El modelo autotrust/JEV-27B-VL se posiciona como el líder en la categoría de modelos de decisión de visión en el índice comunitario JEV Decision Index 0.3, actualizado en octubre de 2026. Con 27.000 millones de parámetros, supera a modelos de referencia de 397.000 millones, como Qwen3.5-397B-A17B, obteniendo una puntuación completa de 69,82 frente a los 63,44 de su competidor más cercano. Este modelo destaca por su capacidad de generalización, logrando la primera posición en pruebas privadas no publicadas y en benchmarks públicos como CV-Bench y BLINK, donde supera a modelos de mayor tamaño en tareas de percepción espacial y razonamiento.
Técnicamente, JEV-27B-VL integra un adaptador System 1 entrenado exclusivamente con texto y un encoder visual basado en Qwen3.8-27B, manteniendo una arquitectura eficiente. Su calibración de probabilidades es notable, con un error de calibración (ECE) de 0,019, lo que permite una confianza estadística precisa en sus predicciones. En el benchmark de la placa, el modelo procesa una fila de datos en aproximadamente 264 milisegundos utilizando una RTX PRO 6000. La documentación técnica proporciona instrucciones detalladas para su implementación mediante librerías como Transformers, vLLM y SGLang, así como para su despliegue local con Docker. Este enfoque permite a desarrolladores integrar el modelo en pipelines de inferencia para tareas de análisis de imágenes y documentos complejos, ofreciendo una alternativa más ligera y precisa que los modelos de lenguaje de gran escala tradicionales.