Todo el mundo habla de Jev como la próxima frontera de IA, pero el autor lo demuestra en solo 25 líneas de Python usando un modelo local GGUF. El script carga Qwen/Qwen3-0.6B-GGUF mediante llama-cpp-python, define las opciones de clasificación (Legítimo, Spam, Phishing), y extrae los logits para cada opción token. Luego convierte los logits a probabilidades usando la función logaddexp de numpy para estabilidad numérica.

El ejemplo muestra Phishing con 0.885 de probabilidad. El autor argumenta que Jev simplemente es clasificación local con probabilidades calibradas: rápido, privado, sin llamadas a API, sin datos sintéticos, sin entrenamiento RLCD. Señalan que esto es una broma y enlazan a implementaciones open source más completas: Open Jev, openjev-sglang y Open Jev on Diffusion Gemma.

Todo funciona por Nobody Who de código abierto.