Jared Palmer: Kev 4B

Jared Palmer: Kev 4B ist ein kleines Entscheidungsmodell mit offenen Gewichten von Jared Palmer. Es ist als LoRA-Adapter und Pointer Head auf Qwen3.5-4B-Base aufgebaut und wird über denselben /v1/systemone-Vertrag wie die Modelle von TypeSafe bereitgestellt. Seine Hauptkategorie ist decisions, und das ist die einzige Kategorie, unter der es gelistet ist, es ist also ein fokussiertes Modell und kein Allzweckassistent.

Das Modell nimmt Text als Eingabe und erzeugt Entscheidungen als Ausgabe. Es hat eine Kontextlänge von 8192 Tokens, und die maximale Ausgabe beträgt 7372 Tokens. Da die Ausgabemodalität Entscheidungen und nicht Freitext ist, sollten Sie erwarten, dass das Modell eine Entscheidung zurückgibt und keine Antwort im Chat-Stil oder eine lange schriftliche Antwort. Die Eingabeseite ist reiner Text, es gibt also keine Bild-, Audio- oder Dateieingabe, die eingeplant werden muss.

Die praktischen Anwendungsfälle ergeben sich direkt aus dieser Form. Kev 4B passt zu Workflows, in denen ein Stück Text auf eine Entscheidung abgebildet werden muss, etwa beim Routing einer Anfrage, bei der Auswahl zwischen Optionen, bei der Klassifizierung einer eingehenden Nachricht oder bei der Freigabe eines Schritts in einer Pipeline. Es ist ein kleines Modell, es eignet sich also für Situationen, in denen Sie eine Entscheidung nah am Rest Ihres Systems treffen möchten, statt ein großes allgemeines Modell, das Prosa schreibt. Wenn Ihre Aufgabe offene Generierung, Zusammenfassung oder Konversation ist, passt ein allgemeines Modell mit Textausgabe besser, weil Kev 4B nicht dafür gebaut ist, diese Art von Ausgabe zu erzeugen.

Sie rufen es über die OpenAI-kompatible API von api14 mit der Modell-ID "jaredpalmer/kev-4b" auf. Da die API OpenAI-kompatibel ist, richten Sie Ihren vorhandenen OpenAI-Client auf die api14-Basis-URL und übergeben diese Modell-ID in Ihrer Anfrage. Beachten Sie, dass das Modell keine unterstützten Parameter auflistet, Sie sollten sich also nicht darauf verlassen, dass Tuning-Optionen wie temperature, top_p oder ähnliche Stellschrauben akzeptiert werden oder eine Wirkung haben. Senden Sie den Text, über den Sie eine Entscheidung möchten, und lesen Sie die Entscheidung aus der Antwort zurück.

Behalten Sie die Grenzen im Blick, wenn Sie es auswählen. Das Kontextfenster beträgt 8192 Tokens, was bescheiden ist, sehr lange Dokumente müssen also gekürzt oder aufgeteilt werden, bevor sie das Modell erreichen. Die Obergrenze der Ausgabe von 7372 Tokens liegt ebenfalls unter der Kontextlänge, und da die Ausgabe eine Entscheidung ist, sind lange Antworten nicht der Zweck dieses Modells. Für Aufgaben, die großen Kontext, umfangreiche Parametersteuerung oder schriftliche Ausgabe erfordern, ist ein anderes Modell auf api14 normalerweise die bessere Wahl.