刚刚Kev 0.8B/4B/9B三档齐发Qwen3.5底座再添一员猛将普通电脑也能跑的判卷AI【免费下载链接】kevJev-like family of decision models built on top of Qwen3.5/3.8 you can train and run on your own项目地址: https://gitcode.com/gh_mirrors/kev2/kev一、为什么这次全网都在刷Kev最近开源圈有点热闹一个叫Kev的小模型家族在几天之内连发更新——9月24日先放出全家桶的首版权重9月30日把9B和27B悄悄刷到v210月1日直接把0.8B、4B、9B 三档一次性版本化发布定名 Kev 1.0。它火不是没有原因。过去一年美国公司 TypeSafe 推出一款叫Jev的决策模型圈子里传得很响。它不聊天、不写文章专门干一件事读一段材料然后回答一堆判断题、选择题、打分数。客服工单该分给哪个部门、这条内容过不过审、这个风险是1分还是5分——这些活儿它全包。但 Jev 有几个硬伤闭源、只托管在云端、不能微调国内开发者用起来也各种不方便。Kev 就是冲着这个空档来的用阿里 Qwen3.5 做底座最大的27B用了Qwen3.8把 Jev 那套只打分、不写作文的架构完整开源出来而且让你自己在自己的电脑上训练、部署、随便改。协议是宽松的 Apache-2.0商用也不烫手。所以它这两天被大量报道连国外科技博客都在说TypeSafe 的 Jev 有了开源克隆版免费消费级显卡就能跑。二、它到底是个啥一句话一个只判卷、不写作文的AI普通大模型像一个会写作文的学生你问什么它编一段话给你。编得好听但也可能一本正经地胡说八道。Kev 不一样它更像一个阅卷老师。你把一份材料丢给它——比如一条客户投诉、一份合同、一段工单内容——再附上几个问题问题只有三种形态是非题这条投诉需要今天立刻人工处理吗选择题该分给哪个团队退货、物流还是账务打分题客户现在有多生气从平静到非常生气打几分它看完材料不写半个字的废话直接吐出一组概率比如分给退货部门47%、物流28%、账务25%需要紧急人工处理的概率93%。这里有个很妙的设计一次请求里塞多少个问题都行每个问题各判各的互相看不见答案——就像几位监考老师同时独立判同一张卷子谁也不会被旁边的人带偏。而且它给的是概率而不是死答案你的系统完全可以这样用置信度高的自动放行拿不准的转人工。三、到底有多牛四个数字看懂1小得离谱强得意外。这次齐发的三档定位非常清晰0.8B小到一块4GB的入门显卡常驻显存才3.8GB、任何一台苹果Mac都能跑适合先跑起来再说4B官方推荐的主力档L40S、H100这类中高端卡能跑32GB内存的Mac实测也能跑9B大概需要17GB显存效果再上一个台阶。别小看这几个小个子。在官方冻结的新数据测试集上模型从没见过这些数据4B拿到83.8%、9B拿到85.2%、27B拿到88.9%而闭源的Jev是85.7%——最小的27B直接反超4B和9B也和Jev只有一两个点的差距。2快得吓人。4B 在 H100 上答完6个问题只要18毫秒服务器实测每秒能扛100多个请求。苹果M5芯片的Mac上问5个问题约0.7秒如果是刚问过的那份材料缓存命中只要0.136秒。做工单分流这种毫秒级敏感的场景完全够用。3概率是校准过的知道自己几分把握。很多模型说我很确定其实是虚张声势。Kev 每个模型出厂前都专门校准过自信度9B 把错误答案打出0.9以上高置信度的比例只有2.4%比Jev的3.7%还低。这意味着你设的自动处理阈值是真能用的不用天天猜。4长文档也读得动。服务器支持最长65,536个token粗略相当于几万字的合同或报告。最大的27B经过验证能一直稳定读到这个上限在真实商业合同上做到了0.874的准确率——小三档的验证长度是8千token左右官方卡片里写得明明白白不虚标。四、它能帮你干哪些活客服工单分流这是官方给的招牌例子。一条投诉说鞋子两周才到、尺码还错了、而且我卡上被扣了两次钱一次请求就同时答出归哪个部门、要不要紧急升级、客户情绪几分。