Jared Palmer: Kev 4B

Jared Palmer: Kev 4B is een klein open-weight beslissingsmodel van Jared Palmer. Het is gebouwd als een LoRA-adapter en pointer head op Qwen3.5-4B-Base, en het wordt aangeboden via hetzelfde /v1/systemone-contract als de modellen van TypeSafe. De hoofdcategorie is decisions, en dat is de enige categorie waarin het is vermeld, dus het is een gericht model in plaats van een algemene assistent.

Het model neemt tekst als invoer en produceert beslissingen als uitvoer. Het heeft een contextlengte van 8192 tokens, en de maximale uitvoer is 7372 tokens. Omdat de uitvoermodaliteit decisions is in plaats van vrije tekst, moet je verwachten dat het model een beslissing retourneert in plaats van een chatachtig antwoord of een lang geschreven antwoord. De invoerkant is alleen tekst, dus er is geen beeld-, audio- of bestandsinvoer om rekening mee te houden.

De praktische use cases volgen direct uit die vorm. Kev 4B past bij workflows waarin een stuk tekst moet worden omgezet naar een beslissing, zoals het routeren van een verzoek, het kiezen tussen opties, het classificeren van een inkomend bericht of het gateen van een stap in een pipeline. Het is een klein model, dus het past bij situaties waarin je een beslissing dicht bij de rest van je systeem wilt laten nemen in plaats van een groot algemeen model dat proza schrijft. Als je taak open einde generatie, samenvatting of gesprek is, past een algemeen model met tekstuitvoer beter, omdat Kev 4B niet is gebouwd om dat soort uitvoer te produceren.

Je roept het aan via de OpenAI-compatibele API van api14 met het model-id "jaredpalmer/kev-4b". Omdat de API OpenAI-compatibel is, richt je je bestaande OpenAI-client op de api14 base URL en geef je dat model-id door in je verzoek. Let op dat het model geen ondersteunde parameters vermeldt, dus je moet er niet op rekenen dat afstemmingsopties zoals temperature, top_p of vergelijkbare knoppen worden geaccepteerd of effect hebben. Stuur de tekst waarvoor je een beslissing wilt en lees de beslissing terug uit het antwoord.

Houd de limieten in gedachten bij het kiezen ervan. Het contextvenster is 8192 tokens, wat bescheiden is, dus zeer lange documenten moeten worden ingekort of opgesplitst voordat ze het model bereiken. Het uitvoerplafond van 7372 tokens ligt ook onder de contextlengte, en aangezien de uitvoer een beslissing is, zijn langvormige antwoorden niet waar dit model voor bedoeld is. Voor taken die grote context, rijke parametercontrole of geschreven uitvoer nodig hebben, zal een ander model op api14 meestal de betere keuze zijn.