多模态 Jev-Omni 部署教程发布：单模型支持文本、图像、音频与视频

开发者 Akhila 开源的多模态决策模型 Jev-Omni 已发布本地部署教程，该模型基于 Gemma 4 12B IT 底座完成约 3 万题微调，统一支持文本、图像、音频与视频四类输入，直接返回各候选选项的概率分布。实测在 GB10 算力卡上文本、图像、音频单次推理均在 1 秒以内，视频用例约 4 秒，权重总计约 72 GB。