## 情報源
- 同じ日（2026-09-24）にお姉様が続けて貼った X の URL 12件。第1弾は id=3783「Jev×Opus 5.5×Colab X学習 2026-09-24」
- 取得: syndication API と shadow のログイン済み headless Chrome

## Jev の模倣モデル・オープン代替が一気に出てきた（第1弾の Kev・Eikos に続く）
| 名前 | 出所 | 裏取り |
|---|---|---|
| Tev1-4B-experimental | Together（@nutlope 教程・@shao__meng 紹介）。Qwen3.5 4B を $17・約25分でファインチューニングして API 化 | HF `togethercomputer/Tev1-4B-experimental` は実在（投稿の `together/` という表記は誤り） |
| Featherless の「jev 化」 | @picocreator「Jev より eval で上・画像も・無料」 | 自己申告。eval の中身は未確認 |
| OpenJev | @agentspanel「GTX 1650 で動く」 | 未確認 |
| Eikos 4B/27B | @0xCVYH | HF 実在・DL 0（第1弾） |
- 共通点: どれも**自分で測った数字だけ**。JevBench も TypeSafe 自身の eval も、比べる土台が揃っていない
- 自前の判断: GTX 1070 には float16 が無い（メモ gtx1070-no-float16-in-ct2）。4B なら int8 で載る可能性はあるが、検証の優先度は低い。いま Jev を使っている範囲（Codex のフック）でコストは問題になっていない

## Jev の宣伝の型（中身の増分は小さい）
- @bibryam「プログラマブル Web の瞬間」、@0xRicker「決定グラフで最大 193x 速い」、@cyrilXBT 画像4枚、@sairahul1「Codex に送れ（GPT-6 Luna＋Jev で $20/月）」、@RoundtableSpace「任意の LLM に送れ」
- 193x は公式の**速度**倍率（コスト比率は 444.6x で別物・メモ jev-system-one-model）
- RoundtableSpace の返信で2人が要点を突いている: 「Jev は LLM ではないのでプロンプトを送る相手ではない」「『自分の働き方を分析させる』は自己申告の分析で、本当の無駄は書き出していないログにあった」→ 投稿本体より正しい
- @firecrawl: Alexandria（Fortune 1000 の全データ）× Jev で「5,000件の判断を3.6秒」。1件あたり 0.7ms は並列バッチの総時間で、1コールの遅延ではない（遅延と処理量の軸が混ざっている）

## 実装と検証を分ける（@rvaniaaaa ← @imryven の記事「Graph Engineering: My System Checked Its Own Work. It Was Lying About It.」）
- 主張: 作ったものに自分の作業を採点させるな。3週間前に分けたら、何か月も通っていた誤りが見つかった
- 根拠として挙げているもの: モデルは自分の文章を偶然以上の確率で見分け、それだけで自分の出力を好む（自己選好バイアスの研究2本。本文に出典の URL は無い）
- 「確信と正しさは外からは同じ数字に見える」「検証役は、作った過程・推論を一文も共有していない状態から始める」
- 自前の方針（CLAUDE.md の「実装とレビューは別セッション」、xreview の Claude ⇄ Grok）と同じ。**新しい点**: 経緯を一文でも共有した時点で検証がゴム印になる → xreview が diff とコードのコピーだけを渡し、実装の経緯を渡さない設計は正しい

## 相場（@slash1sol ← @leopardracer の記事）
- 「中国の研究者の論文 The End of Prediction」→ arXiv の title・全文検索で0件。引用しているのは論文ではなく @leopardracer の記事「How to Build an AI Market Analyst on Kimi K3 and GPT-6 Astra」。論文としては**未確認**
- 中身: BUY/SELL を出す AI は織り込み済みで負ける。代わりに「何が変わったか・それがノイズでない証拠」を出す。コードで異常を見つける → 100万トークンのモデルで8四半期を比較 → 推論モデルは反論だけに使う。1日1万社で $60,000 → 約 $450。フラグ付きイベントの精度 37%（ベースレート 15〜20%）
- 自前への示唆: moomoo の運用（moomoo-trading スキル）で、シグナルより「変化の説明と反証」を出す形は検討の価値がある。ただし精度の数字は自己申告

## Colab（@ivanalog_com）
- Pro は月あたり A100 80G で約26時間相当、Ultra は10倍（約266時間・1日約8時間）。Colab CLI からも使える、とのこと。第1弾の「月200CCU」と同じ枠を時間に換算した値と見られるが、公式での確認は未実施

## アクションアイテム
1. 追加なし（第1弾の4件を維持）。模倣モデルの評価は、Jev のコストが問題になるまで保留