ENPT

Chon-1.0 (12B / E4B / E2B)

Última atualização:

Aberto110–23500ms$0/M input

Notas do quadrante

Ver o quadrante completo

Pontuação pela rubrica pública do quadrante (maturidade × capability; bolha = adoção). Revisamos conforme a evidência.

  • Maturidade5/10

    Adapters LoRA Apache-2.0 para Gemma 4 12B, E4B e E2B, com servidor Apache-2.0 (xoai/chon) que fala /v1/systemone e modos MPS e CPU para os tamanhos menores. Autor independente, sem API hospedada, sem SLA.

  • Capability8.1/10

    JevBench pesos abertos (v1.6.32, 20/10): o Chon-1.0-12B é #1 entre as linhas Jev-class, Capability 85,3, Intelligence 79,9 (referência do Jev 63,6), calibração 90,8, p50 0,134 s. Submissão paga. Fora do Decision Index 0.4 e do Artificial Analysis.

  • Adoção1/100

    Cerca de 37 downloads no repositório do 12B, nenhum like, 0 estrelas no GitHub e posts de lançamento no X com menos de 100 views cada (21/10). Sem integrações nem usuários em produção encontrados.

Vendor claims

Notícias sobre este modelo

publicado (OK do Fabricio 21/10 BRT). Notas calculadas do zero.

O que é

Chon é uma família de três adapters LoRA de Ninh Nguyen (@xoai): Chon-1.0-12B sobre o google/gemma-4-12B-it, Chon-1.0-E4B e Chon-1.0-E2B. O modelo base fica sem alteração e é carregado junto com o adapter. Com um estado e uma pergunta de opções fechadas, devolve uma probabilidade para cada opção: choice (2 a 16 opções), sim/não ou score. O servidor fala o formato /v1/systemone da TypeSafe. Inglês, com suporte também a vietnamita. A ficha é pontuada no 12B.

Algumas decisões fazem “uma passada extra curta” que gera texto quando o modelo está em dúvida (o card conta esses tokens em output_tokens). Por isso o p95 fica muito acima da mediana. --no-think desliga isso.

Resultado no placar

Placar Linha Resultado
JevBench pesos abertos (v1.6.32, 20/10/2026) Chon-1.0-12B #1 Jev-class: Capability 85,3, Intelligence 79,9, calibração 90,8, US$ 0,050 por 1.000 decisões (1,55× o Jev), p50 0,134 s
idem Chon-1.0-E4B Capability 68,4, Intelligence 55,0, calibração 81,8; p50 22,2 s, fora do teto de latência Jev-class

O placar registra uma “paid publication exception” para o 12B e lista o modelo base como não divulgado, enquanto o card cita o Gemma 4 12B. Fora do Decision Index 0.4 e do Artificial Analysis (conferido em 21/10); os placares nunca são combinados.

Claims do autor (UnverifiedClaim)

  • Own measurements: held-out replica (720 items) Intelligence 82.0, calibration proxy 91.4; JevBench public (231) Intelligence 82.8 (fonte)
  • One H100 80 GB, one request at a time: median 0.11 s, p95 23.5 s; about $0.047 per 1,000 decisions (fonte)
  • “#1 model on JevBench, surpassing Jev, Clef, Quyet and all other 31B system-one models” (post). Vale para a visão Jev-class de pesos abertos em 20/10. Não é primeiro no placar de APIs hospedadas, que é outra tabela.

Notas (do zero, 21/10/2026)

  • Capability 8,1 = tipos × 0,30 + calibração × 0,25 + latência × 0,25 + acurácia × 0,20 = 10 × 0,30 + 7 × 0,25 + 7 × 0,25 + 8 × 0,20 = 8,10. Acurácia: 8 × 79,9 ÷ 63,6 = 10,05, teto 8 (o 9 exige um segundo placar independente acima do Jev). Eixo de calibração 90,8 → 7. p50 do placar 0,134 s → 7.
  • Maturidade 5,0 = disponibilidade × 0,30 + docs × 0,25 + integrações × 0,25 + suporte × 0,20 = 7 × 0,30 + 7 × 0,25 + 3 × 0,25 + 2 × 0,20 = 5,00.
  • Adoção 1 = engajamento × 0,35 + ecossistema × 0,35 + produção × 0,30 = 1 × 0,35 + 1 × 0,35 + 0 × 0,30 = 0,70 → 1.