VideoJev مقابل Jev 1.13: الفكرة نفسها، وظيفتان مختلفتان

تبدو المقارنة بديهية حتى تحاول كتابتها. VideoJev إصدار بحثي مفتوح الأوزان من مختبر MCG في NJU، يقيّم الفواصل الزمنية وخيارات الإجابة مقابل أدلة الفيديو، في نقطتي تحقق، VideoJev-4B وVideoJev-35B-A3B. Jev 1.13 هو نموذج قرار مغلق ومستضاف من TypeSafe AI — النموذج الذي سمّى الفئة التي ينتمي إليها كلاهما. تستشهد ورقة VideoJev نفسها بـ Jev بوصفه أصل النموذج الذي توسّعه، مما يجعل هذا يبدو كمواجهة مباشرة. لكنه في الغالب ليس كذلك. يتلقى Jev 1.13 حالة نصية ويعيد قرارات محددة النوع. يتلقى VideoJev الفيديو ويعيد فواصل زمنية مُقيّمة أو خيارًا مختارًا. يتقاطعان في الفكرة ولا يكادان يتقاطعان في المدخلات، لذا فالسؤال المفيد ليس "أيّهما أفضل" بل "أيّهما مؤهل أصلًا للمهمة التي لديك".

وصل كلاهما بهدوء ومؤخرًا، وبطرق مختلفة. أُطلِق Jev 1.13 في 2026-09-15 — أول نموذج عام من TypeSafe بعد عامين في التخفي — وظل قابلاً للاستدعاء عبر كتالوج OrcaRouter الخاص على typesafe/jev-1.13 منذ 2026-09-24. أما VideoJev فليس له إطلاق على الإطلاق: نُشرت المسودة الأولية على arXiv في 2026-10-13، ورُفعت نقطتا التحقق المرخصتان بموجب Apache-2.0 إلى Hugging Face في 2026-10-10، وكان المستودع لا يزال يتلقى إصلاحات README في 2026-10-14. لا يمثل أي منهما اليوم قصة إطلاق. ما يجعل هذا الاقتران يستحق القراءة هو أنهما الرهان المعماري نفسه مطبقًا على نوعين مختلفين من البيانات، والفرق في كيفية تسليم كل منهما يخبرك بمعظم ما تحتاج معرفته لتقرر.

سطر واحد لكل منها، لأن الملخصات تتباعد بسرعة.

Jev 1.13 هو نقطة نهاية مستضافة. تقوم بإرسال كتلة من الحالة ومجموعة من الأسئلة المسمّاة إلى /v1/systemone عبر POST، وتحصل مقابل كل سؤال على إجابة واحدة مُنمّطة — noul (صواب/خطأ مع احتمال مُعاير)، choice (تسمية واحدة من ما يصل إلى 255 خيارًا)، أو score (مستوى على مقياس مُرتّب من 2 إلى 10). لا يتم توليد أي شيء، لذا لا توجد رموز مخرجات ولا تفرض TypeSafe أي رسوم؛ الإدخال بتكلفة 0.042 دولار لكل مليون رمز. معماريته وعدد معاملاته وحوسبة تدريبه غير معلنة. مدخلاته نصية فقط — سلاسل، JSON، مصفوفات — بدون مسار للصور أو الصوت أو الفيديو. أنت لا تشغّله؛ كل استدعاء محسوب.

VideoJev هو الترتيب المعاكس. إنه نقطة تفتيش تقوم بتنزيلها وتقديمها بنفسك، بموجب Apache-2.0، بُنيت عبر الضبط الدقيق لنموذج LLM متعدد الوسائط موجود: VideoJev-4B على Qwen3.5-4B، وVideoJev-35B-A3B على Qwen3.6-35B-A3B. يزيل المؤلفون كتلة MLP النهائية ورأس إخراج نموذج اللغة ويستبدلونها بمُقيِّم مرشحين، بحيث لا يكتب النموذج إجابة أبدًا — بل يُقيِّم الفواصل المرشحة والإجابات المرشحة مباشرة. ينظّمه نمطا استدلال: الاستدلال المخزّن يُرمِّز الفيديو مرة واحدة ويفرّع كل استعلام جديد انطلاقًا من تلك البادئة، والاستدلال المشترك يضع مجموعة من الأسئلة خلف بادئة فيديو واحدة ويقرؤها كلها في تمريرة أمامية واحدة.

الأبعاد التي تفصل بينهم فعليًا

• طريقة الإدخال — فيديو، بمعدل إطارين في الثانية مع تحديد الإطارات بحدّ أقصى 640×640 بالنسبة إلى VideoJev، مقابل الحالة النصية فقط بالنسبة إلى Jev 1.13.

• ما هو "القرار" — فترة زمنية بالثواني بالإضافة إلى فهرس خيار مقابل تسمية مُدخلة، أو مستوى أو احتمال.

• التسليم — أوزان Apache-2.0 ذاتية الاستضافة مقابل نقطة نهاية مستضافة تُحتسب حسب الاستهلاك.

• السعر — ساعات GPU الخاصة بك مقابل 0.042 دولار لكل مليون رمز إدخال، مع احتساب الإخراج بصفر.

