Jared Palmer刚发布了Kev模型家族，包含0.6B、4B、8B三个版本…

Jared Palmer刚发布了Kev模型家族，包含0.6B、4B、8B三个版本，号称是开源版的Jev决策模型。这个项目基于Qwen3，用LoRA加小指针头技术训练，Apache 2.0开源协议。 我最感兴趣的是它的训练效率。Kev-4B在单张H100上40分钟就能训完，Kev-8B也只需要83分钟。对于想在自己数据上微调决策模型的团队来说，这个时间成本非常友好。 推理性能也很实用。Kev-4B在32GB内存的Mac上用bf16精度跑，五个问题大概300毫秒，换到H100上只要40毫秒左右。重复文档还能命中KV缓存，速度再快2-2.5倍。 在域外测试中，Kev-8B达到79.6%的准确率，Jev是85.7%。虽然还有差距，但考虑到开源和可训练的优势，这个结果已经很不错了。 API兼容性做得很好，Drop-in TypeSafe System One API，现有的SDK改一下base_url就能用。对于已经在用Jev的团队来说，迁移成本很低。 我有个朋友在做金融风控，他们之前用Jev做交易决策，现在想在本地部署但又不想付高昂的授权费。Kev-4B正好解决了这个问题——在Mac上就能跑，数据不出本地，合规性完全没问题。 项目地址：github.com/jaredpalmer/ke…