COMPARATIVA DE JEV · JEVBENCH V1.3.0 · ACTUALIZADO EL 22 DE SEPTIEMBRE DE 2026
Jev frente a SemIf
La reconstrucción abierta más sólida de la tabla y aquello en lo que aún se queda atrás.
En este sitio
Jev 1.13.0
TypeSafe · modelo System One
No tienes que ejecutar nada y aun así destaca cuando los casos se complican.
Alternativa
SemIf
TheoLeeCJ · lector abierto de logits basado en Qwen3.5-4B
Se queda a solo 1,3 puntos de Jev en una tarjeta gráfica que ya tienes.
El benchmark
JevBench v1.3.0, medido en las mismas condiciones
Un único benchmark evaluó los 52 sistemas con el mismo método, por lo que estas barras sí son comparables entre sí, a diferencia de las cifras publicadas por cada proveedor.
Puntuación compuesta
Más alto es mejor
JevBench v1.3.0
Los tres primeros quedan a menos de 1,4 puntos entre sí y después la clasificación cae con fuerza. La puntuación compuesta oculta las diferencias reales, por eso los dos gráficos siguientes la desglosan.
Precisión según la dificultad
Dónde se separan los resultados
Fácil
72 casos sencillos
Estándar
96 casos cotidianos
Evaluación
146 solicitudes de tipo evaluativo
DifícilDifícil
220 casos realmente ambiguos
Las decisiones fáciles y estándar apenas se distinguen. En los casos difíciles es donde los sistemas dejan de coincidir.
El cuarto eje: el coste
The composite also weighs cost, scored from each system's public list price. Jev places last on that axis, but the benchmark does not turn a single price into a recommendation: bursty traffic and idle GPU time change the economics of self-hosting.
Ver precios de JevLa clasificación
Todos los sistemas de la clasificación
Arriba se muestran las puntuaciones; aquí están la clasificación y los detalles de despliegue. Jev y SemIf aparecen resaltados.
El 21 de septiembre de 2026, JevBench v1.3.0 puntuó 52 sistemas con las mismas 534 decisiones (72 fáciles, 96 estándar, 146 de evaluación y 220 difíciles), una solicitud cada vez.
Función por función
Jev y SemIf, lado a lado
En qué destaca cada uno
El equilibrio práctico
En conjunto, SemIf está muy cerca. La diferencia importante no es tanto la clasificación como quién controla la infraestructura, los datos y el trabajo de calibración.
Ventajas de Jev
- Precisión en casos difíciles: 74,1% frente a 59,5%.
- Mejor calibración inicial: 82,7 frente a 72,6.
- No tienes que operar una GPU, infraestructura de serving, planificación de capacidad ni costes de inactividad.
- 64.000 tokens de contexto por solicitud y límites de producción publicados.
Ventajas de SemIf
- Judge-tier accuracy: 95.2% against Jev's 94.5%.
- Código MIT que puedes leer, bifurcar, auditar y ejecutar con pesos controlados.
- Sin coste por llamada una vez pagada una GPU que ya está ocupada.
- Funciona sin conexión e incluye una demo para navegador con WebGPU.
El análisis
La diferencia se concentra en unos aspectos, no en todos
Give SemIf its due: 73.1 against Jev's 74.4 in JevBench v1.3.0, second on the board, and ahead on the 146-decision judge tier.
La diferencia se concentra en dos aspectos. En 220 decisiones difíciles, Jev obtiene un 74,1% y SemIf un 59,5%, una brecha de 14,6 puntos. En calibración, Jev alcanza 82,7 frente a 72,6 porque sus probabilidades se entrenan para la interfaz de decisión, en lugar de leerse directamente de un modelo congelado.
The third gap is operational. SemIf's low per-decision estimate assumes a rented GPU that stays busy. Idle GPUs bill the same as busy ones, so bursty traffic moves that number in a hurry.
Límite de los datos
SemIf permanece en tu red; Jev envía solicitudes a una API alojada.
Modelo operativo
SemIf sustituye el gasto de API por la gestión de GPU, serving, supervisión y calibración.
Formato de decisión
Ambos destacan cuando el software necesita una opción tipada, una puntuación o un juicio de sí/no.
Implementación abierta
Qué es realmente SemIf
SemIf recibe contexto no estructurado, criterios definidos en la solicitud y opciones tipadas. Ejecuta una pasada hacia delante por un modelo abierto y lee los logits nativos de esas opciones, en vez de generar una frase, analizar JSON y validarlo después.
La configuración principal del benchmark usa Qwen3.5-4B. El proyecto también admite Qwen3-0.6B, MiniCPM5-2B y Qwen3-Reranker-4B. El código es MIT; los pesos conservan sus licencias originales.
Leer SemIf en GitHubAlojado por cuenta propia
Ejecuta el modelo en tu GPU o alquila una cuando el volumen lo justifique.
Demo en navegador
Prueba una versión WebGPU en el navegador sin lista de espera.
Logits directos
Devuelve probabilidades tipadas sin un ciclo de generación autorregresiva.
Privacidad desde el diseño
Mantén el contexto y los criterios de decisión dentro de tu red.
SemIf se llamaba antes OpenJev. Es un proyecto independiente y no está afiliado ni respaldado por TypeSafe o Jev AI.
Entonces, ¿cuál deberías usar?
Elige según tus limitaciones
Elige Jev si
- El tráfico es irregular o no quieres operar infraestructura de serving con GPU.
- Las entradas incluyen casos largos, ruidosos o controvertidos en los que importa el nivel difícil.
- Quieres umbrales funcionales desde el primer día, sin tener que calibrarlos antes.
Elige SemIf si
- Ya tienes capacidad GPU inactiva o puedes mantener ocupada una alquilada.
- Por ley, los datos no pueden salir de tu red.
- La mayoría de las decisiones son fáciles, estándar o de evaluación y puedes calibrarlas localmente.
Una comparación sincera
Prueba Jev con los casos que realmente estáis debatiendo.
La clasificación sirve de orientación. La mejor prueba son tus propios casos difíciles.
Preguntas frecuentes
Preguntas frecuentes: Jev y SemIf
¿SemIf es lo mismo que OpenJev?+
SemIf es el nombre actual del proyecto de TheoLeeCJ antes llamado OpenJev. Hay otros proyectos sin relación que también usan el nombre openJev.
¿SemIf es tan preciso como Jev?+
Está cerca en la mayoría de niveles y gana en uno. En JevBench v1.3.0 iguala a Jev en decisiones fáciles, queda algo por detrás en las estándar, gana la evaluación por 95,2% a 94,5% y pierde en las difíciles por 59,5% a 74,1%.
¿Qué hardware necesito para ejecutar SemIf?+
Las cifras publicadas usan un modelo 4B en una RTX 3090. Los modelos compatibles más pequeños requieren menos recursos y hay una demo WebGPU para navegador, pero el rendimiento de producción presupone una GPU.
¿SemIf ofrece probabilidades calibradas?+
Devuelve probabilidades condicionadas a las opciones proporcionadas. El proyecto incluye calibración por temperatura y su README recomienda ajustar y validar las probabilidades en la carga de trabajo real.
¿Cuánto cuesta ejecutar SemIf?+
JevBench estima unos 0,022 USD por 1.000 decisiones con una GPU siempre ocupada. No incluye el tiempo de inactividad ni el coste de ingeniería de operar la infraestructura.
Las cifras proceden de las fuentes públicas anteriores, consultadas el 22 de septiembre de 2026. SemIf y los demás productos mencionados pertenecen a sus respectivos propietarios.