VideoJev לעומת Jev 1.13: אותו רעיון, שני תפקידים שונים

ההשוואה נראית מובנת מאליה עד שמנסים לכתוב אותה. VideoJev הוא פרסום מחקרי במשקולות פתוחות ממעבדת MCG של NJU, שמדרג מרווחים זמניים ואפשרויות תשובה מול ראיות וידאו, בשני צ'קפוינטים, VideoJev-4B וגם VideoJev-35B-A3B. Jev 1.13 הוא מודל החלטות סגור ומתארח של TypeSafe AI — המודל שנתן שם לקטגוריה ששניהם פועלים בה. המאמר של VideoJev עצמו מצטט את Jev כמקור הפרדיגמה שהוא מרחיב, מה שגורם לזה להיראות כמו עימות ראש בראש. ברובו זה לא כך. Jev 1.13 מקבל מצב טקסט ומחזיר החלטות מטויפות. VideoJev מקבל וידאו ומחזיר מרווחים עם ציונים או אפשרות נבחרת. הם חופפים ברעיון וכמעט בשום מקום בקלט, כך שהשאלה השימושית היא לא "מי טוב יותר" אלא "מי מהם בכלל כשיר למשימה שיש לך."

שניהם הגיעו בשקט ולאחרונה, בדרכים שונות. Jev 1.13 הושק ב-2026-09-15 — המודל הציבורי הראשון של TypeSafe אחרי שנתיים בחשאיות — והיה ניתן לקריאה דרך הקטלוג של OrcaRouter עצמו בכתובת typesafe/jev-1.13 מאז 2026-09-24. ל-VideoJev אין השקה כלל: הפרה-פרינט ב-arXiv פורסם ב-2026-10-13, שני הצ'קפוינטים ברישיון Apache-2.0 עלו ל-Hugging Face ב-2026-10-10, והמאגר עדיין קיבל תיקוני README ב-2026-10-14. אף אחד מהם אינו סיפור השקה היום. מה שהופך את הצימוד לראוי לקריאה הוא שהם אותו הימור ארכיטקטוני המיושם על שני סוגי נתונים שונים, וההבדל באופן שבו כל אחד מהם מסופק אומר לך את רוב מה שאתה צריך כדי להחליט.

שורה אחת לכל אחד, כי הסיכומים מתפצלים במהירות.

Jev 1.13 הוא נקודת קצה מתארחת. אתה שולח ב-POST בלוק של מצב וקבוצה של שאלות עם שמות אל /v1/systemone ומקבל בחזרה תשובה אחת בעלת טיפוס לכל שאלה — noul (אמת/שקר עם הסתברות מכוילת), choice (תווית אחת מתוך עד 255 אפשרויות), או score (רמה בסולם סדור מ-2 עד 10). שום דבר לא נוצר, לכן אין טוקנים של פלט ו-TypeSafe לא מחייבת עליהם דבר; הקלט הוא $0.042 למיליון טוקנים. הארכיטקטורה שלו, מספר הפרמטרים וחישוב האימון אינם נחשפים. הקלט שלו הוא טקסט בלבד — מחרוזות, JSON, מערכים — ללא נתיב של תמונה, אודיו או וידאו. אתה לא מריץ אותו; כל קריאה נמדדת.

VideoJev הוא הסידור ההפוך. זהו צ'ק-פוינט שאתם מורידים ומגישים בעצמכם, תחת Apache-2.0, שנבנה באמצעות כיוונון עדין של מודל LLM רב-מודלי קיים: VideoJev-4B על Qwen3.5-4B, ו-VideoJev-35B-A3B על Qwen3.6-35B-A3B. המחברים מסירים את שכבת ה-MLP הסופית ואת ראש הפלט של מודל השפה ומחליפים אותם במדרג מועמדים, כך שהמודל לעולם אינו כותב תשובה — הוא מדרג מרווחים מועמדים ותשובות מועמדות ישירות. שני מצבי הסקה מארגנים אותו: הסקה במטמון מקודדת את הווידאו פעם אחת ומסתעפת עבור כל שאילתה חדשה מהקידומת הזו, ו-הסקה משותפת מציבה קבוצת שאלות מאחורי קידומת וידאו אחת וקוראת את כולן במעבר קדימה בודד.

הממדים שלמעשה מפרידים ביניהם

• אופן קלט — וידאו, בקצב 2 fps עם פריימים שמוגבלים ל-640×640 עבור VideoJev, לעומת מצב טקסט בלבד עבור Jev 1.13.

• מהי "החלטה" — מרווח זמן בשניות בתוספת אינדקס אפשרות לעומת תווית עם טיפוס, רמה או הסתברות.

• אספקה — משקולות Apache-2.0 באירוח עצמי לעומת נקודת קצה מתארחת בתשלום לפי שימוש.

