Das Kev-Modell: Größen, Lizenz und Vergleich mit Jev

Die Hugging-Face-Repositories gehören dem Nutzer jaredpalmer; die Modellkarte von Kev 27B nennt Jared Palmer als Entwickler und das GitHub-Repository als Code-Quelle. Das GitHub-Repository steht unter Apache-2.0 und wurde am 17. September 2026 angelegt. Die Karten für 27B und 9B datieren Version 2 („Kev 1.0“) auf den 30. September 2026; die Repositories entstanden zwischen dem 18. und 24. September 2026 (Hugging-Face-API).

Alle sieben Repositories nennen in den Metadaten license: apache-2.0. „LoRA“ bedeutet laut Karten ein Adapter plus Pointer-Head auf einem eingefrorenen Qwen-Basismodell; Kev 27B ist ein Fine-Tuning aller Gewichte. Die Karte von Kev 8B bezeichnet diesen Checkpoint als frühere Qwen3-Generation. Dies ist keine eigene Rechtsprüfung; Datensätze und Basismodelle tragen eigene Lizenzen, die die Karten aufführen.

Angaben des Autors, nicht unabhängig geprüft: Laut Karte liest Kev ein Dokument und typisierte Fragen (choice, score, noul) und liefert in einem Durchlauf eine kalibrierte Wahrscheinlichkeitsverteilung, ohne Text zu erzeugen. Die Karte beschreibt eine Umsetzung der öffentlichen System-One-API von TypeSafe, sodass das TypeSafe-SDK unverändert funktionieren soll. Für Kev 27B nennt die Karte eine Genauigkeit von 0,8887 auf einem 656 Fragen umfassenden, ausdrücklich außerhalb der Trainingsdomäne liegenden Testsplit. Die Karte enthält auch eigene Vergleiche mit Jev; wir übernehmen sie nicht.

Quelle: die Systemseiten von Kev 27B und weiteren Kev-Größen sowie Jev 1.13.0 und Jev 1.14.0 auf Benchmark Heaven, abgerufen am 29. Oktober 2026. Angezeigt wird das Datenrelease v1.7.21 (veröffentlicht am 29. Oktober 2026), Methode v1.7 mit 10-Sekunden-Regel, aus den aufgezeichneten Entscheidungszeiten neu bewertet. Capability ist der Mittelwert aus Intelligence und Calibration, keine Genauigkeit in Prozent. Die Einzelachsen stehen auf den verlinkten Seiten. Eine eigene Jev-vs-Kev-Seite gibt es auf Benchmark Heaven derzeit nicht; die Werte stammen aus den Einzelseiten.

Kev wurde als selbst betriebene Gewichte auf dem Messsystem des Evaluators gemessen, Jev über die gehostete TypeSafe-API; die Läufe liegen zwischen dem 2. und 16. Oktober 2026 in verschiedenen Messreleases. Die Zeile „kev 4B“ bewertet die Qwen3-Variante; der aktuelle Hugging-Face-Checkpoint nutzt Qwen3.5-4B-Base. Für Kev 0.8B ist auf Benchmark Heaven keine Seite abrufbar. Es sind verschiedene Läufe und Zugangswege, kein Vergleich derselben Produktivlast, der Geschwindigkeit oder des Preises, und keine Rangliste.

Selbst betreiben: Die Modellkarte empfiehlt, Kev 27B mit dem Kev-Repository auf einer GPU der 80-GB-Klasse zu betreiben; die Gewichte sind 51 GB groß, und sehr lange Eingaben brauchen laut Karte mehr als 80 GB. Die beiden Zeilen unten stammen aus der Karte. Wir haben sie nicht ausgeführt und keine Gewichte heruntergeladen. Die kleineren Größen sind in den jeweiligen Repositories beschrieben.

git clone https://github.com/jaredpalmer/kev.git && cd kev && uv sync --extra serve
uv run --extra serve python -m kev.serve --run jaredpalmer/kev-27b --port 8008

Wer veröffentlicht das Kev-Modell und unter welcher Lizenz?

Kev wird von Jared Palmer auf Hugging Face veröffentlicht (jaredpalmer/kev-27b und kleinere Größen). Die Modellkarten-Metadaten aller sieben Größen nennen license: apache-2.0. Geprüft am 29. Oktober 2026.

Welche Kev-Größen gibt es?

Auf Hugging Face liegen Kev-Repositories mit 0,5B, 0,6B, 0,8B, 4B, 8B, 9B und 27B Parametern. Laut Modellkarte ist Kev 27B ein Fine-Tuning von Qwen3.8-27B mit vollen Gewichten; die kleineren Größen sind LoRA-Adapter mit Pointer-Head auf Qwen-Basismodellen.

Wie schneidet Kev gegenüber Jev in JevBench ab?

Die Kev-Tabelle auf dieser Seite nennt die datierten Capability Scores von Kev 27B und weiteren Kev-Größen neben TypeSafe Jev 1.13.0 und 1.14.0 aus dem JevBench-Datenrelease v1.7.21 (veröffentlicht am 29. Oktober 2026). Es sind verschiedene Läufe von Anfang bis Mitte Oktober 2026, kein Ranking und kein Vergleich derselben Produktivlast. JevBench wird von dem Unternehmen hinter Decision Models betrieben.

Kann ich Kev bei Decision Models nutzen?

Die Seite /models/kev-27b bietet dedizierte Instanzen der veröffentlichten Kev-27B-Gewichte an. Gehostete API, lokaler Installer und vorinstallierte Hardware sind dort Anfrageformulare. Jev bieten wir nicht an.

Wenn du kein eigenes Modell betreiben willst, kannst du unsere vorhandenen Jev-kompatiblen Modelle testen. Sie verwenden eigene Modell-IDs und eigene Limits; prüfe Ergebnisse mit deinen Daten.