Englisches Original: https://argusic.com/subject/jev
jev
jevos: eine Open-Source-Alternative zu Jev und Microsoft-Decision-1. Ja/Nein-Entscheidungen, Auswahlmöglichkeiten und Scores mit Wahrscheinlichkeiten, auf der CPU Ihres Laptops.
LäuftQuelle: GitHubHomepageC++MITCommit eb74cf78e537
C++, Lizenz MIT. Das Projekt beschreibt sich selbst als: ai, classification, cpu inference, decision model, edge ai, gguf, jev und jev alternative.
jev läuft. Ein Argusic-Agent hat es in 19 Minuten installiert und ist auf 2 Fehler gestoßen und hat jeden davon ohne Hilfe behoben. Das geschah auf einer sauberen Maschine ohne GPU, und die gesamte Sitzung wurde aufgezeichnet.
The jev project installs with uv, the llama.cpp runtime and a pinned GGUF model download with sha256 verification, and the HTTP server (port 8017) serves real noul decisions over /v1/systemone plus /health, /v1/models and /dino, all confirmed with curl status codes and JSON responses in this container.
Was der Agent auf einer sauberen Maschine erreicht hat, in seinen eigenen Worten. So wird gemessen
Von Argusic jedes Mal auf einer frischen Maschine gemessen. Jede Zahl verlinkt auf ihren Nachweis. Argusic Score 100 von 100 (der Mittelwert der Lauf-Scores dieses Projekts).
Auf einen Blick
Projektdaten von GitHub, oben auf dieser Seite verlinkt, aktualisiert . Testdaten von Argusic (CC BY 4.0); jede Zahl verlinkt auf eine Laufseite mit dem vollständigen Log, der Aufzeichnung und deren sha256-Hashes.
Was gemessen wurde
Aus dem Lauf, der diesen Befund entschieden hat. Jede Zeile ist ein aufgezeichneter Wert, keine Schätzung.
Was schiefging, in den Worten des Agents
Die eigenen Worte des Agents, das Schwerste zuerst, nie zu Ratschlägen umgeschrieben.
- README quickstart points to a jevos release asset (jevos-q4_k_m.gguf) that returns 404 on GitHub4 Minuten
- uv was not installed in the container2 Minuten
- Installationszeit
- 19 Minuten
- Von der kalten Maschine bis zum Ende
- 7 Minuten
- Aufgetretene und behobene Fehler
- 2 aufgetreten, 2 ohne menschliche Hilfe behoben
- Wie das Ergebnis belegt wurde
- uv sync exited 0 (16 packages resolved); 'uv run jev serve --model spark-1.7b --quant q4_k_m --device cpu --threads 4' started and GET /health returned HTTP 200 with status ready; POST /v1/systemone with the README example returned HTTP 200 with noul 0.9496128141559874; 'jev decide' on a native request exited 0 and wrote full decision JSON; /v1/models and /dino both returned HTTP 200
- Verbrauchte Modell-Tokens
- 191.451
- Genau getesteter Commit
- eb74cf78e537
- Container-Image
- sha256:cdd920bce783
Was nicht gemessen wurde
Die andere Hälfte, damit Sie genau sehen, wie weit dieser Nachweis reicht. Eine Lücke wird als Lücke angezeigt und nie aufgefüllt.
- Maximaler GPU-Speicher
- dieser Lauf fand auf einer CPU-Maschine statt, es gab also keine GPU zu messen
- Verhalten über einen langen Lauf
- jeder Versuch verwendet die kleinsten dokumentierten Einstellungen und ein festes Zeitbudget, daher misst dies, ob es läuft, nicht wie es sich unter Last hält
Sitzung ansehen
Der gesamte Lauf, von einer sauberen Maschine aus, in der tatsächlichen Geschwindigkeit. Nichts ist geschnitten, nichts beschleunigt.
Eine Aufzeichnung von Versuch 1, gelaufen am , der Versuch, der den obigen Befund entschieden hat. Die Terminalaufzeichnung, aus der es erstellt wurde, ist der Nachweis, gespeichert mit einem sha256-Fingerabdruck; das Video ist ein Rendering davon. Vom Video-Host wird nichts geladen, bis Sie auf Abspielen drücken.
Das Ende der Aufzeichnung
Die letzten Zeilen der Terminalsitzung, die diesen Befund entschieden hat, genau so, wie sie aufgezeichnet wurden.
5. **Real inference** — `POST /v1/systemone` with the README's example returned HTTP 200 with `{"mo…
6. **CLI** — `jev decide --model spark-1.7b --quant q4_k_m --device cpu --threads 4` on a native-fo…
7. **Assets** — `ffmpeg -v error` decoded `assets/dino_run.gif` and both PNGs cleanly.
