Jared Palmer: Kev 4B

Jared Palmer: Kev 4B adalah model keputusan berukuran kecil dengan bobot terbuka dari Jared Palmer. Model ini dibangun sebagai adapter LoRA dan pointer head pada Qwen3.5-4B-Base, dan dilayani melalui kontrak /v1/systemone yang sama dengan model-model TypeSafe. Kategori utamanya adalah decisions, dan itu satu-satunya kategori tempat model ini terdaftar, jadi model ini adalah model yang terfokus, bukan asisten serbaguna.

Model ini menerima teks sebagai input dan menghasilkan decisions sebagai output. Panjang konteksnya 8192 token, dan output maksimumnya 7372 token. Karena modalitas outputnya adalah decisions, bukan teks bebas, Anda sebaiknya mengharapkan model mengembalikan sebuah keputusan, bukan balasan bergaya chat atau jawaban tertulis yang panjang. Sisi input hanya teks, jadi tidak ada input gambar, audio atau file yang perlu direncanakan.

Kasus penggunaan praktisnya mengikuti bentuk tersebut secara langsung. Kev 4B cocok untuk alur kerja di mana sepotong teks perlu dipetakan ke sebuah keputusan, seperti merutekan permintaan, memilih di antara opsi, mengklasifikasikan pesan yang masuk atau menjadi gerbang pada suatu langkah dalam pipeline. Ini model kecil, jadi cocok untuk situasi di mana Anda ingin keputusan dibuat dekat dengan bagian lain dari sistem Anda, bukan oleh model umum besar yang menulis prosa. Jika tugas Anda adalah generasi terbuka, peringkasan atau percakapan, model dengan output teks umum akan lebih cocok, karena Kev 4B tidak dibangun untuk menghasilkan output semacam itu.

Anda memanggilnya melalui API yang kompatibel dengan OpenAI dari api14 menggunakan model id "jaredpalmer/kev-4b". Karena API-nya kompatibel dengan OpenAI, Anda mengarahkan klien OpenAI yang sudah ada ke base URL api14 dan meneruskan model id tersebut dalam permintaan Anda. Perhatikan bahwa model ini tidak mencantumkan parameter yang didukung, jadi Anda sebaiknya tidak mengandalkan opsi penyetelan seperti temperature, top_p atau knob serupa untuk diterima atau memiliki efek. Kirim teks yang Anda ingin dibuatkan keputusannya dan baca keputusan itu kembali dari respons.

Ingatlah batasannya saat memilih model ini. Jendela konteksnya 8192 token, yang tergolong sedang, jadi dokumen yang sangat panjang perlu dipangkas atau dipisah sebelum mencapai model. Batas output 7372 token juga di bawah panjang konteks, dan karena outputnya adalah sebuah keputusan, jawaban panjang bukanlah tujuan model ini. Untuk tugas yang membutuhkan konteks besar, kontrol parameter yang kaya atau output tertulis, model lain di api14 biasanya akan menjadi pilihan yang lebih baik.