#jev Repositories
Entdecke 40 aktive Open-Source-GitHub-Repositories, die mit #jev getaggt sind und insgesamt 115,834 Sterne gesammelt haben (durchschnittlich 2,895 Sterne pro Projekt). Spitzenreiter in diesem Themenbereich ist NandhaKishorM/laya mit 35,758 Sternen.
Insgesamt 40 Repositories
Nicht-autoregressiver System-1-Entscheidungsmotor. Führt über beliebige Texte in einem einzigen Vorwärtsdurchlauf typisierte Auswahl-, Bewertungs- und Ja/Nein-Entscheidungen in mehr als 100 Sprachen aus – mit einem Router, der für jede Anfrage den passenden Checkpoint auswählt.
Verwenden Sie PEFT oder ein Training mit vollständigen Parametern für CPT/SFT/DPO/GRPO auf über 600 LLMs (Qwen3.8, DeepSeek-V4, GLM-5.1, InternLM3, Llama4, ...) und über 300 MLLMs (Qwen3-VL, Qwen3-Omni, InternVL3.5, Ovis2.5, GLM5.3, Gemma4, LLaVA, Phi4, ...) (AAAI 2025).
Jev-ähnliche Familie von Entscheidungsmodellen auf Basis von Qwen3.5/3.8, die Sie selbst trainieren und ausführen können
✨ Alle Ihre Agenten und Arbeitsbereiche an einem Ort, auf jedem Gerät, das Sie besitzen. Verfolgen Sie Aufgaben auf einem Board, zugänglich über Desktop, Mobilgerät, Browser oder API. Selbst gehostet.
Die frameworkübergreifende, selbstoptimierende Speicherschicht für KI-Agenten. Tritt unserer Community bei: https://discord.com/invite/zdNChS2fBu
Finde Code, indem du fragst, was er tut. Eine CLI für Programmieragenten, die Jev verwendet, um relevante Dateien und den Quellcodekontext zu ermitteln.
Eine persistente, einheitliche Speicherschicht für all Ihre KI-Agenten (z. B. Claude Code, Codex, DSH), basierend auf Markdown und Milvus.
Eine kuratierte Liste öffentlicher Projekte, Integrationen und Diskussionen, die auf Jev basieren – dem System-One-Modell von TypeSafe AI für typisierte Entscheidungen.
Extrahieren Sie strukturierte Daten und Erkenntnisse aus Dokumenten mithilfe großer Sprachmodelle und Entscheidungsmodelle
Desktop-KI-Assistent mit GPT, Gemini, Claude, Grok, Ollama, DeepSeek, Perplexity und mehr – Chat, Agenten, Tools, MCP, Plugins, RAG, Bildverarbeitung, Sprache, Bild- und Videogenerierung, Sprachsynthese und Spracherkennung, Websuche, Gedächtnis, Voreinstellungen, Canvas, Assistenten, Designs und Computersteuerung. Für Windows, Linux und Mac.
Verwandle jedes LLM in ein Entscheidungsmodell im Jev-Stil: typisierte Entscheidungen, echte Wahrscheinlichkeiten, kein Training. (Wird laufend aktualisiert; Issues und PR-Anfragen sind willkommen)
Die quelloffene Multi-Agenten-Alternative zu Claude Tag. Erwähne @ einen beliebigen Agenten, wo immer gearbeitet wird – sie arbeiten an der Seite deines Teams und lernen kontinuierlich dazu.
Jev-kompatibler API-Server für offene Entscheidungsmodelle. Ollama für Entscheidungsmodelle: 29 Modellfamilien (Laya, pplx-decider, Clef, Winnow, coba...) lokal herunterladen und ausführen oder hinter /v1/systemone selbst hosten. Das TypeSafe-SDK funktioniert unverändert: Basis-URL festlegen und ein offenes Modell auswählen. CLI, Desktop-App, Docker, MCP-Server und öffentlicher Benchmark.
KI-Agenten können Code generieren, haben aber weiterhin Schwierigkeiten zu verstehen, was sie erstellen. Reticle bringt eine maschinennative Laufzeitwahrnehmung im Jev-Stil in Web- und Desktop-Anwendungen.
MOMO CODE — RSI *JEV*Pi --KI-Coding-Agent, der sich mit dir weiterentwickelt
Ein verifizierter, von der Community gepflegter Katalog mit 997 Open-Source-Projekten, die mit Jev erstellt wurden.
Eine Harness-Umgebung für DeepSeek-Coding-Agenten: persistente Shell, Ultra-Subagenten, automatische Genehmigung, Chrome-MCP und Sitzungstelemetrie
jevos: eine Open-Source-Alternative zu Jev und Microsoft-Decision-1. Ja/Nein-Entscheidungen, Auswahlmöglichkeiten und Bewertungen mit Wahrscheinlichkeiten – auf der CPU Ihres Laptops.
