Kev开源决策模型发布三版本，Kev-8B准确率79.6%

Jev的开源替代方案终于来了。Kev是一系列小型开源决策模型，基于Qwen3构建，采用LoRA加小指针头技术，可以自己训练和运行。 这次发布了三个版本：0.6B、4B和8B。在训练数据之外的测试中，Kev-8B达到79.6%的准确率，而Jev是85.7%。考虑到Kev完全开源且可自定义，这个差距完全可以接受。 我有个做电商的朋友，之前一直想用Jev优化推荐系统，但API成本太高。现在用Kev-4B，一张32GB的Mac就能跑，bf16精度下五个问题大约300毫秒，H100上只要40毫秒。重复文档还能利用KV缓存，速度快2到2.5倍。 训练成本也很低。Kev-4B在一张H100上40分钟就能训完，Kev-8B需要83分钟。Apache 2.0开源协议，商业使用完全没问题。 API兼容性做得不错，直接替换TypeSafe System One的base_url就能用，现有代码基本不用改。 有个做内容推荐的团队已经在测试了，他们说Kev在处理用户行为序列时的决策速度比传统方案快很多，而且因为是本地部署，数据隐私也有保障。 项目地址：github.com/jaredpalmer/ke…