ENPT

kettei

Última atualização:

Beta170–200ms$0.06/M input

Notas do quadrante

Ver o quadrante completo

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

  • Maturidade5.4/10

    API OneHot paga, com docs, SDK Python, plugin de agente, fine-tuning e rota /v1/systemone compatível com o Jev. Contas novas podem cair numa lista de espera, sem SLA nem GA. Os pesos 'abertos' do core e do dot não foram achados, então não contam.

  • Capability8.1/10

    Binary / single / ordinal, texto e imagem (fat, chub). 1º na API do JevBench (fat 77,8; eixo de calibração 93; p50 0,20 s no placar) e 1º no ImageJevBench (75,9). Sem ECE nem método publicados. Notas do kettei-fat; fora do DI 0.3 e da AA.

  • Adoção10/100

    Blog de lançamento em 14/10, pouco eco no X (post de atualização do JevBench com 23 likes e alguns outros), listagens no JevBench e no ImageJevBench. Três dias de vida, sem gateway, integrações nem usuários nomeados.

Vendor claims

Notícias sobre este modelo

publicado (OK do Fabricio 17/10 BRT).

Leia primeiro.

  1. Uma família, quatro nomes. O blog lista kettei fat, chub, core e dot. A API serve fat, chub e core. O dot (900M) não está nas docs, na lista de preços nem no /v1/models.
  2. “Open source” não está verificado. O blog diz que core (3,7B) e dot (900M) foram abertos. Em 17/10 a organização Sqwish no Hugging Face tem 0 modelos, não foi encontrada uma organização sqwish no GitHub, e as docs tratam o kettei-core como modelo de API. As bases (IFM K2-Horizon-3.7B e 0.9B) são públicas; os pesos do kettei não. Até aparecerem pesos e licença, isto é uma API fechada.
  3. As notas abaixo são do kettei-fat, e os únicos números independentes são os do Benchmark Heaven. Tudo que vem do blog da Sqwish é UnverifiedClaim.

O kettei (“decisão”, em japonês) é a família de modelos de decisão que a Sqwish Labs lançou em 14 de outubro de 2026 junto com a OneHot, sua plataforma de inferência e fine-tuning. Você envia um contexto (texto, imagens ou ambos), as perguntas e as respostas permitidas; um modelo kettei lê tudo uma vez e devolve uma probabilidade por resposta, sem gerar texto. A Sqwish diz que seu trabalho anterior eram roteadores, juízes calibrados e podadores de contexto, todos “pegando um contexto e uma lista curta de opções e devolvendo uma probabilidade para cada”.

Specs

Atributo Valor
Empresa Sqwish Labs (Reino Unido). Docs: a OneHot é operada do Reino Unido; pools de GPU na Europa quando possível
Lançamento 14/10/2026 (blog, docs e página de preços com a mesma data)
Modelos kettei-fat (imagem; fine-tuning “em prévia inicial, ainda indisponível”), kettei-chub (imagem; fine-tuning disponível), kettei-core (só texto; fine-tuning disponível). Versões “v1.0” para fat e chub
Tipos de pergunta /v1/decide nativo: binary, single, ordinal (misture na mesma requisição). Formato Jev via /v1/systemone
Endpoints POST https://api.sqwish.ai/v1/decide (nativo) e POST https://api.sqwish.ai/v1/systemone (um cliente Jev “continua funcionando: troque o endereço e a chave”)
Entrada Até 65.536 tokens de entrada por requisição; fat e chub aceitam até 8 imagens (JPEG/PNG/WebP, base64)
Preço Por milhão de tokens de entrada, saída não cobrada: fat US$ 0,06, chub US$ 0,04, core US$ 0,02 (chub com fine-tuning US$ 0,08, core US$ 0,04). US$ 5 de crédito inicial, uma vez por caixa de e-mail, 30 dias
Acesso Contas novas podem começar como waitlisted; a maior parte do trabalho na API exige conta ativa
Ferramentas SDK Python sqwishai 0.3.6 no PyPI, plugin de agente e ferramentas MCP para Claude Code, Codex e Cursor, playground no console
Dados O conteúdo da requisição é descartado após a resposta e não é usado para treinar modelos oferecidos a outros
Fallback fallback: "auto" (padrão) pode deixar um tamanho menor responder quando um modelo não pode; a resposta nomeia o modelo e o fallback. Use "none" para comparações reproduzíveis

Placares independentes: Benchmark Heaven (conferido em 17/10/2026)

JevBench, placar de API hospedada (board v1.7.46, atualizado em 16/10). O composite é a média harmônica de pesos iguais de Intelligence, Calibration, Speed e Cost. As duas linhas do kettei estão no sorteio regular novo da v1.6 (20261012), conjunto completo de 1.500 itens.

Sistema Composite Intelligence Calibration Speed Cost US$ por 1.000 p50
kettei-fat (1º) 77,8 80 93 93 58 US$ 0,026 (est.) 0,20 s
d1-ultra (2º) 76,1 70 91 89 62 US$ 0,018 (est.) 0,23 s
Sage 1.3.0 (3º) 74,0 66 92 94 58 US$ 0,025 (est.) 0,15 s
kettei-chub (4º) 73,5 62 84 95 63 US$ 0,017 (est.) 0,17 s
Jev 1.13.0 (referência, 7º) 71,5 64 91 91 55 US$ 0,032 0,24 s

No headline de Capability do placar (média de Intelligence e Calibration) o fat faz 86,3 (1º, “lidera os sistemas Jev-class”) e o chub 73,1. O placar conta como erro os 15 dos 1.500 itens que o fat recusou com HTTP 422; os custos usam os preços de tabela da Sqwish e a contagem de tokens da própria linha, saída a zero. Por tópico, o radar do placar mostra o fat bem à frente do Jev 1.13 em regras e políticas (88,6 vs 49,4), código (86,5 vs 64,3) e matemática (68,7 vs 10,4), e atrás em “linguagem cotidiana” (35,0 vs 77,5).