• מחיר — שעות ה-GPU שלך לעומת $0.042 למיליון טוקני קלט, כאשר הפלט מחויב באפס.

• העלות של שאילתה שנייה על אותו הקשר — כל בעיית התכנון של VideoJev, שנפתרת באמצעות שימוש חוזר בקידומת; Jev שולח מחדש את המצב בכל קריאה, מאחר שאין לו קידומת בגודל וידאו שאפשר לפרוס את עלותה.

• פירוט שפורסם — מאמר מקדים בן תשעה עמודים עם טבלאות לכל בנצ'מרק וניתוחי אבלציה לעומת מצב ללא חשיפת ארכיטקטורה, פרמטרים או פרטי אימון.

• היכן ניתן להריץ אותו — בכל מקום שיש לך GPU מתאים, לעומת נקודת הקצה של TypeSafe והשערים שמעבירים אותו, כולל typesafe/jev-1.13 ב-OrcaRouter.

שימו לב למה שלא נמצא ברשימה הזו: בנצ'מרק משותף. אין שום דבר ששני המודלים קיבלו עליו ציון, מפני שאין משימה ששניהם יכולים לקבל. כל טבלה שתעמיד אותם זה לצד זה תמציא השוואה.

היכן שהייחוס אמיתי, והיכן שהוא נגמר

החוב האינטלקטואלי מפורש ולא מוסק. המבוא של VideoJev ממסגר את תרומתו ככזו שלוקחת את הנחת היסוד של System One — שמודל יכול לפלוט שיפוט מובנה במקום לייצר טוקנים — ושואלת מה משתנה כאשר לדבר הנשפט יש ציר זמן. התשובה של Jev ל"כיצד מודל מחליט בלי לכתוב?" היא ראש ניקוד מעל קבוצת אפשרויות מוצהרת. התשובה של VideoJev היא אותו ראש ניקוד המכוון גם לחתמות זמן וגם לתוויות.

ההרחבה הזו אינה קוסמטית, והמאמר ספציפי באופן יוצא דופן לגבי הסיבה. כאשר ההקשר הבסיסי הוא וידאו, החלק היקר הוא הקידוד החזותי, וסוכן ששואל שש שאלות על אותו צילום לא אמור לשלם על כך שש פעמים. שני מצבי ההסקה של VideoJev קיימים כדי לפתור זאת, והמספרים מראים מה הם קונים: בעשר שאילתות עיגון מול וידאו אחד, 0.39 שנייה עבור VideoJev לעומת 5.98 שניות עבור בסיס Instruct; בצד השאלות והתשובות, עשר שאילתות ב-1.67 שניות. ל-Jev אין מקבילה כי מצב טקסטואלי זול לשליחה מחדש — הבעיה ש-Jev פותר היא השהיית ההחלטה לכל קריאה, והבעיה ש-VideoJev פותר היא השהיית ההחלטה לכל קריאה לאחר הראשונה.

נקודת העצירה היא המודאליות. התיעוד של TypeSafe עצמו אומר במפורש שהקלט של System One הוא טקסט — "מחרוזות, אובייקטי JSON ומערכים של טקסט" — ושתמונות, אודיו וווידאו אינם נתמכים. לכן שני המודלים אינם תחליפים זה לזה בשום משימה. אם המצב שלך הוא מסמך, יומן צ'אט או שליחת טופס, VideoJev לא יכול לקלוט אותו. אם השאלה שלך היא "מתי בצילום הזה האישה בירוק אוכלת פסטה", גם Jev 1.13 לא יכול לקלוט אותה.

המספרים, ומי שהפיק אותם

הנתונים המרכזיים של VideoJev מגיעים ממערכת הבדיקה של המחברים עצמם ולא שוחזרו באופן בלתי תלוי. VideoJev-4B מגיע ל-65.3 mIoU ממוצע בשלושה מבחני עיגון זמני, 6.7 נקודות מעל מודל הבסיס Qwen3.5-4B שלו; VideoJev-35B-A3B מגיע ל-67.7, 10.8 נקודות מעל Qwen3.6-35B-A3B. בארבעה מבחני QA לווידאו השניים ניצבים על ממוצע של 74.3 ו-79.5, בטווח של 0.6 נקודות מתחת ו-0.7 נקודות מעל מודלי הבסיס שלהם במצב Thinking, במהירות של פי 129 ופי 100. המאמר גם מריץ השוואה מבוקרת — Qwen3.5-4B אוטורגרסיבי רגיל שעבר כיוונון עדין על אותם נתונים בדיוק, אותו לוח זמנים של אימון — ו-VideoJev מנצח אותו ב-1.3 נקודות של mIoU לעיגון וב-1.9 נקודות של ציון QA. הבקרה הזו היא הראיה החזקה ביותר במאמר, משום שהיא מבודדת את צורת הקריאה מנתוני האימון.

