Jared Palmer: Kev 4B

Jared Palmer: Kev 4B är en liten beslutmodell med öppna vikter från Jared Palmer. Den är byggd som en LoRA adapter och ett pointer head på Qwen3.5-4B-Base, och den serveras över samma /v1/systemone kontrakt som TypeSafe's modeller. Dess huvudkategori är beslut, och det är den enda kategorin den listas under, så det är en fokuserad modell snarare än en allmän assistent.

Modellen tar text som indata och producerar beslut som utdata. Den har en kontextlängd på 8192 tokens, och maximal utdata är 7372 tokens. Eftersom utdatamodaliteten är beslut snarare än fritext, bör du förvänta dig att modellen returnerar ett beslut snarare än ett chattsvar eller ett långt skriftligt svar. Indatasidan är endast text, så det finns ingen bild-, ljud- eller filindata att planera för.

De praktiska användningsområdena följer direkt av den formen. Kev 4B passar arbetsflöden där en textbit behöver mappas till ett beslut, som att dirigera en begäran, välja mellan alternativ, klassificera ett inkommande meddelande eller styra ett steg i en pipeline. Det är en liten modell, så den passar situationer där du vill att ett beslut fattas nära resten av ditt system snarare än en stor allmän modell som skriver prosa. Om din uppgift är öppen generering, sammanfattning eller konversation, passar en allmän textutdatamodell bättre, eftersom Kev 4B inte är byggd för att producera den typen av utdata.

Du anropar den genom api14's OpenAI-kompatibla API med modell-id "jaredpalmer/kev-4b". Eftersom API:et är OpenAI-kompatibelt, pekar du din befintliga OpenAI-klient mot api14 bas-URL och skickar det modell-id i din begäran. Observera att modellen inte listar några stödda parametrar, så du bör inte förlita dig på att justeringsalternativ som temperature, top_p eller liknande inställningar accepteras eller har effekt. Skicka texten du vill ha ett beslut om och läs beslutet tillbaka från svaret.

Tänk på begränsningarna när du väljer den. Kontextfönstret är 8192 tokens, vilket är måttligt, så mycket långa dokument behöver trimmas eller delas upp innan de når modellen. Utdatataket på 7372 tokens är också under kontextlängden, och eftersom utdata är ett beslut är långa svar inte vad denna modell är till för. För uppgifter som behöver stor kontext, rik parameterkontroll eller skriftlig utdata kommer en annan modell på api14 vanligtvis att vara det bättre valet.