开发者 Jared Palmer 正式开源了决策模型家族 Kev。这套基于 Qwen3.5 底座构建的轻量级模型包含 0.8B、4B 与 9B 三种规格，采用 Apache-2.0 协议开放了全部权重、训练代码与固化评测集。它不写文章、不做长文本总结，也不生成任何一个传统的自回归 Token，而是专为分类、审核、工单分发与状态评分而生的非生成式判决工具。
Kev 的直接对标对象，是 TypeSafe AI 在 2026 年 9 月 15 日推出的商业闭源模型 Jev。后者凭借非生成式的 System One 架构，把单次决策成本压到了每百万输入 Token 仅 0.042 美元，并宣称在特定工作流中比传统通用大语言模型快 193.6 倍、成本降低 444.6 倍。Kev 的出现证明了一件事：在工作流管线里，用庞大的生成式大模型配合 JSON 结构化输出本就是一种巨大的算力浪费；而构筑这种毫秒级决策壁垒，并不需要不可见的数据黑盒。
万级数据拉起的平替，逼近专有壁垒
长期以来，开发者为了在代码管线中获得确定性的枚举值，不得不搬出 8B 甚至 70B 的自回归模型，再挂上 Outlines 这类语法掩码库。这种做法不仅延迟常常高达数秒，而且强行生成的 JSON 字符串抹平了模型内部真实的概率分布。读者很难获知模型判定退货的把握究竟是 99% 还是 51%。
Kev 完全兼容 TypeSafe 的 System One API 规范。它在冻结的基础模型顶端挂载 Rank-16 的 LoRA 适配器和一个轻量指针头，将文本与判定项的隐层状态进行点积运算，经过 Softmax 后直接给出概率与置信度。
令人惊讶的是这套系统所需的训练代价极低。其核心训练集 decision-v7 仅包含取自 10 个公开数据源的 10,000 条样本，外加 2,576 条程序生成的策略结构数据，且全程未蒸馏任何 Jev 的商业输出。实验显示，在 4B 参数量级上盲目堆砌通用语料反而会损伤域外迁移能力；反倒是调低学习率以完整保留底座预训练知识，取得了更好的泛化效果。
在域外测试集上，Kev-9B 取得了 0.837 准确率 与 0.243 Brier 分数，相较旧代基于 Qwen3 的 Kev-8B 提升了 7.3 个百分点。而在基准 transfer-v4 开发集测试中，商业专有的 Jev 准确率为 0.857、Brier 评分 0.211；Kev-9B 录得 0.812 与 0.291，Kev-4B 则录得 0.794 与 0.316。尽管商业标杆在整体校准度上依旧占优，但在完全无依据的不可知问题压力测试中，Kev-9B 仅在 5% 的极端案例中给出大于等于 0.9 的过度自信错判，不仅碾压了前代 Kev-8B 的 26%，甚至反超了 Jev 的 9%。
判决模型剥离了文字创作的幻觉，却无法免除概率本身的盲区。
线性注意力的两难：架构创新背刺了端侧延迟
底座换装并非没有代价。从 Qwen3 切换到 Qwen3.5，带来精度红利的同时，也给部署带来了工程麻烦。
上一代基于纯 Transformer 注意力机制的模型，可以通过精巧的 block-attention 掩码，将主文本与多道互不干扰的评测问题塞进同一个 Token 序列处理。然而 Qwen3.5 引入了 Gated DeltaNet 线性注意力混合层。这种递归结构完全无视传统的注意力掩码，极易导致不同业务问题之间发生信息串扰。
为了守住隔离防线，Kev 最终选择将共享的主状态单次前向编码后，在内存中并行切分为独立的因果行计算。这套方案在数据中心表现强悍：在英伟达 H100 显卡搭载 flash-linear-attention 算子时，单次处理 5 个问题的请求耗时仅需数十毫秒。
但在消费级硬件上情况急转直下。由于苹果生态缺少专门针对 DeltaNet 架构优化的底层内核，在搭载 M5 芯片的 Mac 上以 bf16 运行，Kev-4B 耗时达到 779 毫秒，9B 版本甚至需要大约 2 秒。反观采用旧版 Qwen3 纯注意力架构的模型，在相同硬件上的响应仅需 174 毫秒与 300 毫秒。对于指望在本地端侧搭建亚秒级路由器的开发者而言，这无疑是一次架构演进带来的性能倒退。
格式正确绝非事实无误
很多工程团队对决策模型的狂热，源于所谓的零幻觉承诺。但开发者必须分清类型安全与事实正确之间的红线。指针网络能确保输出绝对符合预设的数据结构，并不意味着它的业务裁决无懈可击。
第三方审计揭示了这项技术当前最隐蔽的缺陷：选项顺序敏感性。在 400 组二选一压力测试中，商业模型 Jev 做到了 0% 的选项颠倒翻转，而 Kev-4B 出现了 8% 的决策翻转，Kev-9B 也有 3% 的翻转率。这意味着仅仅改变提示词里备选项的前后顺序，部分工单的去向就会截然相反。
此外，当工程师将原本的布尔判断改写为选择题语法时，模型的置信度平均位移高达 0.125。更致命的是，若开发者在配置规则时忘记显式声明弃权选项，面对语义模糊的输入，模型在高达 79% 的测试场景下会偏向带有刻板倾向的默认选项。
- 提醒.绝不能将置信度数值直接作为无人工干预执行的门限，缺乏兜底机制的硬编码路由极易在长尾样本中引发系统性穿透。
TypeSafe 官方宣称 Jev 端到端延迟在 70 至 500 毫秒之间，但其公布的基准测试大多依赖内部合成数据，并以大模型共识而非真实业务客观事实作为校准标准。Kev 最大的价值不仅在于提供了一个免费可审的本地替代品，更在于它揭穿了判决模型的光环：未来的可靠架构，既不会是大语言模型的大包大揽，也不会是非生成判决模型的单兵突进，而是一层轻量判决分流、外加严密规则兜底的联合防线。