VideoJev 對比 Jev 1.13：相同理念，兩種不同任務

這個比較看起來顯而易見，直到你試著把它寫下來。VideoJev是南京大學 MCG 實驗室的開放權重研究成果，會根據影片證據為時間區間與答案選項評分，並提供兩個檢查點：VideoJev-4B與VideoJev-35B-A3B。Jev 1.13是 TypeSafe AI 的閉源、託管式決策模型——也就是為兩者所屬類別命名的模型。VideoJev 自己的論文引用 Jev 作為其延伸範式的起源，這讓兩者看起來像一場正面對決。但大多並非如此。Jev 1.13 接收文字狀態並回傳具型別的決策。VideoJev 接收影片並回傳評分後的區間或所選選項。它們在概念上重疊，但在輸入上幾乎毫無交集，所以有用的問題不是「哪個更好」，而是「哪一個才有資格勝任你手上的任務」。

兩者都在近日悄然登場，只是方式不同。Jev 1.13 於 2026-09-15 推出——TypeSafe 在隱匿兩年後的首個公開模型——並可透過 OrcaRouter 自家目錄呼叫，模型代號為 typesafe/jev-1.13，自 2026-09-24 起。VideoJev 則根本沒有發布：arXiv 預印本於 2026-10-13 上線，兩個 Apache-2.0 檢查點在 2026-10-10 登上 Hugging Face，而該儲存庫在 2026-10-14 時仍在接收 README 修正。如今兩者都不是發布題材。這組配對值得一讀的原因在於，它們是同一種架構賭注套用到兩種不同資料類型，而各自交付方式的差異，最能告訴你做出決定所需的大部分資訊。

每項一行，因為摘要很快就會分歧

Jev 1.13 是一個託管端點。你將一塊狀態和一組具名問題 POST 到 /v1/systemone，然後每題取回一個具型別的答案——noul（附校準機率的真/假）、choice（最多 255 個選項中的一個標籤）或 score（2 到 10 有序量表上的一個等級）。沒有任何內容被生成，因此沒有輸出詞元，TypeSafe 也不計費；輸入為每百萬詞元 $0.042。其架構、參數量與訓練算力未公開。其輸入僅限文字——字串、JSON、陣列——沒有影像、音訊或視訊路徑。你不會執行它；每次呼叫都會計量。

VideoJev 則是相反的做法。它是一個你自行下載並自行部署的檢查點，採用 Apache-2.0 授權，透過微調既有的多模態 LLM 打造而成：VideoJev-4B 基於 Qwen3.5-4B，VideoJev-35B-A3B 基於 Qwen3.6-35B-A3B。作者移除了最後的 MLP 與語言模型輸出頭，並以候選評分器取而代之，因此模型從不撰寫答案——它直接為候選區間與候選答案評分。它由兩種推論模式組成：快取推論會將影片編碼一次，並讓每個新查詢從該前綴分支出去，而 聯合推論則將一組問題放在同一個影片前綴之後，並在單次前向傳遞中一次讀出所有答案。

真正將它們區分開來的維度

• 輸入模態——針對 VideoJev 為影片，以 2 fps 運行且影格上限為 640×640；而 Jev 1.13 則僅有文字狀態。

• 「決策」是什麼 — 以秒計的時間區間，加上一個選項索引，對比於具型別的標籤、等級或機率。

• 交付 — 自行託管的 Apache-2.0 權重，對比按用量計費的託管端點。

• 價格 — 您自己的 GPU 使用時數 vs 每百萬輸入 token 收取 $0.042，輸出計費為零。

• 在同一上下文上進行第二次查詢的成本 — VideoJev 的整個設計問題，由前綴重用給出解答；Jev 每次呼叫都會重新傳送狀態，因為它沒有影片大小的前綴可供攤銷。

• 已發表的細節 —— 一份九頁的預印本，內含各基準測試的表格，並以未揭露架構、參數或訓練資訊為對照進行消融實驗。

• 你可以在哪裡運行它 —— 任何你擁有合適 GPU 的地方，對比 TypeSafe 的端點以及承載它的那些閘道，包括 OrcaRouter 上的 typesafe/jev-1.13。

注意不在那張清單上的東西：一個共用的基準測試。兩個模型都不曾被同一項目評分過，因為沒有一項任務是兩者都能接受的。任何把它們並列在一起的表格，都只是在捏造一種比較。

世系何處為真，又止於何處

這份智識債是明示的，而非推論出來的。VideoJev 的導言將其貢獻定位為承接 System One 的前提——模型可以輸出結構化判斷，而不是生成詞元——並追問當被判斷的對象具有時間軸時，會有什麼改變。Jev 對「模型如何在不書寫的情況下做出決定？」的回答，是針對一組已宣告選項集進行評分的一個評分頭。VideoJev 的答案則是同一個評分頭，既指向標籤，也指向時間戳。

那項擴充並非表面功夫，而論文對其原因異常明確。當底層脈絡是影片時，昂貴的部分在於視覺編碼，而針對同一段影片提出六個問題的代理，不應為此付出六次代價。VideoJev 的兩種推論模式都是為了解決這點而存在，而數字顯示它們換來了什麼：對一部影片進行十次 grounding 查詢時，VideoJev 為 0.39 秒，而 Instruct 基線為 5.98 秒；在 QA 方面，十次查詢只需 1.67 秒。Jev 沒有對應做法，因為文字狀態重送的代價很低——Jev 解決的問題是每次呼叫的決策延遲，而 VideoJev 解決的問題是決策延遲（首次之後的每次呼叫）。