• تكلفة استعلام ثانٍ على السياق نفسه — مشكلة تصميم VideoJev بأكملها، يُجاب عنها عبر إعادة استخدام البادئة؛ يعيد Jev إرسال الحالة في كل استدعاء، لأنه لا يملك بادئة بحجم الفيديو لتُوزَّع تكلفتها.

• التفاصيل المنشورة — نسخة أولية من تسع صفحات تتضمن جداول لكل معيار ودراسات استئصال مقابل عدم الكشف عن البنية أو المعاملات أو التدريب.

• أين يمكنك تشغيله — في أي مكان يتوفر لديك فيه GPU مناسب، مقابل نقطة نهاية TypeSafe والبوابات التي تنقلها، بما في ذلك typesafe/jev-1.13 على OrcaRouter.

لاحظ ما ليس في تلك القائمة: معيار مرجعي مشترك. لا يوجد شيء تم تقييم كلا النموذجين عليه، لأنه لا توجد مهمة يمكن أن يقبلها كلاهما. أي جدول يضعهما جنبًا إلى جنب سيكون اختلاقًا لمقارنة.

حيث يكون النسب حقيقيًا، وحيث يتوقف

الدين الفكري صريح لا مستنتَج. تُصوغ مقدمة VideoJev مساهمتها على أنها تأخذ مسلمة System One — أن بإمكان نموذج أن يصدر حكمًا مُهيكلًا بدلًا من توليد الرموز — وتسأل ما الذي يتغير عندما يكون للشيء الذي يُحكَم عليه خط زمني. جواب Jev عن سؤال «كيف يتخذ النموذج قرارًا دون أن يكتب؟» هو رأس تقييم فوق مجموعة خيارات معلَنة. وجواب VideoJev هو رأس التقييم نفسه موجَّهًا إلى الطوابع الزمنية وكذلك التسميات.

هذا الامتداد ليس شكليًا، والورقة البحثية محددة بشكل غير معتاد في سبب ذلك. عندما يكون السياق الأساسي مقطع فيديو، فإن الجزء المكلف هو الترميز البصري، ولا ينبغي لوكيل يطرح ستة أسئلة حول نفس المقطع أن يدفع ثمن ذلك ست مرات. كلا وضعي الاستدلال لدى VideoJev موجودان لمعالجة ذلك، وتُظهر الأرقام ما الذي يحققانه: في عشر استعلامات إسناد على مقطع فيديو واحد، 0.39 ث لـ VideoJev مقابل 5.98 ث لخط أساس Instruct؛ وعلى جانب الأسئلة والأجوبة، عشر استعلامات في 1.67 ث. لا يوجد لدى Jev مكافئ لذلك لأن إعادة إرسال حالة نصية غير مكلفة — المشكلة التي يحلها Jev هي زمن استجابة القرار لكل استدعاء، والمشكلة التي يحلها VideoJev هي زمن استجابة القرار لكل استدعاء بعد الأول.

نقطة التوقف هي نوع الوسائط. إن وثائق TypeSafe الخاصة صريحة في أن مدخلات System One نصية — "سلاسل نصية، وكائنات JSON، ومصفوفات من النصوص" — وأن الصور والصوت والفيديو غير مدعومة. لذا فإن النموذجين ليسا بديلين أحدهما عن الآخر في أي مهمة. إذا كانت حالتك مستندًا أو سجل محادثة أو إرسال نموذج، فلا يستطيع VideoJev استقبالها. وإذا كان سؤالك "متى تأكل المرأة التي ترتدي الأخضر المعكرونة في هذا التسجيل؟"، فلا يستطيع Jev 1.13 استقباله أيضًا.

الأرقام، ومن أنتجها

تأتي الأرقام الرئيسية لـ VideoJev من أداة الاختبار الخاصة بالمؤلفين أنفسهم ولم يُعَد إنتاجها بشكل مستقل. يصل VideoJev-4B إلى 65.3 متوسط mIoU عبر ثلاثة معايير للتأصيل الزمني، بفارق 6.7 نقاط عن بنيته الأساسية Qwen3.5-4B؛ ويصل VideoJev-35B-A3B إلى 67.7، بفارق 10.8 نقاط عن Qwen3.6-35B-A3B. وعلى أربعة معايير للأسئلة والأجوبة بالفيديو، يقع الاثنان عند 74.3 و79.5 في المتوسط، بفارق 0.6 نقطة أقل و0.7 نقطة أكثر من بنيتيهما الأساسيتين بوضع التفكير، وبسرعات تبلغ 129× و100×. تُجري الورقة أيضًا مقارنة مضبوطة — نموذج Qwen3.5-4B ذاتي الانحدار عادي مضبوط بدقة على البيانات نفسها بالضبط، وجدول التدريب نفسه — ويتفوق عليه VideoJev بـ 1.3 نقطة في mIoU للتأصيل و1.9 نقطة في درجة QA. هذه المقارنة المضبوطة هي أقوى دليل في الورقة، لأنها تعزل شكل القراءة عن بيانات التدريب.

