Jev 替代品
Kev
保住官方 SDK 不动的那条 drop-in 路线
一句话结论
当目标是"不动业务代码就替掉托管 Jev 调用"时选 Kev：它说同一套 `/v1/systemone` 线格式，改 base URL 后官方 TypeSafe SDK 直接可用。但要预期自动化覆盖率只有约 0.45–0.57（5% 错误预算下），而 Jev 是 0.70；知识类任务差距更大，而且那来自基座模型而非适配器。
Kev 是 Jared Palmer 做的一组 rank-16 LoRA 适配器加指针头，基座是 Qwen3.5。它从 Kev-0.5B 起步，长成了 0.8B / 4B / 9B 以及一个 27B 变体。它真正的卖点不是准确率，而是实现了 TypeSafe 自己的 POST /v1/systemone 契约——改一个 base URL，官方 SDK 原样可用。
Adapt a large model
Keep the LLM as the backbone and bolt a decision structure onto it — LoRA adapters or a pointer head — so one prefill answers every question.
搜索别名
关键规格
- Licence
- Apache-2.0
- Author
- Jared Palmer
- Backbone
- Qwen3.5 + rank-16 LoRA + 指针头 · 0.8B / 4B / 9B，另有 27B 变体
- Size
- 4B 约 9GB · 27B 约 55GB
- Latency
- MLX 重复 state 47ms、新 state 77ms · H100 上 18.1ms · M5 上 721ms
- Wire format
- TypeSafe POST /v1/systemone，原样兼容
- Install
- uv sync --extra serve
Kev 对 Jev：用 Kev 自己公布的败绩说话
均为第三方或项目自述数字。Kev 的自我评测对标定问题异常坦诚，这也是本页能写得具体的原因。
| Kev 对 Jev：用 Kev 自己公布的败绩说话 | Kev | Jev |
|---|---|---|
| 未见过的来源上 | 0.822（9B）· 0.848 / 0.896（27B） | 0.857 |
| 自信错误率 | 4.0% | 3.7% |
| 5% 错误预算下的自动化覆盖率 | 0.45–0.57 | 0.70 |
| 知识类任务（MMLU-Pro） | 0.515 —— 基座模型的天花板，不是适配器问题 | 0.840 |
| 接入成本 | 改一个 base URL，SDK 不动 | 需要等候名单与 API key |
什么时候该选 Kev
Kev 是整个开源生态里迁移路径最短的一条。如果你的代码已经在调 TypeSafe SDK，而你真正在意的是数据不出域、单次成本或限流，改 base URL 就是一行改动，其他一切照旧。中端显卡上的 4B 是实用甜点；MLX 后端让 Mac 变得可行——从旧 PyTorch MPS 路径的 213ms 降到重复 state 的 47ms。
什么时候该放弃它
知识密集型的判断不要用 Kev。MMLU-Pro 0.515 对 Jev 0.840，这是基座模型的天花板，加多少适配器训练都补不上。也不要直接采信它的准确率：那是用它自己的协议在留出来源上测的，而其他每个开源项目都用不同协议——这正是同一周里冒出四个互不相容的"Jev 分数"的原因。
三步接入 Kev
# 1. 本地起一个 Kev checkpoint
git clone https://github.com/jaredpalmer/kev.git && cd kev
uv sync --extra serve
KEV_DTYPE=bf16 uv run --extra serve python -m kev.serve \
--run jaredpalmer/kev-0.8b --port 8009
# 2. 用与 Jev 相同的请求形状调用
curl -s localhost:8009/v1/systemone \
-H 'content-type: application/json' \
-d '{
"model": "kev-latest",
"state": "鞋子到得晚，而且尺码发错了。",
"questions": {
"department": {
"type": "choice",
"instructions": "该由哪个团队处理？",
"criteria": {
"returns": "换货、退款、破损商品",
"shipping": "物流状态、延误",
"billing": "扣款、发票"
}
}
}}'关于 Kev 的常见问题
Kev 真的能当 Jev 的平替吗？
线格式上可以。它实现了 TypeSafe 的 POST /v1/systemone，接受同样的 state 与 choice / score / noul 结构，改 base URL 后官方 SDK 可用。质量上不等价：留出来源上的准确率落后几分，5% 错误预算下的自动化覆盖率 0.45–0.57 对 0.70，知识类问题落后更多。
该跑哪个 Kev checkpoint？
中端显卡上选 4B 最实用：9B 的收益不值那两倍显存，27B 要 55GB 左右。最早的 Kev-0.5B 仍然存在，也是早期文章点名的那个，但项目后来已经转到 0.8B / 4B / 9B，所以旧对比可能测的根本不是同一个模型。
为什么 Kev 在 Mac 上很慢？
以前确实慢。旧的 PyTorch MPS 路径上同一请求约 213ms；2026 年 9 月加入的 MLX 后端把它降到新 state 77ms、重复 state 47ms，代价是首次调用有 3.2 秒的一次性开销。
能用我自己的决策数据微调 Kev 吗？
这正是它的设计工作流——适配器很小，训练路径有文档。但先测自己的留出集：项目公布的数字用的是它自己的协议，而这个生态里的跨项目对比出了名地不一致。
来源
本页所有对比数字均为第三方公开口径或对公开仓库的阅读，不是本站实测。我们没有对 TypeSafe Jev 本体做过实测，且其主客户协议禁止利用其输出开发同类产品。