8. **One doc mismatch** (not a failure): README says `choice`/`score` are refused with 422, but the…
Total elapsed: ~19 minutes of work (install ~4 min, downloads ~3 min, runs ~10 min).
exec
/bin/sh -lc 'cd /work/repo && export PATH="$HOME/.local/bin:$PATH" && uv run jev devices 2>&1 | pyt…
succeeded in 0ms:
installed_runtimes: ['vulkan']
devices: ['CPU']
tokens used
191,451Gesamte Sitzung abspielen, jeder Befehl von einer sauberen Maschine bis zu diesem Punkt.
So wurde getestet
Ein Agent, ein Container, keine menschliche Hilfe. Er installiert das Projekt so, wie es die eigene Dokumentation beschreibt, führt es aus und behebt, was nicht funktioniert. Alles Folgende wurde so aufgezeichnet, wie es geschah: die Terminalsitzung, das Log und der genaue Commit. Die vollständige Methodik.
Stärken und Grenzen
Gemessene Fakten, keine Meinungen. Wie diese Inhalte entstehen.
Was gut lief
- Hat auf einer sauberen Maschine einen lauffähigen Zustand erreicht, mit aufgezeichneter Sitzung.
- In 19 Minuten installiert.
- Hat sich von allen 2 Fehlern erholt, ohne dass ein Mensch eingriff, was zeigt, dass die Fehlschläge gut genug dokumentiert sind, um sie zu lösen.
- Lief ohne GPU, braucht also keine, um zu starten.
- Lizenz MIT, laut Angabe des Hosts.
Was nicht lief oder unbekannt ist
- Bisher einmal gemessen. Ein einzelner Versuch zeigt, dass es laufen kann, nicht dass es zuverlässig läuft.
Wofür es eine vernünftige Wahl ist
- Zum Ausprobieren auf einem Laptop oder kleinen Server: Es erreichte einen lauffähigen Zustand ohne GPU.
Ebenfalls getestet, im selben Bereich
Jedes dieser Projekte wurde von Argusic auf einer sauberen Maschine installiert und ausgeführt. Hier erscheint nichts, was nicht getestet wurde.
Laufverlauf
Themen (von GitHub)
aiclassificationcpu-inferencedecision-modeledge-aiggufjevjev-alternativellama-cppllmllm-inferencelocal-ailocal-llmmicrosoft-decisionmicrosoft-decision-1offlineon-device-aiopen-source-alternativeself-hostedyes-no
Badge einbetten
Markdown für die README des Projekts. Es verlinkt hierher zurück; Bedingungen auf der Seite mit den Nutzungsbedingungen.
[](https://argusic.com/subject/jev)Fragen
- Läuft jev?
- Ja. jev läuft. Argusic hat es auf einer sauberen Maschine in 19 Minuten installiert und gestartet, ist dabei auf 2 Fehler gestoßen und hat die Sitzung aufgezeichnet.
- Wie hat Argusic jev getestet?
- Auf einer frischen Einwegmaschine, mit jedem Befehl aufgezeichnet und dem Repository fixiert auf Commit eb74cf78e537. Ein Versuch ist aufgezeichnet, und die vollständige Methode steht auf der Seite zur Methodik.
- Was hat der Test von jev gekostet?
- Der Lauf, der diesen Befund ergab, kostete 0,05 USD: echte Rechen- und Modellkosten, kein Listenpreis pro Million Tokens. Der Betrag ist auf der Seite dieses Laufs aufgezeichnet.
- Wie lange dauert die Installation von jev?
- 19 Minuten in dem Lauf, der diesen Befund entschieden hat, von einer sauberen Maschine bis zum lauffähigen Zustand. Das ist ein gemessener Versuch, kein Durchschnitt.
- Braucht jev eine GPU?
- Nicht zum Starten. Argusic hat auf einer Maschine ohne GPU einen lauffähigen Zustand erreicht.
- Was geht bei der Installation von jev schief?
- Im aufgezeichneten Lauf gingen 2 Dinge kaputt, und 2 davon wurden ohne menschliche Hilfe behoben. Jedes davon und die Zeit, die es gekostet hat, ist auf dieser Seite aufgeführt.
- Wo ist der Nachweis für jev?
- Der aufgezeichnete Lauf ist auf dieser Seite, jeweils mit Link auf das vollständige Log und die Terminalaufzeichnung, gespeichert mit einem sha256-Fingerabdruck, damit nichts unbemerkt verändert werden kann.