9月17日创建、9月21日更新的GitHub仓库jaredpalmer/kev发布了一套可自训自部署的轻量决策模型，截至发稿已获1998颗星、102个fork。作者Jared Palmer把它定义为「Tiny Jev-like family of decision models built on top of Qwen3.5」——即对标TypeSafe旗下闭源产品Jev的开源替代品，架构参考了公开的《Jev's Architecture Unmasked》分析文章。与动辄千亿参数的通用大模型不同，Kev只做一件事：给输入文本，返回分类、判断或评分，把「智能if语句」这件事做得更便宜、更快、可本地化。
三档尺寸与Qwen3.5基底
Kev提供Kev-0.8B、Kev-4B、Kev-9B三档，分别基于Qwen3.5-0.8B-Base、Qwen3.5-4B-Base与Qwen3.5-9B-Base，训练数据集为自建的decision-v7：来自十个公开数据集的10000条样本、896条生成的策略示例，以及从60种生成规则结构中得到的1680条样本。训练采用LoRA rank 16、交叉熵损失、两轮epoch，0.8B版本学习率1e-4，4B与9B为5e-5。README明确说明，适配器还覆盖Qwen3.5基底的DeltaNet投影，训练脚本会按模型配置自动选定目标层。
部署侧对硬件相当友好：三档模型都支持CUDA与Apple Silicon，4B与9B可以在32GB Mac上以bf16跑起来，0.8B适合追求最小体积的场景。启动方式是uv sync安装依赖，再用uv run启动kev.serve模块并指定jaredpalmer/kev-4b与8009端口，随后用一条curl向systemone端点发送JSON。仓库还提供网页Playground，可直接在浏览器里试Kev-4B与Kev-0.8B，无需安装。
接口与能力
API设计上有两个细节值得注意。第一，问题共享同一段输入文本但彼此隔离，不能互相读取答案——这是为了防止问卷内部的提示泄漏。第二，单次请求可同时携带三种问题类型：noul（是/否）、choice（多选）与score（评分），返回值带置信度、概率分布与校准信息，例如返回示例中department选项给出returns 0.47、shipping 0.28的概率分布。
评估体系是这套项目最扎实的部分。benchmarks报告准确率、Brier分数、校准误差、在5%错误预算下可自动化的决策占比、选项顺序变动率与问题隔离度。跨分布测试集transfer-v9还加入10路MMLU-Pro、把证据埋在无关文本中的「buried states」测试，以及移除关键证据后的「unknowable」条目——后者报告模型在证据缺失时仍以0.9以上信心作答的比例：Kev-9B为5%，Jev为9%，Kev-8B为26%。
开源对标闭源：准确率差3.5分
官方表格把Kev与TypeSafe Jev做了对照。在新数据源开发集上，Kev-9B准确率0.822，Jev为0.857，相差3.5分；在Jev尚未跑过的测试集上Kev-9B拿到0.852，Brier分数0.237。Kev-4B新源准确率0.797/0.837，0.8B为0.652/0.684。README主动声明这并非受控实验——没人知道Jev用哪些数据集训练过。
对于想用决策模型又不想被API账单锁定的团队，Kev给出的路径是完整的：训练代码、评估数据清单（版本与校验和都记录在manifest里）、以及把训练文件从Hugging Face镜像拉取后做哈希校验的流程。三档权重在9月21日刚做过第二轮短训练，项目以Apache-2.0协议开源。社区讨论里有人用它做2D类Roguelike游戏的低延迟AI，也有人指出它更适合「需要一点智能、但成本敏感」的判断环节，而非需要深度推理的编码任务。
关于可复现性，Kev把训练数据集的版本与校验和都记录在各manifest里，大文件从Hugging Face镜像拉取后做哈希校验，避免训练数据在训练过程中被悄悄替换。评估代码同样公开：可以按in-distribution的decision-v7跑，也可以按跨分布的transfer-v4与transfer-v9跑，后者额外加入10路MMLU-Pro、把证据埋在无关文本中的测试，以及移除关键证据后的「unknowable」条目。这套设计对想自建决策层的团队是完整闭环：数据可审计、训练可复现、评估可对照。