使用
Linux x86_64
需要先準備
- 執行環境:
Python 3.10 or newer
安裝 jev-style torch 後端
pip install -U "jev-style[torch]"
確認能用
jev-style --version輸出應包含「0.6.2」。
先試試這個
jev-style serve --fakecurl -s http://127.0.0.1:8765/healthz && echo "---MODELS---" && curl -s http://127.0.0.1:8765/v1/models以 jev-style serve 啟動本機伺服器,再從另一個終端機傳送請求。
它能做什麼
- 分類文字並取得各選項的機率已測試
怎麼使用
- 以
jev-style serve --fake啟動伺服器。 - 執行
jev-style decide "<your text>" --url http://127.0.0.1:8765 --choice "<question>::<option1>,<option2>,<option3>"。 - 在輸出的
probabilities欄位中查看各選項的機率。
- 以
- 分派客服工單與請求未測試
- 從圖片審閱收據與截圖未測試
pickfit 測到哪一步
Linux x86_64
- 可以安裝
- 可以啟動
- 3 項功能中 1 項可用
- 可離線使用
適合用來
- 分派客服工單
- 決定何時呼叫更大的模型
- 以支援圖片的版本審閱收據或截圖
pickfit 怎麼測的
每次測試都從乾淨的機器開始,照上面的步驟執行。 pickfit 怎麼驗證
Linux x86_64
服務能回應請求
- 從頭重跑
- 可離線使用
- 檢查於 2026年10月30日
- 版本 0.6.2
測試機器遇到的差異
- README: pip install -U jev-style[mlx] as first candidate
測試中: 在 Linux x86_64 上使用 pip install "jev-style[torch]";mlx 後端僅支援 Apple Silicon,無法在此使用 - README: jev-style serve downloads 0.8B weights (~1.5GB)
測試中: jev-style serve --fake 可產生確定性回答,不需下載 1.5GB 權重;一般 serve 需要下載,且所需 RAM 超過 2GB 的環境 - README: review receipts or screenshots with the image-capable build
測試中: 假伺服器回報 images:false,並以 400 images_not_supported 拒絕素材;圖片需要 2B v4 torch 版本