模型發布
開源決策模型家族 Kev 發布：基於 Qwen3.5 提供 0.8B 至 9B 版本，API 相容 TypeSafe
Hacker News單一來源
尚未逐項核實
目前依單一來源整理，這是來源數量描述，不是對消息真假的判定。
開發者發布基於 Qwen3.5 構建的開源微型決策模型家族 Kev，提供 0.8B、4B 與 9B 三種參數版本，並開放預訓練權重與訓練程式碼。Kev 基於「Jev's Architecture Unmasked」架構，其 API 與 TypeSafe 的 System One 相容，允許開發者直接將 TypeSafe Python SDK 指向本地伺服器。
在功能上，Kev 支援在單一請求中同時處理是非（noul）、多選（choice）與評分（score）問題，各問題共享輸入文本但無法讀取彼此的內容。硬體方面，模型支援 CUDA、ROCm 與 Apple Silicon，4B 與 9B 模型可使用 bf16 精度在 32GB 記憶體的 Mac 上運行。
根據官方提供的評測數據，在未訓練過的新資料來源開發集上，Kev-9B 的準確率為 0.822，落後於 Jev 的 0.857；Kev-9B 在測試集上的準確率則為 0.852（Jev 未進行此測試）。官方指出，所有模型已於 2026 年 9 月 21 日針對生成的政策案例範例進行了第二次短期訓練更新。
此外，專案提供 Web playground 供開發者測試選項順序影響與問題隔離，並內建西洋棋展示功能；Hugging Face Spaces 亦提供免安裝的 Kev-4B 與 Kev-0.8B 線上測試。
讀原始報導背景
Qwen（通義千問）是由阿里雲開發的開源權重語言模型系列，涵蓋大型與小型語言模型。本次推出的 Kev 決策模型家族便是以 Qwen3.5 為基礎所打造，讓開發者能在本地端自行訓練與運行。
社群討論
社群對迅速湧現的開源 Jev-like 模型看法兩極，部分期待將其用於前端樣式檢查或結合 API 以減少 60% 的 tool calls。但許多人質疑這些專案缺乏 Jev 核心的訓練資料，且基於 RLHF 的 Qwen 架構並非真正的 Jev-like，實測表現不佳。有網友建議若只需分類功能，用 LLM 生成 embeddings 加上邏輯迴歸分類器，模型小於 1MB 且推論低於 100ms，準確率即可達 95%。