ImageJevBench v0.3.0. O kettei-fat é 1º (Capability 75,9, Intelligence 67,4, Calibration 84,5, US$ 0,011 por 1.000); o kettei-chub é oficial #4 (7º por Capability). Para comparar, “Sage 1.4 + images” é 2º por Capability (75,8) e oficial #5, e “H2O-Lightning-4B (image)” tem 60,4.

Fora do placar Decision Index 0.3 (as provas privadas são só para modelos abertos, como o próprio blog da Sqwish observa) e do Artificial Analysis Decision Index. Os dois placares nunca são misturados aqui.

O que a Sqwish afirma (UnverifiedClaim)

  • 93,1% nos 231 itens públicos do JevBench com mediana de 160 ms, do Reino Unido, “mais preciso e mais rápido que qualquer outro modelo de decisão que rodamos”. Os itens públicos são a parte do JevBench em que dá para treinar; o número do placar (composite 77,8) é o independente.
  • Decision Index público, rodado pela Sqwish com o kit do mantenedor na amostra estratificada de 12.000 requisições: fat acima de todo modelo de decisão listado, chub igualando o Decider 27B da Perplexity, core e dot “líderes nas suas classes de tamanho”. Não é entrada de placar.
  • Imagens held-out: 97,5% (fat) e 96,9% (chub) em 5.000 perguntas escritas pela Sqwish, contra 73,5% do Cloudflare Clef.
  • Testes de calibração: um teste do dado escondido (o Jev disse “1” sempre com 83% de confiança; o kettei ficou perto do acaso) e testes de embaralhamento e troca de rótulos sem inversões em respostas com 80% ou mais. As cifras de log loss são da própria Sqwish. Não há ECE nem método publicado para as probabilidades.
  • Jogos a partir de pixels (ViZDoom, Mario, Tetris) e um híbrido “System 1 / System 2” com o Gemini 3.8 Flash: demos da Sqwish, não pontuadas aqui.

Fit / anti-fit

Serve quando você precisa de: um modelo de decisão hospedado com o melhor resultado independente no JevBench até agora, leitura de imagem na mesma chamada, um endpoint no formato Jev para A/B contra o Jev e fine-tuning por conta no chub ou no core.

Não serve quando você precisa de: pesos abertos ou self-hosting (nenhum achado), um serviço GA com SLA, resultado no Decision Index 0.3 ou na Artificial Analysis, ou fine-tuning no maior tamanho (o do fat está “ainda indisponível”).

Limites

  • Pesos fechados, modelos-base não divulgados para fat e chub; sem ECE nem método de calibração publicados.
  • O acesso à conta pode começar numa lista de espera; a API não foi chamada para esta página (sem chave), então limites de tipos de pergunta além das docs não foram testados.
  • As linhas do placar foram medidas num sorteio novo e algumas no conjunto completo de 1.500 itens; espere movimento conforme os placares reequiparem.
  • core e dot: sem pesos, sem licença verificada.

Modelos de decisão dedicados com API tipada que devolve probabilidade por opção, documentação e preços públicos e os melhores resultados independentes de JevBench e ImageJevBench no lançamento. Sobe da lista de watch do radar (estava em watch em 15/10 só porque os pesos “abertos” do core e do dot não tinham aparecido); a página é pontuada nos tamanhos de API que existem.

Conta das notas (17/10/2026, pontuada no kettei-fat)

  • Maturidade = disponibilidade 6 × 0,30 + docs 8 × 0,25 + integrações 4 × 0,25 + suporte 3 × 0,20 = 1,80 + 2,00 + 1,00 + 0,60 = 5,40 → 5,4
  • Capability = tipos 9 × 0,30 + calibração 7 × 0,25 + latência 8 × 0,25 + acurácia 8 × 0,20 = 2,70 + 1,75 + 2,00 + 1,60 = 8,05 → 8,1
  • Adoção = engajamento 20 × 0,35 + ecossistema 8 × 0,35 + produção 0 × 0,30 = 7,00 + 2,80 + 0,00 = 9,80 → 10

Disponibilidade 6: API paga e self-serve, mas com etapa de admissão, sem GA e sem pesos abertos (igual ao d1-ultra). Docs 8: site de docs completo (quickstart, SDKs, interpretação, fine-tuning, residência, llms.txt, OpenAPI). Integrações 4: /v1/systemone compatível com o Jev (precedente 3) mais o SDK e o plugin de agente; sem listagem em gateway. Suporte 3: empresa, sem SLA.

Tipos 9: três tipos e imagens, mas não rodei a API nem conferi limites de opções. Calibração 7: o eixo de calibração do placar é o topo do placar de API (93) e a Sqwish mostra testes, mas não publica ECE (precedente: Sage, Quyet). Latência 8: 0,17–0,20 s medidos ponta a ponta pelo placar (independente, sem p99). Acurácia 8: uma família de placares independentes o põe em 1º no JevBench e no ImageJevBench (regra GLiDE / d1-ultra); 9 exigiria um segundo placar independente, como o índice da AA ou o DI 0.3.