هناك تحذيران مهمان إذا كنت تخطط للاعتماد عليه. تُفيد الورقة بأن متوسط خطأ المعايرة يبلغ 8.65 نقطة عند 4B و8.13 عند 35B-A3B، ما يعني أن الدرجات إشارة ترتيب جيدة واحتمال ضعيف — تعامل مع 0.9 على أنها «أعلى القائمة»، وليست «احتمال 90%». كما أن الإعداد الرئيسي المعلن لنقطة التحقق 35B هو FP32، وفقًا لصفحة المشروع، لذا فإن البصمة الذاكرية للنموذج الأكبر أثقل مما يوحي به عدد المعاملات.

أرقام Jev 1.13 منشورة من المورّد أيضًا، لكنها من النوع الذي يمكن التحقق منه عبر استدعائه: سعر ثابت قدره 0.042 دولار لكل مليون رمز إدخال، وتكلفة إخراج صفرية، وأزمنة استجابة من طرف إلى طرف تتراوح بين 70 و500 مللي ثانية. كما أن TypeSafe صريحة أيضًا بشأن أي الادعاءات غير قابلة للدحض وأيها قابلة للدحض، وتشير إلى أن "لا توجد أخطاء نوع" لا يمكن دحضها بمثال مضاد لأن قيمة خارج المجموعة التي أعلنتها ليست قيمة يستطيع النموذج إصدارها.

إذا كنت بحاجة إلى كليهما، فلديك مشكلتان في الشراء.

هنا يتوقف اختلاف طريقة التسليم عن كونه فلسفيًا. يأتي VideoJev على شكل مستودع: PyTorch 2.8، وCUDA 12.8، وFlashAttention 2، وtrust_remote_code=True، ودليل بدء سريع يفترض وجود H200 لإعدادات الفيديو الطويل. ولا توجد بعد دعم لـ vLLM أو SGLang، لذا فهو ليس شيئًا يمكنك تقديمه بمعدل إنتاجية عالٍ غدًا. أنت تتحمل عبء منظومة استدلال، لا علاقة مع مورّد.

يصل Jev 1.13 كمفتاح API، وهذا هو الموضع الوحيد الذي يكون فيه OrcaRouter ذا صلة مباشرة: النموذج موجود في كتالوجنا، لذا فهو يقبع على المفتاح نفسه الذي يقع عليه النصف التوليدي من أي سير عمل تبنيه — واجهة API واحدة لأكثر من 200 نموذج، بهامش 0% (سعر قائمة المزوّد يُمرَّر كما هو، لذا يصبح تغيير سعر TypeSafe فعّالاً هنا في اليوم نفسه)، تحويل تلقائي عند الفشل عبر المزوّدين، ولغة DSL للتوجيه إذا أردت تجميع عدة نماذج في استدعاء واحد. لا تتم استضافة VideoJev هنا، ولن تتظاهر هذه المقالة بغير ذلك. تشغيله يعني تنزيل أوزان Apache-2.0 وإنشاء خدمتك الخاصة؛ ما نرفعه عن كاهلك هو كل ما يحيط به — المُلخِّص الذي يكتب النتيجة، والمصنّف الأرخص الذي يحدد ما إذا كانت مكالمة الفيديو تستحق العناء أصلاً، والاحتياطي عندما يتعثر مزوّد.

قاعدة القرار

الخلاصة الصادقة أن هذين الاثنين بينهما تشابه عائلي، لا تنافس. اختر Jev 1.13 عندما يكون الحكم على نص، والجواب واحد من مجموعة تعلنها مسبقًا، وتريد أن يتولى شخص آخر إدارة البنية التحتية وأعمال المعايرة. اختر VideoJev عندما يكون الدليل فيديو، والجواب طابع زمني أو اختيار من متعدد، ولديك وحدات معالجة الرسومات والرغبة في تشغيل إصدار بحثي غير مُكرَّر — مع إلقاء نظرة فاحصة على لقطاتك الخاصة أولًا، لأن الورقة توثّق نمط فشلها الخاص (عدّ الأجسام الصغيرة، حيث يفوّت كلا الحجمين إجابة أربعة كتب) وسيكون نمط فشلك مختلفًا.

ما سيغيّر الصورة هو نقطة تحقق ثالثة بدلاً من فائز. لا يقترب أي من النموذجين من وكيل بصري عام: فلا يستطيع Jev أن يرى، وVideoJev لا يمكنه الإجابة إلا عن نمطي الأسئلة التي دُرِّب عليهما. سيكون الخبر المثير للاهتمام إصدار VideoJev بمسار نصي، أو إصدار Jev يقبل الإطارات — وعند هذه النقطة يتقارب الخطان، فيكفّ هذا عن كونه مقالين عن نموذجين فكريين ويصبح مقالاً واحداً عن معركة.

الإصدار هو أيضًا اللحظة للتحقق مما حدث من أخطاء سابقًا: الحوادث الموثقة للذكاء الاصطناعي وإخفاقات الوكلاء حول النماذج في هذه الفئة تُجمع في OrcaRouter AI Incident Archive، حيث يحمل كل مدخل مصادره الخاصة ودرجة خطورته ودرجة ثقته وعلامة نزاع.