שתי הסתייגויות חשובות אם אתם מתכננים להסתמך עליו. המאמר מדווח על שגיאת כיול ממוצעת של 8.65 נקודות ב-4B ו-8.13 ב-35B-A3B, מה שאומר שהציונים הם אות דירוג טוב אך הסתברות גרועה — התייחסו ל-0.9 כ"ראש הרשימה", לא כ"סביר ב-90%". והתצורה הראשית של הצ'קפוינט 35B היא FP32, לפי עמוד הפרויקט, כך שטביעת הזיכרון של המודל הגדול כבדה יותר ממה שמספר הפרמטרים מרמז.

הנתונים של Jev 1.13 מפורסמים גם כן על ידי הספק, אבל הם מהסוג שאפשר לבדוק על ידי קריאה אליו: עלות קבועה של $0.042 למיליון טוקני קלט, עלות פלט אפס, וזמני תגובה מקצה לקצה של 70–500 מילישניות. TypeSafe גם היא גלויה לגבי אילו טענות אינן ניתנות להפרכה ואילו כן, ומציינת ש"אין שגיאות טיפוסים" לא ניתן להפריך עם דוגמה נגדית, כי ערך מחוץ לקבוצה המוצהרת שלך אינו ערך שהמודל יכול לפלוט.

אם אתה צריך את שניהם, יש לך שתי בעיות רכש

זה המקום שבו ההבדל באספקה מפסיק להיות פילוסופי. VideoJev מגיע כמאגר קוד: PyTorch 2.8, CUDA 12.8, FlashAttention 2, trust_remote_code=True, ומדריך התחלה מהירה שמניח H200 עבור הגדרות הווידאו הארוך. אין עדיין תמיכה ב-vLLM או ב-SGLang, כך שזה לא משהו שאתה משרת בתפוקה מחר. אתה לוקח על עצמך סטאק הסקה, לא מערכת יחסים עם ספק.

Jev 1.13 מגיע כמפתח API, וזה המקום היחיד שבו OrcaRouter רלוונטי באופן ישיר: המודל נמצא בקטלוג שלנו, כך שהוא יושב על אותו מפתח כמו החצי הגנרטיבי של כל תהליך עבודה שאתם בונים — API אחד ל-200+ מודלים, 0% תוספת מחיר (מחיר המחירון של הספק מועבר כמו שהוא, כך ששינוי מחיר ב-TypeSafe נכנס לתוקף כאן באותו יום), מעבר אוטומטי בין ספקים, ו-DSL לניתוב אם אתם רוצים להרכיב כמה מודלים לקריאה אחת. VideoJev אינו מתארח כאן והמאמר הזה לא יעמיד פנים אחרת. הפעלתו משמעה הורדת משקולות Apache-2.0 והקמת שירות משלכם; מה שאנחנו מורידים מהצלחת שלכם הוא כל מה שסביבו — המסכם שכותב את התוצאה, המסווג הזול יותר שמסנן אם בכלל שווה לבצע את שיחת הווידאו, ומנגנון הגיבוי כשספק מתנדנד.

כלל ההחלטה

הסיכום הכנה הוא ששני אלה הם דמיון משפחתי, לא יריבות. בחר Jev 1.13 כאשר השיפוט הוא על טקסט, התשובה היא אחת מתוך קבוצה שאתה מצהיר עליה מראש, ואתה רוצה שמישהו אחר יפעיל את התשתית ואת עבודת הכיול. בחר VideoJev כאשר הראיה היא וידאו, התשובה היא חותמת זמן או בחירה מרובת אפשרויות, ויש לך ה-GPUs ואת התיאבון להריץ מהדורת מחקר שלא שוכפלה — עם מבט קפדני תחילה על הצילומים שלך עצמך, מאחר שהמאמר מתעד את מצב הכשל של עצמו (ספירת אובייקטים קטנים, שבו שני הגדלים מחמיצים תשובה של ארבעה ספרים) ושלך יהיה שונה.

מה שישנה את התמונה הוא צ'קפוינט שלישי ולא מנצח. אף אחד מהמודלים לא קרוב להיות סוכן חזותי כללי: Jev לא יכול לראות, ו-VideoJev יכול לענות רק על שתי צורות השאלות שאומן עליהן. החדשות המעניינות יהיו גרסה של VideoJev עם מסלול טקסט, או גרסה של Jev שמקבלת פריימים — ואז שני הקווים מתכנסים, וזה מפסיק להיות שני מאמרים על שתי פרדיגמות והופך למאמר אחד על קרב.

שחרור הוא גם הרגע לבדוק מה השתבש קודם: תקריות ה-AI המתועדות וכשלי סוכנים סביב מודלים בקטגוריה הזו מרוכזים בארכיון תקריות ה-AI של OrcaRouter , כאשר כל רשומה נושאת את המקורות שלה, חומרה, דירוג ביטחון ודגל מחלוקת.