Jev vs Kev y djev: dos rivales gratis, caso por caso

Jev es una IA de pago que no escribe: le das un caso y unas opciones, y elige una. Después salieron, en la misma semana, dos rivales gratis que prometen lo mismo y corren en tu propia computadora: Kev y djev. Les puse el mismo examen que a Laya en el video anterior.

El video cuenta la pelea. Esta página guarda lo que no cupo en él: cada caso con lo que contestó cada modelo, cuánta memoria pidió cada uno, los mensajes de error tal como salieron y lo que quedó sin comprobar.

1. Nadie alcanzó a Jev, que acertó los 96 casos claros. djev sacó 92 en los dos idiomas. Kev 4B, 92 en inglés y 89 en español.
2. djev falló solo con comida y, en español, no dudó nunca: 0 de 24 casos dudosos. Kev 4B, cada vez que dijo estar seguro, acertó.
3. Lo caro es la computadora. Kev 4B ocupó casi 10 GB de una tarjeta de video de 16, y djev no cupo entero en ella.

11:06

¿Qué son Kev y djev?

Jev, de la empresa TypeSafe AI, es un modelo de decisión: no escribe párrafos, devuelve una de las opciones que le diste y un número que dice qué tan seguro está. Si no lo conoces, empieza por qué es Jev.

Kev lo publicó el programador Jared Palmer. Es gratis y viene en tres tamaños: 0,8B, 4B y 9B. La B quiere decir miles de millones de parámetros, los números que el modelo aprendió; a más parámetros, más memoria. Por dentro es Qwen3.5, un modelo de Alibaba, entrenado para elegir en vez de escribir.

djev no es un modelo nuevo. Es una forma de usar DiffusionGemma, un modelo de Google que escribe, como si fuera un juez. Lo hizo Matt Mastracci, un programador que pasó por Deno, y la pieza que lo permite entró en vLLM, un programa para servir modelos, el 22 de septiembre de 2026.

Circuló como «el Jev de Google». La propuesta de cambio en vLLM (el PR 57250, «structured generation mode for DiffusionGemma model (Jev-like)») no menciona a Google. Que la cuenta de Gemma lo compartiera solo lo vi en un buscador: la publicación original no me abrió.

Ninguno de los rivales empezó de cero. La diferencia está en cuánto trabajo le pusieron encima al modelo del que parten:

Un adaptador es una capa pequeña que se pone encima del modelo grande: la de Kev 4B pesa 0,13 GB sobre los 9,32 del modelo base. Esa diferencia de entrenamiento se nota más abajo, cuando toca dudar.

Esta prueba sigue a la de Laya. Los tres videos anteriores de la serie:

10:55

10:41

10:21

El marcador completo, tarea por tarea

Fueron los mismos 120 casos de Jev contra Laya, palabra por palabra: seis tareas de veinte. En cada tarea, 16 casos tienen una respuesta clara y 4 son dudosos a propósito. La tabla cuenta los aciertos sobre los 16 claros y junta a los cinco modelos. En el teléfono se desliza hacia los lados.

djev saca 16 de 16 en cinco de las seis tareas y pierde sus cuatro puntos en el semáforo. Kev 0,8B, el pequeño, se queda en 68: entre las dos versiones de Laya.

Las columnas de Jev y Laya son las de la prueba anterior. Kev y djev se corrieron el 23 de septiembre de 2026 con los mismos casos, las mismas preguntas y las mismas reglas, una sola vez cada uno.

La computadora de la prueba: la Veterana

Hasta el video anterior todo corría en un Mac mini con chip M4 y 16 GB de memoria, y Laya cabía de sobra. Kev y djev no, así que corrieron en la otra computadora de la casa, la Veterana: un procesador de 2013 con una tarjeta de video nueva.

La tarjeta de video (o GPU) es la pieza que hace los cálculos de estos modelos. Lo que decide si un modelo entra es la memoria propia de la tarjeta, que es otra distinta de la memoria normal de la computadora.

Kev y djev corrieron en esta máquina uno detrás del otro, con la pantalla del escritorio encendida.

¿Cuánta memoria pide cada uno?

Un modelo se descarga como un paquete de archivos que se llaman pesos. Para trabajar, los pesos tienen que entrar en la memoria de la tarjeta, con algo de espacio extra. Estos son los tamaños que da Hugging Face, la biblioteca pública de modelos:

Comprimido quiere decir que cada número del modelo se guarda con menos precisión para que ocupe menos. El formato de este, NVFP4, es de NVIDIA y lo aprovechan las tarjetas de su generación más nueva. Con esos tamaños, esto es lo que cupo en la Veterana:

Medido quiere decir que lo intenté y vi el resultado. Deducido, que no lo intenté porque los números ya no daban. Un MiB es casi lo mismo que un MB: 16.311 MiB, lo que reporta la tarjeta, son 17,1 GB de los que usa Hugging Face.

Kev 4B entró con casi 10 GB de los 16. djev no entró entero.

Los tres muros, con los errores tal como salieron

Muro 1: Kev 9B. No lo intenté. Su modelo base pesa 19,31 GB y la tarjeta tiene 17,1. Además, la carga normal de Kev arma el modelo al doble de tamaño antes de encogerlo, unos 38 GB en este caso.

Muro 2: Kev 4B. El primer intento tardó 793 segundos, contando la descarga de unos 9,3 GB, y terminó así:

torch.OutOfMemoryError: CUDA out of memory. Tried to allocate 90.00 MiB. GPU 0 has a total capacity of 15.51 GiB of which 16.81 MiB is free.

Traducido: la tarjeta tenía 15,51 GiB, le quedaban 16,81 MiB libres y el programa pedía 90 más. El segundo intento, ya sin descarga, falló igual a los 47 segundos.

La causa está en el código de Kev. Para fundir el adaptador con el modelo base, primero arma el modelo en precisión completa (fp32, 32 bits por número) y solo después lo pasa a media precisión (bf16, 16 bits), que ocupa la mitad. En el arranque pide la memoria del modelo grande.

La salida estaba en su documentación: la opción KEV_MERGE=0, que deja el adaptador sin fundir. Con ella arrancó en 27 segundos. Tiene un costo, y lo miden sus propios autores con 24 ejemplos:

Muro 3: djev. Hizo falta poner en marcha Docker, un programa que corre otros programas dentro de una caja cerrada con todo lo que necesitan (un contenedor), e instalar el conector de NVIDIA para que esa caja pudiera usar la tarjeta. Las dos cosas pidieron permisos de administrador.

Después, las descargas: 18 GB de pesos y 8,9 GB del contenedor djev-run. La red hacia GitHub se cortó en dos de los tres intentos de bajar el contenedor:

dial tcp 140.82.113.34:443: i/o timeout

El primer arranque duró 395 segundos. Cinco minutos se fueron en copiar los 18 GB a la memoria normal, y al final murió con esto:

RuntimeError: Unexpected error from cudaGetDeviceCount(). ... Error 803: system has unsupported display driver / cuda driver combination

El contenedor trae una pieza de compatibilidad de NVIDIA pensada para tarjetas de centro de datos y controladores más viejos. Con una tarjeta de casa y un controlador nuevo, esa pieza deja al programa sin ver la tarjeta. El arreglo fue taparla con una carpeta vacía (--tmpfs) para que usara la del controlador.

El segundo arranque respondió a los 354 segundos. Al ver menos de 20 GB en la tarjeta, el propio contenedor se puso en modo de poca memoria y dejó 5 GB de pesos afuera, en la memoria normal. Así lo anotó:

[ultra-fast-init] Initializing in-process vLLM LLM engine (vram=15.5GiB, sm=12.0, dtype=auto, gpu_util=0.4, kv_cache_gb=0.5, cpu_offload_gb=5.0, disable_mm=True)

Durante el examen, a la Veterana le quedaron libres 2.321 MiB de sus 31 GB de memoria normal. Los tiempos de cada arranque, juntos:

Las piezas de cada uno, contadas con una regla

Antes de contar escribí la regla: una pieza es algo que hubo que comprar, instalar o descargar en esa máquina, aparte del sistema y del programa del examen. La tarjeta solo cuenta si no la trae una computadora normal. Si algo viene dentro de otra cosa, cuenta como una.

Python es el lenguaje en el que están escritos, y PyTorch y transformers son las librerías, código ya hecho, con las que corren. Los arreglos de los muros (una opción, una carpeta vacía) no cuentan como piezas.

Dos piezas y cero gigas contra siete piezas y casi 28 gigas.

djev acierta casi todo, y en español nunca duda

Todos sus fallos fueron del semáforo del supermercado. La regla que recibieron los modelos decía, palabra por palabra: verde es «ingredientes simples y naturales, sin azúcar añadido ni aditivos»; amarillo, «algo de azúcar, sal o algún aditivo; consumo moderado».

El pan lleva un poco de azúcar y las aceitunas, ácido cítrico, que es un aditivo. Con la regla escrita, ninguno de los dos es verde. A las aceitunas en español les dio verde con un 98 % de seguridad.

Luego están los 24 casos dudosos a propósito, donde lo honesto es no estar seguro. La regla quedó fijada antes de correr el primer modelo: dudó si su seguridad quedó por debajo del 80 %. djev, en español, no dudó en ninguno. En inglés, en 4.

En esos cinco djev puso un 100 %. Cuando dijo estar seguro en los casos claros, acertó 90 de 92 veces en español y 85 de 88 en inglés. Jev, 91 de 91 y 90 de 90.

Kev 4B: cuando dice «estoy seguro», acierta

Kev 4B dijo estar seguro 59 veces en español y acertó las 59. En inglés, 68 de 68. Es el único rival que empata con Jev en eso. Y sus fallos van con poca seguridad, entre el 55 y el 77 %, así que un umbral bien puesto los manda a revisión.

Su punto flojo en español fue la publicidad: tres correos de promociones que no vio como basura. En los casos dudosos dudó en 12 de 24 en español y en 15 en inglés, igual que Jev, que dudó en 11 y 12.

Kev 0,8B, el pequeño, es otra historia. En español dijo estar seguro solo 6 veces y acertó 2, y en los dudosos dudó en 16 de 24, más que ningún otro. En inglés, 10 de 11.

Kev fue entrenado para decidir y sabe dudar. djev usa un modelo que nunca se entrenó para eso, y casi nunca duda.

¿Cuál es más rápido?

La velocidad no se puede comparar fila con fila, porque cada uno corrió en un sitio distinto. La mediana es el tiempo de la respuesta del medio. El p95 es el tiempo por debajo del cual llegó el 95 % de las respuestas, y enseña los peores casos.

El p95 de Jev es enorme porque una de cada diez llamadas se quedó colgada entre 30 y 45 segundos. Lo cuenta la prueba contra Laya. Kev 4B corrió sin fundir el adaptador, que según sus autores es un 15 % más lento.

djev iba frenado: los 5 GB que quedaron fuera de la tarjeta viajan en cada paso. Su caso más lento, 4.288 ms, coincidió con una compilación interna que el programa dejó anotada en su registro. Lo que publican sus autores, y los de Kev, en tarjetas mucho más grandes (no lo medí):

Los juegos y los usos, con sus fuentes

En el video conté por qué los juegos miden qué tan rápido elige un modelo y no qué tan bien entiende. Estas son las fuentes, con los números que no cupieron:

• El dinosaurio de Chrome, Laya contra Jev. Su autor lo advierte: un planificador de física etiqueta los movimientos y los modelos solo eligen, así que las puntuaciones miden «el sistema combinado, no la habilidad del modelo» (laya-vs-jev).
• Tetris. Con reloj, Jev hizo 10 líneas a 216 ms por jugada contra 4 de Haiku a 700 ms. Sin reloj, Gemini hizo 34 contra 26 de Jev. Una heurística describe las jugadas, fue una sola corrida y el autor avisa que no es determinista (jev-tetris).
• La culebrita con Laya en el motor neuronal de un Mac: unos 5 ms por decisión en un M3 Max, según su autor (laya-coreml).

