That's NeuralCatálogo de modelos

jaredpalmer

Jared Palmer: Kev 4B

jaredpalmer/kev-4b

Nuestro análisis

Análisis asistido por IA basado en las fuentes siguientes. La idoneidad es una valoración editorial; compruébala con tus propias tareas.

Kev-4B es un modelo de decisiones pequeño, de pesos abiertos y solo en inglés, creado por Jared Palmer: un adaptador LoRA y una cabeza de puntero sobre un Qwen3.5-4B-Base congelado que puntúa las opciones proporcionadas por el usuario en lugar de generar texto. Ante un documento y preguntas tipadas de opción múltiple, puntuación o sí/no, devuelve probabilidades calibradas en una sola pasada e implementa la API System One de TypeSafe, por lo que el SDK de TypeSafe funciona sin cambios. Se autoaloja en una GPU de unos 16 a 24 GB o un Mac Apple Silicon de 32 GB; todos los resultados publicados son reportados por el autor.[1][2]

Puntos fuertes

  • Responde preguntas tipadas (opción múltiple, puntuación, sí/no) con una probabilidad calibrada por opción en una sola pasada, y la ficha del modelo reporta bajo error de calibración en varias suites reservadas.[2]
  • Implementa la API System One de TypeSafe como un endpoint autoalojable e intercambiable que corre en una sola GPU con unos 16 GB libres o un Mac Apple Silicon de 32 GB.[2]
  • Pesos abiertos Apache-2.0 publicados como adaptador LoRA, concebidos por el autor como punto de partida para fine-tuning con las etiquetas propias del usuario.[2]

Limitaciones

  • Solo inglés y no es un modelo generativo: no puede chatear, resumir ni responder preguntas abiertas, solo puntúa las opciones recibidas; el autor también excluye decisiones automatizadas de alto impacto sin revisión humana.[2]
  • Solo se validan 8.192 tokens de contexto, la cifra que también lista el catálogo de OpenRouter; se sirven estados de hasta 65.536 tokens pero la precisión reportada cae a mayores longitudes, y la ficha señala debilidad en tareas de mucho conocimiento.[1][2]
  • La evidencia es la ficha del propio autor más un listado de catálogo, sin evaluación independiente en este paquete de fuentes; la propia ficha indica fijar los umbrales de confianza sobre una muestra etiquetada de la carga de trabajo del usuario.[1][2]

Dónde utilizarlo

  • Clasificación, enrutamiento y triaje de documentos, elecciones de extracción y verificaciones de políticas o elegibilidad sobre entradas de unos miles de tokens, según los usos previstos declarados por el autor y sin verificación independiente.[2]
  • Automatización guiada por confianza donde los casos probables se resuelven automáticamente y los inciertos pasan a revisión humana.[2]
  • Sustituto autoalojado y compatible a nivel de API de un endpoint System One, o base para fine-tuning de tareas de decisión con etiquetas propias.[2]

Fuentes

  1. [1] OpenRouter catalog · Jared Palmer: Kev 4BFuentes consultadas: 13 nov 2026
  2. [2] Model documentation · Jared Palmer: Kev 4BFuentes consultadas: 13 nov 2026

Sobre este modelo

La descripción siguiente es el texto original aportado por OpenRouter, en el idioma de la fuente.

Kev 4B is a small open-weight decision model from Jared Palmer, built as a LoRA adapter and pointer head on Qwen3.5-4B-Base and served over the same /v1/systemone contract as TypeSafe's...

Especificaciones

ID del modelo
jaredpalmer/kev-4b
ID canónico
jaredpalmer/kev-4b-20260924
Creador
jaredpalmer
Añadido a OpenRouter
25.09.2026
Longitud de contexto
8,192
Modalidad
text->decisions
Modalidades de entrada
text
Modalidades de salida
decisions
Precio por token
Sin precio por token en la instantánea fuente — consulta OpenRouter para la unidad de facturación
Corte de conocimiento
—
Fecha de expiración
—

Tareas y capacidades

Una nota aparece solo cuando la fuente aporta una medición correspondiente para esa tarea, el modelo está activo y la cohorte tiene al menos 10 modelos comparables. La columna de capacidad muestra hechos declarados por la fuente — formatos compatibles, razonamiento y parámetros de herramientas — que no son calidad medida.

TareaNotaCapacidad declarada por la fuente
Calidad generalSin medición—
ProgramaciónSin medición—
AgentesSin medición—
EscrituraSin medición—
RazonamientoSin medición—
Análisis de documentosSin medición—
VisiónSin medición—
Generación de imágenesSin medición—
AudioSin medición—
VídeoSin medición—
EmbeddingsSin medición—

Evaluaciones

No hay evaluaciones aportadas para este modelo.

Cómo funcionan las notas

Cada nota compara un modelo solo con otros modelos evaluados por la misma fuente y métrica en la instantánea actual. S es el 10% superior, A el siguiente 20%, B el siguiente 30% y C el resto. Los modelos sin medición publicada aparecen como no evaluados: un formato compatible nunca implica calidad medida.

  • S — S — 10% superior de la cohorte
  • A — A — siguiente 20% de la cohorte
  • B — B — siguiente 30% de la cohorte
  • C — C — por debajo de la franja B

Proveedores

Estadísticas opcionales de proveedores en vivo desde OpenRouter. Los valores ausentes son desconocidos, no cero.

ProveedorLongitud de contextoPrecio entrada /1MPrecio salida /1MLatencia p50 (30m, s)Rendimiento p50 (30m, tok/s)Disponibilidad (30m)
SiliconFlowfp88,192—————

Datos de proveedores obtenidos: 13.11.2026

Ningún artículo publicado identifica aún este modelo.