Offene multimodale Entscheidungsmodelle mit 0,8B bis 27B Parametern für Text, Bilder und Videos. Treffen Sie Entscheidungen anhand von Wahrscheinlichkeiten für eigene Kandidaten und lokalisieren Sie Objekte mit Begrenzungsrahmen, statt Text zu generieren. Kostenlose API, ONNX, GGUF, vLLM und SGLang; Fine-Tuning-Code enthalten.
Das Open-Source-Entscheidungsmodell System One. Unter 15 ms, nicht autoregressiv und eine lokal einsetzbare Drop-in-Alternative zu TypeSafe Jev.
JevChat-Windows: Ein Antwortassistent, der neben dem Chatfenster angedockt ist. Er erstellt einen Screenshot des Fensters und liest die Nachrichten der anderen Person per lokalem Offline-OCR aus → Jev ermittelt die Absicht → 3 Antwortvorschläge können mit einem Klick eingefügt werden; das Senden erfolgt immer manuell.
Ein von Entscheidungsmodellen gesteuerter Agenten-Supervisor und Softwarefabrik-Vorarbeiter
Bilibili Browser-Erweiterung: Erkennt eingebettete Werbung in Bilibili-Videos basierend auf großen Sprachmodellen. Überspringen Sie mit einem Klick eingebettete/gesprochene Werbung in Videos.
Awesome Jev: quellenbasierter Radar für das Open-Source-Ökosystem, leicht verständliche Projektsuche und automatische GitHub-Synchronisierung
Eine kuratierte Liste von Entscheidungsmodellen (System Eins / typisierte Entscheidungsmodelle): gehostete APIs, Modelle mit offenen Gewichten, Laufzeitumgebungen, SDKs, Anwendungen, Benchmarks und wissenschaftliche Arbeiten.
Ein mehrstufiger Code-Review-Workflow und ein lokales Dashboard, erstellt mit TypeSafe Jev.
Ein LLM + Jev-Workflow, der ALLES verändert. Stärke dein Wirbeltiergehirn mit einer Wirbelsäule im Inneren.
Awesome Jev: ein quellenbasierter Praxisleitfaden zum System-One-Modell von TypeSafe – mit SDKs, Live-Demos, Agenten-Tools und unabhängigen Evaluierungen.
mu (μ): Bei den meisten Entscheidungen eines Programmieragenten geht es nicht um Code. mu überträgt 40 Arten von Ja-Nein-Entscheidungen an ein kleines Modell: weniger verschwendete Tokens, weniger automatische Genehmigungen und weniger Durchläufe, die auf halbem Weg abbrechen. Auf pi aufgebaut.
Veröffentliche, was du auf Jev entwickelt hast, dem Entscheidungsmodell System One von TypeSafe AI: ein wöchentliches Board, auf dem Entwickler ihre Arbeit vorstellen und andere abstimmen, ergänzt durch einen Index öffentlicher Jev-Beispiele nach Entscheidungsmuster, mit Quellenangaben, datierten Link-Prüfungen und Prüfungen des Textes an den Aufrufstellen; Laufzeit und Performance werden hier nicht unabhängig getestet. EN/中文, JSON-Schema, Plattformmatrix.
Eine kuratierte, quellenbasierte Liste von Projekten, die mit Jev erstellt wurden, dem System-One-Modell von TypeSafe AI für typisierte Entscheidungen.
MinusPod ist ein selbst gehosteter Server, der Werbung entfernt, bevor du überhaupt auf „Abspielen“ drückst
Eine sorgfältig zusammengestellte Liste von Tools für Jev – das System-One-Modell von TypeSafe AI für typisierte Entscheidungen.
Eine vollständig in Rust entwickelte Inferenz-Engine für LLMs, VLMs, VLAs, TTS und OCR, angetrieben von Candle und Rust. Eine Alternative zu llama.cpp, die viel einfacher und übersichtlicher ist.
🔥🔥 Awesome Jev: Open-Source-Modelle, Projekte, Benchmarks und unabhängige Bewertungen für Jev- und System-One-Modelle.
Häufig gestellte Fragen
Welches ist das beliebteste #jev-Repository auf GitHub?
Das am höchsten eingestufte Open-Source-#jev-Projekt auf GitHub ist NandhaKishorM/laya mit 35,758 Sternen. Nicht-autoregressiver System-1-Entscheidungsmotor. Führt über beliebige Texte in einem einzigen Vorwärtsdurchlauf typisierte Auswahl-, Bewertungs- und Ja/Nein-Entscheidungen in mehr als 100 Sprachen aus – mit einem Router, der für jede Anfrage den passenden Checkpoint auswählt.
Welche Programmiersprachen werden in #jev-Repositories am häufigsten verwendet?
Unter den am höchsten eingestuften #jev-Projekten auf GitHub sind Python, TypeScript, Rust, Go die am häufigsten verwendeten Programmiersprachen.
Wie wird das Ranking der #jev-Repositories berechnet?
Wir verfolgen 40 aktive Open-Source-Repositories, die mit #jev getaggt sind (500+ Sterne), mit insgesamt 115,834 Sternen und durchschnittlich 2,895 Sternen pro Repository. Die Rankings werden täglich über die GitHub-API aktualisiert.