Технический блог Jev и ранний доступ
В конце треда Диого есть ссылки на официальный технический блог и вход в ранний доступ для дальнейшего чтения.
Бенчмарк включает 900 реальных решений Jev, оценённых Opus 5, с согласованностью 85,8/100; расхождения почти полностью сосредоточены там, где Jev сообщал о низкой уверенности, и любой может воспроизвести его на своей модели.
Open weight builders will need a public yardstick. One went out today: 900 real Jev decisions graded by Opus 5, 85.8 of 100 agree, and the misses sit almost entirely where Jev reported low confidence. Anyone can rerun it against their own model: