Jev 多语言评测研究：成本仅为 GPT-6.1 的 1/31～1/61，多数任务可打平

一项多语言评测将轻量模型 Jev 与生成式 LLM 评审在四个基准上对比，覆盖最多 47 种语言变体及三种评审格式。Jev 在多数任务上表现有竞争力，成本约为 GPT-6.1 的 1/31 到 1/61，但知识密集答案验证较弱，且在低资源语言上更容易接受错误答案。