---
format: "aidr-story-markdown/v1"
id: "81f06837fc19d2a8c99e55d2bfa6481997cb50e4ecef7cdfb01066f1c4d3893e"
canonical_url: "https://aidr.today/81f06837?lang=vi"
title: "Jared Palmer ra mắt các mô hình Kev mã nguồn mở kích thước 8B tham số để đối đầu với Jev"
lang: "vi"
requested_lang: "vi"
available_langs: ["en","vi"]
translation_fallback: null
fallback_fields: []
published_at: "2026-09-20T23:38:54.000Z"
category: "Models"
topics: ["jared-palmer","kev","qwen","open-source","fine-tuning","benchmark","kev-models","qwen3"]
source_urls: ["https://huggingnews.com/ai/update-jared-palmer-launches-open-source-kev-models-in-8b-parameter-size-31985c48","https://marketbrief.now/ai/update-jared-palmer-launches-open-source-kev-models-in-8b-parameter-size-31985c48"]
summary: "Dòng công cụ decision model mới nhất dựa trên kiến trúc Qwen3 cung cấp một bộ các mô hình có thể tự host, được thiết kế để triển khai cục bộ. Các phiên bản này, bao gồm các kích thước 0,6B, 4B và 8B tham số, sử dụng kỹ thuật LoRA và small pointer head để mô phỏng chức năng của Jev dưới giấy phép Apache 2.0. Việc huấn luyện phiên bản 4B mất 40 phút trên một GPU H100, trong khi phiên bản 8B cần 83 phút. Kev-8B ghi nhận mức điểm 79,6% trên dữ liệu chưa qua huấn luyện, thấp hơn mức 85,7% của Jev trên cùng bộ dữ liệu đó. Tuy nhiên, mô hình 4B đã vượt qua hiệu suất của Jev trong các tác vụ nhận diện logic cụ thể, và bản phát hành mã nguồn mở này cho phép thực thi cục bộ mà không bị ràng buộc bởi các hạn chế độc quyền. Các benchmark phần cứng cho thấy Kev-4B xử lý năm câu hỏi trong 300 ms trên một chiếc Mac 32 GB ở độ chính xác bf16 hoặc 40 ms trên một H100. Việc tích hợp được thực hiện thông qua một TypeSafe System One API có thể dùng ngay, chỉ cần thay đổi một URL cơ sở duy nhất trong SDK. Các tài liệu lặp lại được xử lý nhanh hơn từ 2 đến 2,5 lần nhờ sử dụng KV cache."
---

# Jared Palmer ra mắt các mô hình Kev mã nguồn mở kích thước 8B tham số để đối đầu với Jev

> [Open the canonical story](<https://aidr.today/81f06837?lang=vi>)

**Published:** 2026-09-20T23:38:54.000Z
**Category:** Models
**Topics:** jared\-palmer, kev, qwen, open\-source, fine\-tuning, benchmark, kev\-models, qwen3

## Summary

Dòng công cụ decision model mới nhất dựa trên kiến trúc Qwen3 cung cấp một bộ các mô hình có thể tự host, được thiết kế để triển khai cục bộ\. Các phiên bản này, bao gồm các kích thước 0,6B, 4B và 8B tham số, sử dụng kỹ thuật LoRA và small pointer head để mô phỏng chức năng của Jev dưới giấy phép Apache 2\.0\. Việc huấn luyện phiên bản 4B mất 40 phút trên một GPU H100, trong khi phiên bản 8B cần 83 phút\. Kev\-8B ghi nhận mức điểm 79,6% trên dữ liệu chưa qua huấn luyện, thấp hơn mức 85,7% của Jev trên cùng bộ dữ liệu đó\. Tuy nhiên, mô hình 4B đã vượt qua hiệu suất của Jev trong các tác vụ nhận diện logic cụ thể, và bản phát hành mã nguồn mở này cho phép thực thi cục bộ mà không bị ràng buộc bởi các hạn chế độc quyền\. Các benchmark phần cứng cho thấy Kev\-4B xử lý năm câu hỏi trong 300 ms trên một chiếc Mac 32 GB ở độ chính xác bf16 hoặc 40 ms trên một H100\. Việc tích hợp được thực hiện thông qua một TypeSafe System One API có thể dùng ngay, chỉ cần thay đổi một URL cơ sở duy nhất trong SDK\. Các tài liệu lặp lại được xử lý nhanh hơn từ 2 đến 2,5 lần nhờ sử dụng KV cache\.

## Sources

- [Story source](<https://huggingnews.com/ai/update-jared-palmer-launches-open-source-kev-models-in-8b-parameter-size-31985c48>)
- [Story source](<https://marketbrief.now/ai/update-jared-palmer-launches-open-source-kev-models-in-8b-parameter-size-31985c48>)

