Kev
基于Qwen系列开源模型构建的轻量级决策模型家族，专注于路由决策、意图判断、内容过滤等结构化判断任务，定位为低成本、高速响应的小型专用模型
Timeline (last 90 days)
试图复刻 Jev 能力的开源项目包括 nano Jeff、曾名为 open Jeff 的项目，以及名为 Kev 的微型决策模型家族
Laya、Kev 和 Ollaya 是围绕 Jev 出现的三个常被提及的开源替代方案
在同一台配备Spark CPU、限定三线程的机器上测试，Laya中位调用耗时541毫秒，Kev为756毫秒，95分位分别约607与802毫秒
在客服工单路由测试的原始选项顺序下，Kev命中26/30，Laya命中12/30
在需要语境理解的案例中，Kev能正确处理客户明确表示不要退款只需重置密码的情况选择技术支持，而Laya因出现账单词汇误选账单
对于政策密集型的客服路由试点任务，Kev是更强的起点，而Laya更快、内存占用更低但在此规则下需改进才能被信任
三种选项顺序合计测试中，Kev命中74/90，Laya命中33/90；Kev有4条消息、Laya有5条会随选项顺序改变结果
Kev是基于Qwen 3.5的0.8B基座模型的开源分类模型，将LoRA微调权重合并进去，采用单向读取并通过指针头进行决策
Kev 是一个基于 Qwen 3.5 构建的开源复现项目，提供 0.8B、4B 和 9B 三种规模的决策模型
Kev是一个构建于Qwen3.5之上的轻量级决策模型家族，定位为"Jev-like"决策模型
All Facts (10)
试图复刻 Jev 能力的开源项目包括 nano Jeff、曾名为 open Jeff 的项目，以及名为 Kev 的微型决策模型家族
50%UnverifiedLaya、Kev 和 Ollaya 是围绕 Jev 出现的三个常被提及的开源替代方案
50%Unverified在同一台配备Spark CPU、限定三线程的机器上测试，Laya中位调用耗时541毫秒，Kev为756毫秒，95分位分别约607与802毫秒
50%Unverified在客服工单路由测试的原始选项顺序下，Kev命中26/30，Laya命中12/30
50%Unverified在需要语境理解的案例中，Kev能正确处理客户明确表示不要退款只需重置密码的情况选择技术支持，而Laya因出现账单词汇误选账单
50%Unverified对于政策密集型的客服路由试点任务，Kev是更强的起点，而Laya更快、内存占用更低但在此规则下需改进才能被信任
50%Unverified三种选项顺序合计测试中，Kev命中74/90，Laya命中33/90；Kev有4条消息、Laya有5条会随选项顺序改变结果
50%UnverifiedKev是基于Qwen 3.5的0.8B基座模型的开源分类模型，将LoRA微调权重合并进去，采用单向读取并通过指针头进行决策
50%UnverifiedKev是一个构建于Qwen3.5之上的轻量级决策模型家族，定位为"Jev-like"决策模型
50%UnverifiedKev 是一个基于 Qwen 3.5 构建的开源复现项目，提供 0.8B、4B 和 9B 三种规模的决策模型
50%