TypeSafe AI describe a Jev como un modelo para «decisiones rápidas y estructuradas que el software pueda usar directamente». En su mapa de usos, lo que llama juegos es moderar el chat y detectar si un jugador está por irse.

Los usos de todos los días que tienen proyecto propio son detectores de textos que suenan a IA. Todos avisan lo mismo: marcan un estilo, no saben quién escribió el texto.

• Una extensión de Chrome que marca los posts de X, LinkedIn y Reddit (jev-ai-slop-detector).
• Un detector de hasta 10.000 palabras con reglas sacadas de «Signs of AI writing», de Wikipedia (jevdetector.com).
• Uno para LinkedIn que su autor probó con 500 casos propios (AI-Slop-Detector-for-LinkedIn).
• JevSlop, que puntúa artículos de 0 a 100 (JevSlop).

Y el ejemplo que ponen las propias documentaciones de Kev y de djev-run es repartir mensajes de soporte: a qué área va, si es urgente, si pide un reembolso. Más ideas, con quién está detrás de cada una, en diez casos de uso para Jev.

¿Qué computadora necesitas para cada uno?

Lo que vi funcionar, y lo que dicen sus autores donde no lo probé:

Si tu computadora es normal, la cuenta es corta. Para tareas en cantidad donde un error no cuesta nada, lo que corra en tu casa sirve. Donde equivocarte sí cuesta, como una estafa o un mensaje urgente, hoy Jev. Y con cualquiera, lo que no llegue al 90 % de seguridad, que lo mire una persona.

Lo que esta prueba no midió

• Kev 9B y djev sin comprimir. No los intenté: los pesos ya no cabían.
• djev a su velocidad normal. Corrió con 5 GB fuera de la tarjeta, frenado a propósito por su propio contenedor.
• Kev 4B tal como lo evalúan sus autores, en precisión completa y con el adaptador fundido. No cupo. Kev 0,8B sí corrió en ese camino exacto.
• Kev en un Mac de 32 GB, Kev 0,8B sin tarjeta de video y cuánto pesan las librerías de Kev.

• De qué modelo parte Jev. TypeSafe AI no lo publica.
• Si la cuenta de Gemma compartió djev. No pude abrir la publicación.
• Una sola pasada por modelo, con 120 casos escritos por una persona. Una diferencia de uno o dos casos no significa nada. La traducción al inglés es mía.
• Nada en Windows. Kev y djev corrieron en la Veterana y Laya en un Mac.

Descarga los 120 casos con las diez respuestas

La hoja de cálculo trae, para cada caso, el texto en español y en inglés, la respuesta esperada y lo que dijo cada modelo en cada idioma, con su seguridad. Son diez columnas de respuestas: Jev, djev, Kev 4B y Kev 0,8B en los dos idiomas, y las dos versiones de Laya. Se abre con Excel o con Numbers.

• Los 120 casos con las diez respuestas (CSV)

Los casos y los programas de la primera vuelta, con los que puedes repetir la prueba desde la terminal, están en la página de Jev contra Laya.

Cómo se hizo la prueba: la parte técnica

Esto es para quien quiera revisar el método. En llano: cada caso se mandó una vez a cada modelo, con la misma pregunta, las mismas opciones y las mismas palabras que en la prueba anterior. Los umbrales de «dudó» y de «estoy seguro» se fijaron antes de la primera prueba y no se tocaron.

Los 120 casos, uno por uno

Cada tabla trae el caso, la respuesta esperada y lo que contestaron djev, Kev 4B y Kev 0,8B en los dos idiomas. Lo que dijeron Jev y Laya caso por caso está en la página de Jev contra Laya.

Preguntas frecuentes sobre Kev y djev