内容审核、意图识别、风控初筛这类结构化决策都是它的菜。传统做法是调大模型生成一段话再让人去解析又慢又不稳定Kev 直接输出分数天然适合流水线。还有个挺出圈的彩蛋仓库里自带一个国际象棋小演示棋盘就是材料所有合法走法就是选择题选项模型还顺带给局势打个分——每一步棋对它来说就是一道具体的多选题。你可以和它下也可以让它自己跟自己下。虽然是个从没见过棋谱的0.5B小模型但看着它用概率分布选棋确实有点AI下棋的味道。五、普通人怎么上手门槛高吗想先玩玩不用装任何东西打开 Hugging Face 的 Space 页面搜 jaredpalmer/kev 即可4B 和 0.8B 就在网页里跑着直接就能体验喂材料、出分数的完整流程。想在本地跑门槛就是普通的开源项目水平——把仓库克隆下来装好依赖然后用一条命令指定要跑哪个尺寸服务就起来了。有N卡走N卡苹果芯片自动走 MLX 加速首次运行自动下载权重不用你操心。想调教成自己行业的老师傅这是 Kev 相对 Jev 最大的杀手锏——它支持喂你自己的标注数据做微调。官方给了一组很有说服力的数据一份客服工单任务1050条样本在H100上微调15分钟成本大约1美元4B 的准确率从67.7%提到73.6%能自动处理的决策比例从34%涨到48%。最小的0.8B一张4GB显卡就能开始微调。社区里还有博主实测笔记本级的显卡就能训最小的档位。想部署成正式服务官方提供了一条命令直接发到云GPU上的玩法自动生成带鉴权的访问地址没人用的时候自动缩容到零不花一分钱有人用的时候再冷启动。还有一类人直接受益已经在用 Jev 的开发者——Kev 完全兼容它的接口把客户端地址从云端改指向你自己机器上的 Kev一行代码都不用动。所以它适合谁做客服机器人、内容审核、风控策略的工程师是最直接的受众AI 发烧友和苹果Mac用户能低成本玩到概率型AI学生和研究者则得到了一个完全透明、可复现的对照系——所有评测数据、训练配方、每一步实验记录都摊在仓库里。六、社区怎么看也说说实话中文社区这几天已经出了好几篇从入门到实战的连载讨论度不低。其中流传最广的一个结论来自一篇 Jev / Kev / Laya 三家对比选决策模型关键不在于零样本有多聪明而在于能不能把你的业务规则、行业术语和分类体系注入进去——这方面 Kev 是目前唯一能完整干这件事的开源方案。当然官方自己也把短板写得明明白白这种坦诚反而加分日期推算很弱比如这两个日期隔几天这种计算小尺寸模型经常算错官方给了一个开关能明显补救知识题看底座纯记忆类、常识类的选择题小模型明显不如Jev0.8B 别指望全能在训练分布之外的新任务上比4B/9B弱一截个别场景甚至不如瞎猜官方明确建议要准确率就选4B起步。一句话总结它不是要取代聊天大模型而是要接管那些需要稳定判断、容不得胡扯的脏活累活。七、写在最后仔细想想任何业务里最值钱的往往不是生成而是判断这条工单归谁、这条内容能不能过、这笔交易风险几分。过去这些活儿要么靠人工要么靠昂贵且不可定制的闭源接口要么拿大模型套壳硬凑。而 Kev 这条路线证明了另一件事会打分的AI可以小到装进你的笔记本可以喂你自己的数据可以部署在自己的机房里而且效果能贴着闭源天花板走。Qwen3.5 的底座又添了这一员猛将中文开发者从此多了一个真正能落地、能私有化的选项。最后抛个问题给大家你的工作或行业里有哪些事其实就是在打分和做判断如果你能让一台机器先过一遍筛子、拿不准的再交给人你信得过它吗欢迎在评论区聊聊也说说你手里那点算力你觉得最该先跑起来的是0.8B、4B还是9B【免费下载链接】kevJev-like family of decision models built on top of Qwen3.5/3.8 you can train and run on your own项目地址: https://gitcode.com/gh_mirrors/kev2/kev创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考