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
时间轴 (近 90 天)
提交 #18976 让 MLX 能够加载 Kev 模型，并同时加载其 FP32 决策头与发布元数据。
提交 #18976 在共享状态缓存的基础上支持 System One 评分，并加入 Kev 专属的资源限制。
Ollama 发布了 v0.40.4-rc1 预发布版本，核心改动是在 MLX 后端引入 Kev 决策评分能力。
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
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
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
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
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
还有 3 条时间轴事件
全部知识事实 (13)
提交 #18976 让 MLX 能够加载 Kev 模型，并同时加载其 FP32 决策头与发布元数据。
50%待验证提交 #18976 在共享状态缓存的基础上支持 System One 评分，并加入 Kev 专属的资源限制。
50%待验证试图复刻 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%待验证Laya、Kev 和 Ollaya 是围绕 Jev 出现的三个常被提及的开源替代方案
50%待验证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%待验证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%待验证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%待验证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
50%待验证在同一台配备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%待验证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%待验证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
50%待验证Ollama 发布了 v0.40.4-rc1 预发布版本，核心改动是在 MLX 后端引入 Kev 决策评分能力。
50%待验证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
50%