分界點在於模態。TypeSafe 自家的文件明確指出，System One 的輸入是文字——「字串、JSON 物件與文字陣列」——且不支援圖像、音訊與視訊。因此，這兩個模型在任何任務上都不能相互替代。如果你的狀態是文件、聊天記錄或表單提交，VideoJev 無法處理。如果你的問題是「這段影片中，穿綠色衣服的女子何時吃義大利麵」，Jev 1.13 也無法處理。

這些數字，以及是誰產出它們的

VideoJev 的主要數據來自作者自家的評測框架，尚未經獨立重現。VideoJev-4B 在三項時間定位基準上達到 65.3 平均 mIoU，比其 Qwen3.5-4B 骨幹高出 6.7 點；VideoJev-35B-A3B 達到 67.7，比 Qwen3.6-35B-A3B 高出 10.8 點。在四項 video-QA 基準上，兩者平均分別為 74.3 與 79.5，較其 Thinking 模式骨幹低 0.6 點與高 0.7 點，速度則達 129 倍與 100 倍。論文也進行了一項受控比較——一個在完全相同資料、相同排程上微調的普通自迴歸 Qwen3.5-4B——而 VideoJev 在定位 mIoU 上以 1.3 點、在 QA 分數上以 1.9 點勝過它。該對照是論文中是最強的證據，因為它將讀出形狀與訓練資料隔離開來。

如果你打算依賴它，有兩點需要注意。該論文報告在 4B 與 35B-A3B 的平均校準誤差分別為 8.65 點與 8.13 點，這意味著這些分數是很好的排序訊號，卻是糟糕的機率——請把 0.9 當成「清單最頂端」，而不是「有 90% 可能」。此外，根據專案頁面，35B 檢查點的主要配置是 FP32，因此較大模型的記憶體佔用量比參數量所暗示的更沉重。

Jev 1.13 的數據同樣是由廠商公布的，但這類數據可以透過實際呼叫它來查核：每百萬個輸入 token 固定為 0.042 美元、輸出成本為零，以及 70–500 毫秒的端到端回應時間。TypeSafe 也坦率說明哪些宣稱無法被否證、哪些則可以，並指出「沒有型別錯誤」無法用反例加以推翻，因為超出你所宣告集合的值並不是模型能輸出的值。

如果你兩者都需要，你就有兩個採購問題。

這就是交付上的差異不再只是哲學問題的地方。VideoJev 以一個 repo 的形式到來：PyTorch 2.8、CUDA 12.8、FlashAttention 2、trust_remote_code=True，以及一個假設要用 H200 才能跑長影片設定的快速入門。目前還沒有 vLLM 或 SGLang 支援，所以這不是你明天就能拿來做高吞吐量服務的東西。你要接手的是推論堆疊，而不是供應商關係。

Jev 1.13 以 API 金鑰的形式登場，而這正是 OrcaRouter 唯一直接相關的地方：該模型就在我們的目錄中，因此它會與你正在建構的任何工作流程的生成端共用同一把金鑰——一個 API 涵蓋 200+ 個模型，0% 加成（供應商標價原樣傳遞，因此 TypeSafe 的價格變更當天就會在此生效），跨供應商自動容錯移轉，以及一套路由 DSL，讓你想把多個模型組合成一次呼叫時使用。VideoJev 並非代管於此，本文也不會假裝不是。執行它意味著下載 Apache-2.0 權重並自行架設服務；我們替你卸下的是它周遭的一切——把結果整理成摘要的摘要器、用來把關這通視訊呼叫究竟值不值得進行的較便宜分類器，以及供應商不穩時的備援。

決策規則

誠實的總結是，這兩者是家族相似性，而非競爭對立。選擇 Jev 1.13的時機是：當判斷對象是文字、答案是你事先宣告的一組選項之一，而且你希望由別人負責執行基礎設施與校準工作。選擇 VideoJev的時機是：當證據是影片、答案是時間戳或選擇題選項，而且你有 GPU 與意願去執行一個未經重複驗證的研究發布——但先嚴格檢視你自己的影片素材，因為該論文記錄了它自身的失效模式（小型物件計數，兩種尺寸都會漏掉一個四本書的答案），而你的情況會不同。

真正會改變局面的，是第三個檢查點，而不是一個贏家。這兩款模型都還算不上通用的視覺代理：Jev 看不見，而 VideoJev 只能回答它受訓時所學的兩種問題形式。真正有趣的消息會是推出一版帶有文字路徑的 VideoJev，或是一版能接受影格的 Jev——到了那時，這兩條路線就會匯流，而這也就不再是兩篇關於兩種範式的文章，而會變成一篇關於一場對決的文章。

發布也是檢查過去出了什麼問題的時機：與這類模型相關、已記錄在案的 AI 事故與代理失效，都彙整於 OrcaRouter AI Incident Archive，其中每筆條目都附有各自的來源、嚴重程度、信心等級與爭議標記。