Modelos locales y sin conexión

Incluye modelos preentrenados y ajuste fino para preguntas binarias, de elección múltiple y de puntuación sobre texto compartido. Su API sigue TypeSafe System One, por lo que el SDK Python de TypeSafe puede apuntar al servidor Kev local.

El asistente Android lee conversaciones visibles mediante accesibilidad y OCR local y muestra análisis y sugerencias en una superposición. Jev evalúa intención y opciones de respuesta; un modelo generativo redacta tres candidatos y Jev los ordena.

La memoria consultable recupera decisiones, depuración e historia de funciones entre agentes compatibles; Markdown es la fuente principal. El reranking Jev opcional usa la API remota de TypeSafe para reordenar resultados sin descargar un modelo local.

Responde preguntas de elección, booleanas y de puntuación ordenada a partir de estados y candidatos, sin decodificar tokens de respuesta. Es un modelo local independiente inspirado en Jev; las grabaciones comparan Jev y Qwen sin ajustar con las mismas interfaces de juego.

Proporcione texto o estado estructurado y una pregunta binaria para obtener la probabilidad de sí. El servidor usa el formato Jev para Noul, permitiendo a clientes existentes conectarse a un modelo autohospedado distinto.

decider devuelve probabilidades Choice, Score y Noul a partir de un estado y preguntas tipadas en una pasada. Esta familia independiente, inspirada en Jev, usa bases Qwen; sus datos no se destilaron de Jev. Usa la interfaz Python Decider o conecta los SDK de TypeSafe a su endpoint HTTP local compatible.

ollaya descarga modelos de decisión abiertos por nombre y atiende preguntas tipadas mediante un servicio local. Implementa endpoints compatibles con TypeSafe para clientes Jev existentes, como proyecto independiente. Utiliza su CLI, aplicación de escritorio o servidor MCP; los Modelfiles agrupan conjuntos reutilizables de preguntas.

awesome-jev-by-typesafe reúne casos, instrucciones, patrones y código inicial con fuentes como recurso comunitario independiente. Explica Choice, Score y Noul para clasificar, enrutar y verificar, dejando el control del flujo al código. Incluye ejemplos Python y TypeScript; las pruebas locales no necesitan clave, pero los ejemplos en vivo requieren TYPESAFE_API_KEY.

LocalJev convierte solicitudes tipadas en instrucciones de clasificación para DiffusionGemma y valida las probabilidades generadas. Su servicio Bun ofrece el formato de respuesta Jev mediante un backend de chat compatible con OpenAI. Ejecútalo con Bun y oMLX, y dirige los clientes TypeSafe SDK a la API local.

hippo-memory guarda recuerdos en SQLite, registra su procedencia y permite suprimir recuerdos incorrectos mediante comentarios. Su reordenador Jev opcional clasifica los recuerdos recuperados y está desactivado por defecto. Los agentes guardan y recuperan recuerdos por CLI o MCP, compartiéndolos entre herramientas de programación.

Rizzo Flow ejecuta modelos abiertos localmente y devuelve elecciones, probabilidades, puntuaciones y números por una interfaz HTTP compatible con Jev. Reproduce el patrón de interfaz de Jev, no su arquitectura ni entrenamiento propietarios; es independiente. Sirve un modelo con llama.cpp y dirige el código compatible con TypeSafe al endpoint local.

Von evalúa preguntas independientes en una pasada para clasificar, comprobar sí/no y asignar puntuaciones ordenadas. Es otro modelo System One con API compatible con TypeSafe, ejecutable en el proceso o por HTTP. Usa el SDK Python o TypeScript, o publica el modelo local mediante von serve.

Shapeshift convierte texto en tarjetas de eventos, listas, temporizadores, repartos de gastos y otras interfaces específicas. Jev opcional clasifica intención y señales; el código calcula fechas y cantidades. Por defecto usa palabras clave sin conexión. Escribe en la aplicación Bun, elige una tarjeta y guárdala; una clave TypeSafe del servidor activa Jev.

TipTour es un asistente de barra de menú macOS con tareas de texto Jev y un modo de voz Gemini separado. Jev elige controles detectados localmente; TipTour ejecuta y valida clics, manteniendo las capturas en el equipo. Selecciona modo, aporta su clave API y concede permisos; compilar requiere macOS 14.2+ y Xcode.

JevChat-Windows lee conversaciones WeChat y KakaoTalk mediante OCR local y muestra respuestas junto a la ventana. Jev evalúa intención y tensión y ordena tres candidatos; otro modelo redacta las respuestas. Configura claves separadas para decisión y redacción en Windows 10 1903+ o Windows 11.

Jev Review examina diffs Git o código completo buscando problemas de corrección, seguridad, fiabilidad, compatibilidad y pruebas. Jev selecciona evidencia, clasifica mecanismos y puntúa gravedad; cuando corresponde, elige al revisor mediante Choice. El código aplica umbrales y políticas del flujo. Usa Node.js 24+, Git y una clave TypeSafe para generar JSON o consultar revisiones guardadas localmente.

El paquete ejecuta Laya, de Convai Innovations, con ONNX Runtime para clasificar y puntuar con tipos definidos desde Node.js y TypeScript. Instala @receptron/laya con Node.js 20 o posterior, carga Laya y pasa estado y preguntas tipadas a systemOne; cierra la instancia al terminar.

El proyecto controla un jugador de Minecraft Java 1.16.5 mediante Mineflayer, separando el modelo planificador de la selección de acciones con Jev. Configura el relé de modelos y las rutas locales, instala dependencias, inicia el servidor vanilla y sigue el flujo documentado de nether-agent.

Jev Search convierte peticiones en lenguaje natural en enlaces y fragmentos, con filtros editables y puntuaciones de relevancia visibles. Para uso local, configura Search1API y un proveedor Jev en .dev.vars, instala con pnpm y ejecuta pnpm dev.

jev-router lanza las CLI originales mediante un proxy local y selecciona un nivel de modelo para cada nuevo turno del usuario. Instala con npm, configura JEV_API_KEY y ejecuta jev-claude o jev-codex con la CLI original instalada y autenticada.

Mobile Jev controla Android mediante Mobilerun, con estudio en vivo, CLI y trazas de ejecución. Configura ambas claves y un dispositivo listo; ejecuta pnpm dev para abrir el estudio local e introducir un objetivo.

TypeSafe Mario es un controlador NES experimental basado en telemetría del emulador y observaciones derivadas de RAM. Con Python 3.13, clave TypeSafe y juego local, inspecciona state-demo antes de ejecutar play.

LLM2Jev puntúa candidatos con logits de prefill de modelos locales de lenguaje y visión, sin generación token a token. Es una implementación independiente al estilo Jev con endpoint HTTP compatible con System One. Usa Python o HTTP con SGLang, Transformers o MLX y entradas de texto e imagen compatibles.

Unclutter oculta elementos innecesarios en Chrome, Chromium y Firefox con reglas guardadas por plantilla de página. Jev clasifica candidatos; la extensión valida respuestas y controla selectores y ocultación reversible. Elige credenciales TypeSafe o Vercel y analiza manualmente por defecto; las reglas guardadas funcionan sin conexión.