mohit67890/imajev

Open Jev-style typed-decision model that also takes images: photo + app state + typed questions in, calibrated probabilities out, locally.

📸 imajev – 写真とビジネスレコードを読み取る意思決定モデル

概要 – 写真（または2枚）と構造化テキストデータ（例：製品リスト、サポートチケット、請求書）を受け取り、型付き回答（選択、はい/いいえ、スコア）を、校正された確率と明示的な判断不能フラグとともに返す、小型のオープンソースマルチモーダルモデル（2B、4B、9Bパラメータ）のファミリーです。モデルはQwen-3.5シリーズ、凍結されたビジョンタワー、およびTypeSafeのJevシステムで使用されるのと同じJSON契約で決定を出力することを学習するLoRAアダプターに基づいています。

🎯 コアアイデア

ビジネスグレードの決定 – 大量で明確に定義されたアクション（例：「写真はリストと一致していますか？」）を自動化し、不確実なケースは人間に委ねます。
確率的で棄権可能な出力 – 各回答には、提供したすべてのオプションの確率とunknown_probabilityが含まれます。モデルが十分に自信がない場合は、しきい値を設定してリクエストを人に処理させることができます。
ローカルで実行 – 重みはApache-2.0ライセンスで、単一のGPUまたはAppleシリコンMac（MLX）で実行できます。データがネットワークから出ることはありません。

🚀 ハイライト（READMEから）

機能	重要性
写真+レコード – リクエストごとに最大2つの画像（参照+ターゲット）と最大約32KBの構造化データ。	カタログに対して出荷を検証したり、既知の良好な参照に対して部品をチェックしたりできます。
型付きJSON契約 – Jevと同じリクエスト/レスポンス形式（選択、`noul`スコア、`unknown_probability`）。	既存のテキストのみの決定パイプラインの簡単なドロップイン置換。
訓練された判断不能 – モデルは本当に知らないときを学習します（ImajevBenchで18/21の未知項目）。	幻覚を減らし、コストのかかる誤ったアクションを回避します。
小型でローカル – 2B-9Bパラメータ、H100での生推論約0.1秒、出荷時の校正で約0.35秒。	単一のGPUまたは最新のMacに適合。リアルタイムワークフロー向けの低レイテンシ。
最先端のベンチマークスコア – JevBench、Image JevBenchで1位、DecisionBenchで3位、数百億パラメータのシステムを多数凌駕。	控えめなサイズにもかかわらず、競争力のある品質を示します。

📊 パフォーマンススナップショット（公式リーダーボード、2026年9月）

JevBench v1.4.2.2 – 1️⃣ / 91モデル、スコア67.4（4B）。
Image JevBench v0.1.3 – 1️⃣ / 49モデル、スコア76.4（4B）。
DecisionBench（英語） – 3️⃣ / 56モデル、スコア79.65、GPT-5.6 Lunaを上回る。
ImajevBench（画像テキスト決定ベンチマーク） – 83.9%の精度（4B）、18/21の未知が正しくフラグ付け。

🛠️ 試す方法

クローンしてインストール

git clone https://github.com/mohit67890/imajev && cd imajev
python3.11 -m venv .venv && source .venv/bin/activate
pip install -e "[serve,mlx]"   # Apple以外のハードウェアでは "torch" エクストラを使用

モデルをダウンロード（例：4Bバージョン）

python scripts/download_model.py --model 4b   # Qwen-3.5-4BとLoRAアダプターを取得
hf download mohit67890/imajev-4b --local-dir adapters/imajev-4b

ローカルサーバーを実行

PYTHONPATH=src:scripts python scripts/playground/server.py \
  --model-bundle artifacts/model-qwen4b.json \
  --adapter adapters/imajev-4b/mlx \
  --calibration adapters/imajev-4b/calibration.json \
  --model-name imajev-4b --port 8765

APIを呼び出す（製品リストと写真の例）

curl -s http://127.0.0.1:8765/v1/systemone \
  -F 'request={"state":{"listing":{"title":"Blue mug","color":"blue"}},
            "questions":{"matches":{"type":"noul","instructions":"Does the photo show the listed item?"}}}' \
  -F image=@photo.jpg

応答には、選択されたオプション、オプションごとの確率、confidence、unknown_probabilityが含まれます。

ライブデモはHugging Face Spacesでホストされています：https://huggingface.co/spaces/mohit67890/imajev。

📂 リポジトリレイアウト（高レベル）

src/ – リクエストを解析し、モデルを実行し、JSON応答をフォーマットするコアライブラリ。
scripts/ – 重みのダウンロード、デモサーバーの起動、および実際のシナリオ（ビジネスチェック、テキストのみ、ワードローブ、スタイリスト、トレーシングパッド）を紹介するプレイグラウンドアプリのユーティリティ。
docs/ – アセット、ベンチマークスクリーンショット、テクニカルレポート。
artifacts/ – サーバーにロードするベースモデルとLoRAを指定するモデルバンドルJSON。

🏷️ ライセンス

Apache-2.0 – コードとモデルの重みの両方がオープンソースであり、商用利用と変更が可能です。

🤝 誰が作ったのか？

Mohit Garg によって作成されました。彼は運用、サポート、バックオフィスチーム向けの意思決定自動化に焦点を当てたAIコンサルタントです。詳細：https://mohitgarg.ai。

📌 imajevをいつ使うか？

小売/マーケットプレイス – 製品写真がカタログエントリと一致するか検証し、返品検証を自動化します。
製造/フィールドサービス – 出荷された部品を参照画像と比較して損傷を検出します。
カスタマーサポート – チケットをルーティングし、緊急度をフラグ付けし、添付されたスクリーンショットに基づいて返金資格を検証します。
信頼と安全 – ポリシーに違反するコンテンツを迅速に拒否し、不確実な場合はユーザーに明確な画像を要求します。
明確な回答オプションを定義でき、モデルが不確実な場合に棄権することを望む、大量で低リスクの決定。

📈 結論

imajev は、純粋なテキストLLM（Jevなど）と重量級のビジョンAPIの間のギャップを埋める、実用的でローカル実行可能なマルチモーダル決定エンジンを提供します。その小さなフットプリント、校正された判断不能動作、および強力なベンチマークランキングにより、自社ハードウェアで高速で信頼性の高い自動化を必要とする企業にとって堅実な選択肢となります。