeiten für erlaubte Labels aus und liefert eine validierte Antwort, statt Fließtext zu erzeugen und erneut zu parsen.
Das Repository ergänzt strukturierte Ein-Schritt-Abfragen, kompakte Arbeitsflächen, exakte Label-Wahrscheinlichkeiten, wiederverwendbare Präfixe, multimodale Aufmerksamkeit und gezieltes Batching. Neue Modellgewichte enthält es nicht.
djev-dev auf GitHub ansehenSelbst gehostet
Führe das Modell auf deiner GPU aus oder miete eine, wenn das Volumen es rechtfertigt.
Multimodal
Verarbeitet native Bildeingaben, Bildoptionen und Live-Kamerabilder.
Direkte Wahrscheinlichkeiten
Gibt typisierte Optionswahrscheinlichkeiten ohne vollständige autoregressive Ausgabeschleife zurück.
Referenzhardware
Das Projekt empfiehlt eine NVIDIA B200, Linux, CUDA 13 und BF16.
Das Projekt djev-dev ist unabhängig und steht weder mit TypeSafe oder Jev AI in Verbindung noch wird es von ihnen unterstützt.
Welches Modell solltest du wählen?
Wähle nach deinen Rahmenbedingungen
Jev passt, wenn
- Dein Code verzweigt anhand der Wahrscheinlichkeit, nicht nur anhand des Gewinner-Labels.
- Die Eingaben enthalten lange, unübersichtliche oder tatsächlich mehrdeutige Fälle.
- Du brauchst planbare Kosten und eine Version, die während eines Releases stabil bleibt.
djev passt, wenn
- Bei deiner Entscheidung geht es um ein Bild, Einzelbild oder gescanntes Dokument.
- Die Latenz ist der entscheidende Engpass und du brauchst nur das Gewinner-Label.
- Du bist bereit, auf einer Vorschau aufzubauen, deren Bedingungen sich ändern können.
Mit deinen Daten testen
Teste Jev mit den Fällen, über die ihr tatsächlich diskutiert.
Eine Rangliste gibt eine erste Orientierung. Aussagekräftiger sind deine eigenen schwierigen Fälle.
Häufige Fragen
FAQ: Jev und djev
Ist djev quelloffen?+
Partly. The community djev-dev repository is Apache-2.0 and shows how to run DiffusionGemma decisions on vLLM. Maisa's hosted djev service has not released its hosted implementation.
Ist djev kostenlos?+
Während der Vorschau ist der Dienst kostenlos. Maisa hat danach 0,026 US-Dollar pro 1.000 Entscheidungen angekündigt; derzeit wird dieser Preis jedoch noch nicht berechnet.
Kann Jev wie djev Bilder lesen?+
Nein. Jev akzeptiert Text, JSON-Objekte und Textarrays. Wandle Bilder zuerst in Text oder strukturierte Felder um oder nutze ein Modell, das Bilddaten akzeptiert.
Was ist schneller, Jev oder djev?+
djev, on the hosted APIs measured by JevBench: 0.24s median against Jev's 0.65s. Both are designed for request-time use; neither should be assumed to fit a tight unbatched loop.
Kann ich djev-Wahrscheinlichkeiten als Schwellenwerte verwenden?+
Behandle sie als Rangfolgesignal, bis du sie mit eigenen gelabelten Daten validiert hast. Laut Maisa sind die Wahrscheinlichkeiten der gehosteten Vorschau experimentell und nicht kalibriert.
Die Zahlen stammen aus den obigen öffentlichen Quellen, geprüft am 22. September 2026. djev und alle weiteren auf dieser Seite genannten Produkte gehören ihren jeweiligen Eigentümern.