Original en anglais: https://argusic.com/subject/jev
jev
jevos: une alternative open-source à Jev et Microsoft-Decision-1. Décisions oui/non, choix et scores avec probabilités, sur le CPU de votre ordinateur portable.
Fonctionnesource : GitHubpage d'accueilC++MITcommit eb74cf78e537
C++, sous licence MIT. Le projet se décrit ainsi : ai, classification, cpu inference, decision model, edge ai, gguf, jev et jev alternative.
jev fonctionne. Un agent Argusic l'a installé en 19 minutes et a rencontré 2 erreurs, toutes corrigées sans aide sur une machine propre sans GPU, et toute la session a été enregistrée.
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.
Ce que l'agent a obtenu sur une machine propre, dans ses propres mots. Comment c'est mesuré
Mesuré par Argusic sur une machine vierge, à chaque fois. Chaque chiffre renvoie à ses preuves. Score Argusic de 100 sur 100 (la moyenne des scores des exécutions de ce projet).
En un coup d'œil
Données du projet issues de GitHub, avec un lien en haut de cette page, mis à jour le . Données de test d'Argusic (CC BY 4.0) ; chaque chiffre renvoie à une page d'exécution avec le log complet, l'enregistrement et leurs empreintes sha256.
Ce qui a été mesuré
Tiré de l'exécution qui a décidé ce verdict. Chaque ligne est une valeur enregistrée, pas une estimation.
Ce qui s'est mal passé, dans les mots de l'agent
Les propres mots de l'agent, le plus grave en premier, jamais réécrits en conseils.
- README quickstart points to a jevos release asset (jevos-q4_k_m.gguf) that returns 404 on GitHub4 minutes
- uv was not installed in the container2 minutes
- Temps d'installation
- 19 minutes
- De la machine vierge à la fin
- 7 minutes
- Erreurs rencontrées et corrigées
- 2 rencontrées, 2 corrigées sans aide humaine
- Comment le résultat a été prouvé
- 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
- Tokens de modèle utilisés
- 191 451
- Commit exact testé
- eb74cf78e537
- Image de conteneur
- sha256:cdd920bce783
Ce qui n'a pas été mesuré
L'autre moitié, pour que vous voyiez exactement jusqu'où vont ces preuves. Une lacune est affichée comme une lacune et n'est jamais comblée.
- Pic de mémoire GPU
- cette exécution a eu lieu sur une machine CPU, il n'y avait donc pas de GPU à mesurer
- Comportement sur une longue durée
- chaque tentative utilise les réglages documentés les plus légers et un budget de temps fixe : on mesure donc s'il fonctionne, pas comment il tient sous la charge
Regarder la session
L'exécution complète, depuis une machine propre, à la vitesse réelle. Rien n'est coupé et rien n'est accéléré.
Un enregistrement de la tentative 1, exécutée le , la tentative qui a décidé le verdict ci-dessus. L'enregistrement du terminal dont elle est tirée constitue la preuve, conservée avec une empreinte sha256 ; la vidéo n'en est qu'un rendu. Rien n'est chargé depuis l'hébergeur de la vidéo tant que vous n'appuyez pas sur lecture.
La fin de l'enregistrement
Les dernières lignes de la session de terminal qui a décidé ce verdict, exactement telles qu'elles ont été enregistrées.
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
191,451Revoir toute la session, chaque commande depuis une machine propre jusqu'à ce point.
Comment le test a été mené
Un agent, un conteneur, aucune aide humaine. Il installe le projet comme l'indique sa propre documentation, l'exécute et corrige ce qui casse. Tout ce qui suit est enregistré tel que cela s'est passé : la session de terminal, le log et le commit exact. La méthode complète.
Points forts et limites
Des faits mesurés, pas des opinions. Comment ce site est rédigé.
Ce qui s'est bien passé
- A atteint un état de fonctionnement sur une machine propre, avec la session enregistrée.
- Installé en 19 minutes.
- S'est remis des 2 erreurs sans intervention humaine, ce qui indique que les échecs sont assez bien documentés pour être résolus.
- A fonctionné sans GPU, il n'en a donc pas besoin pour démarrer.
- Sous licence MIT, selon son hébergeur.
Ce qui ne s'est pas bien passé, ou n'est pas connu
- Mesuré une seule fois jusqu'ici. Une seule tentative montre qu'il peut fonctionner, pas qu'il fonctionne de façon fiable.
Pour quoi c'est un choix raisonnable
- L'essayer sur un ordinateur portable ou un petit serveur : il a atteint un état de fonctionnement sans GPU.
Également testés, dans le même domaine
Chacun de ces projets a été installé et exécuté par Argusic sur une machine propre. Rien n'apparaît ici sans avoir été testé.
Historique des exécutions
| testé par | tentative | résultat | score | coût USD | date |
|---|---|---|---|---|---|
| Argusic Runner | 1/3 | Fonctionne | 100,00 | 0,05 |
Sujets (depuis GitHub)
aiclassificationcpu-inferencedecision-modeledge-aiggufjevjev-alternativellama-cppllmllm-inferencelocal-ailocal-llmmicrosoft-decisionmicrosoft-decision-1offlineon-device-aiopen-source-alternativeself-hostedyes-no
Intégrer le badge
Markdown pour le README du projet. Il renvoie vers cette page ; conditions sur la page des conditions.
[](https://argusic.com/subject/jev)Questions
- jev fonctionne-t-il ?
- Oui. jev fonctionne. Argusic l'a installé et lancé sur une machine propre en 19 minutes, en rencontrant 2 erreurs en route, et a enregistré la session.
- Comment Argusic a-t-il testé jev ?
- Sur une machine vierge et jetable, avec chaque commande enregistrée et le dépôt épinglé au commit eb74cf78e537. Une tentative est enregistrée, et la méthode complète se trouve sur la page de méthodologie.
- Combien a coûté le test de jev ?
- L'exécution qui a produit ce verdict a coûté 0,05 USD : le coût réel du calcul et du modèle, pas un prix catalogue par million de tokens. Il est enregistré sur la page de cette exécution.
- Combien de temps faut-il pour installer jev ?
- 19 minutes lors de l'exécution qui a décidé ce verdict, d'une machine propre à un état de fonctionnement. Il s'agit d'une tentative mesurée, pas d'une moyenne.
- jev a-t-il besoin d'un GPU ?
- Pas pour démarrer. Argusic a atteint un état de fonctionnement sur une machine sans GPU.
- Qu'est-ce qui pose problème lors de l'installation de jev ?
- 2 problèmes sont survenus lors de l'exécution enregistrée, et 2 ont été corrigés sans aide humaine. Chacun, avec le temps qu'il a coûté, est listé sur cette page.
- Où sont les preuves pour jev ?
- L'exécution enregistrée se trouve sur cette page, chacune avec un lien vers son log complet et son enregistrement du terminal, conservés avec une empreinte sha256 pour qu'ils ne puissent pas être modifiés discrètement.