有人两天做出 Jev 开源平替 Nimble
Mahesh 用 Qwen3.5-9B 加 2,676 条合成样本 LoRA 微调出决策模型，curated eval 上 90% 对 Jev 的 93%，Jev 只当评估基准。
绝了！Jev 已经有人搞出“平替”开源版！ 一个 OpenAI 联合创始人花了三年，做了一个不生成文字的 AI 模型，专门帮软件做决策。闭源，架构不公开，权重不开放。 这个就是最近几天大火的Jev。 $0.042 每百万输入 token，输出免费。Vercel、Cloudflare、LangChain 在发布当天就接入了。并且TypeSafe 已经拿了 4000 万美元种子轮。 然后有意思的是，一个叫 Mahesh 的人，两天之内做了个开源替代品。 它叫 Bespoke Nimble。 它是这么做到的，先拿 Qwen3.5-9B 做 LoRA 微调，只用了 2,676 个训练样本。 没有从 Jev 蒸馏，Jev 只被用来做评估基准。数据完全合成，覆盖 10 个类别。 关键是用一个叫 contrastive data curation 的策略：微调事实生成负样本，迫使模型学会区分真假，训练数据甚至不需要概率标注。 → Qwen 基线在 curated eval 上 66% → Nimble 微调后 90% → Jev 是 93% → H100 上 100ms，MacBook 上也能跑 → 无蒸馏、无 RL、parallel constrained decoding 推理 说实话，有个坑：作者自己说了，没有标准 benchmark 衡量这类模型的性能，Nimble 在其他评测上可能比 Jev 差很多。 而且有人指出这可能触犯了 Jev 的使用条款。 但打破的是这件事：4000 万美元融资的决策模型，被一个人用两天和 2,676 个样本追到了 3 个百分点以内。 国外大神真多，项目地址如下👇 https://t.co/OeKLSz2YRg
这条是引用着另一条写的：x.com/i/web/status/2100990591215783946