ENPT

KnowLine-35B-A3B Gen1

Última atualização:

Aberto51–51ms$0/M input

Notas do quadrante

Ver o quadrante completo

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

  • Maturidade5.6/10

    Pesos bf16 Apache-2.0 (~67 GB; o SGLang serve em FP8 no carregamento, GPU de 48 GB+), front end /v1/systemone, INFERENCE.md com as configurações exatas e card longo. Time pequeno, sem API hospedada, sem SLA e sem integração de terceiros.

  • Capability8.1/10

    Choice, Noul, Score (até 64 perguntas) numa passada. Full 62,92 no Decision Index 0.3.2 oficial (#9; Jev 60,11), mas público 69,49 (#2): 6,6 pontos de diferença. ECE 0,04-0,05 e mediana de 51 ms (uma H20) são do próprio autor, sem p95.

  • Adoção2/100

    Cinco dias de tráfego: 25 downloads nos pesos, 0 likes, um GGUF da comunidade com 1.087 downloads, linha 4B anterior no HF com menos de 70 downloads cada. Sem post, sem integrações, sem repo no GitHub, sem usuários reportados.

Vendor claims

Notícias sobre este modelo

publicado (OK do Fabricio 17/10 BRT).

Leia primeiro. A nota pública do KnowLine (69,49, #2) é bem maior que a nota Full (62,92, #9): os testes privados dos mantenedores, que pesam 80% do Full, puxaram 6,6 pontos para baixo. Usamos o Full para a acurácia. O ciclo de treino foi conduzido de ponta a ponta por um agente de IA (grupos de dados, descontaminação, treino, seleção), e o card documenta isso em detalhe.

O KnowLine-35B-A3B Gen1 é um modelo de decisão tipada da PelaAI: Qwen3.5-35B-A3B (mistura de especialistas com ~3B de parâmetros ativos) ajustado com LoRA (rank 32, incluindo os especialistas roteados) e fundido em pesos bf16. Você envia um estado (texto ou chat) e até 64 perguntas tipadas; cada uma é respondida numa passada como probabilidade para cada opção. É o irmão de 35B da linha KnowLine de 4B (Gen1 a Gen4). O card diz que o KnowLine é independente e “not affiliated with, endorsed by, or derived from TypeSafe or Jev”.

Especificações

Atributo Valor
Desenvolvedor PelaAI (organização no HF; nenhum repositório no GitHub encontrado)
Base Qwen3.5-35B-A3B (Apache-2.0), 35B no total / ~3B ativos
Pesos bf16 Apache-2.0 (~67 GB); temperatura de readout T = 1,20 embutida na norma final; GGUF da comunidade
Tipos Choice, Noul (sim/não), Score numa rubrica; até 64 perguntas por request
Interface Front end knowline_server.py: POST /v1/systemone, igual ao KnowLine-4B (clientes Jev existentes trocam a base URL)
Serviço serve_knowline.sh: o SGLang 0.5.21 converte para FP8 no carregamento (~35 GB); o autor rodou um servidor numa H20 de 96 GB; planeje 48 GB+
Entradas Texto; a torre de visão da base não foi alterada (imagens zero-shot, sem treino de imagem)
Idiomas Inglês, chinês simplificado e tradicional
Lançamento 12/10/2026 (card atualizado em 13/10)

Board oficial: Decision Index 0.3.2

Dados gerados em 16/10/2026 19:00 UTC. Full = 0,2 público + 0,5 mesmas habilidades + 0,3 domínios novos.

KnowLine-35B-A3B Gen1 Jev 1.13
Full 62,92 (#9) 60,11 (#18)
Público 69,49 (#2) 57,96 (#37)

O card compara a nota pública com linhas do board e diz que a própria nota completa “is not available yet”, então depende da rodada dos mantenedores para a parte privada. Fora do JevBench e da Artificial Analysis até 17/10 (não achamos linha).

O que é rodado pelo fornecedor

  • 69,49 público é a rodada do autor com o kit oficial; o board mostra a mesma cifra pública.
  • ECE 0,04-0,05, Brier 0,25-0,27: reconstruídos com o método publicado do board (o board não diz quais 32 benchmarks usa; o autor checou três modelos do board e ficou a ~0,015). Nos conjuntos retidos do autor o ECE é 0,025.
  • Mediana de 51 ms (um request por vez numa H20; o 4B tem ~31 ms): sem p95.
  • Resultados do KOF ’98 (17-0-1 contra o Jev 1.13) e a nota de imagem (71,2 contra 67,8 do Qwen3.5-35B-A3B puro, na reconstrução da suíte de visão do autor) são harnesses do autor, não boards oficiais.
  • Os dados incluem tarefas sintéticas escritas por professores LLM (rotuladas por LLM, nem todas checadas por humano), e a base maior explica parte do ganho: o card atribui a maior parte dos +4,59 sobre o 4B ao modelo maior.

Quando usar / quando evitar

Serve para: um modelo de decisão MoE local, Apache-2.0, forte na suíte pública, em inglês e chinês, com endpoint no formato Jev e poucos parâmetros ativos.

Evite quando: precisar de API hospedada, de um time com suporte ou de resultado verificável além da rodada dos mantenedores; também GPUs abaixo de 48 GB.

Limites

  • Raciocínio com muito conhecimento ainda é a área mais fraca (52,5 na nota de área do DI 0.3 do card); matemática sem raciocínio passo a passo.
  • Uma pequena queda no conjunto retido em chinês simplificado (−0,8, p = 0,051) veio com a segunda rodada de treino.
  • Precisa de muito mais memória de GPU que a linha de 4B.

Pesos Apache-2.0 públicos, interface tipada Choice / Noul / Score no formato System One e nota Full no board oficial acima da do Jev.

Conta das notas (17/10/2026)

  • Maturidade = disp. 8 × 0,30 + docs 8 × 0,25 + integr. 3 × 0,25 + suporte 2 × 0,20 = 2,40 + 2,00 + 0,75 + 0,40 = 5,55 → 5,6
  • Capability = tipos 10 × 0,30 + calib. 7 × 0,25 + latência 7 × 0,25 + acurácia 8 × 0,20 = 3,00 + 1,75 + 1,75 + 1,60 = 8,10 → 8,1
  • Adoção = engajamento 3 × 0,35 + ecossistema 3 × 0,35 + produção 0 × 0,30 = 1,05 + 1,05 + 0,00 = 2,10 → 2

Disponibilidade 8: bf16 Apache-2.0 mais GGUF da comunidade, mas com serviço pesado. Docs 8: card longo, INFERENCE.md com as configurações exatas, seção de divulgações. Integrações 3: /v1/systemone (precedente). Suporte 2: organização com linha de modelos, sem SLA.

Calibração 7: temperatura e método de ECE publicados, rodados pelo fornecedor. Latência 7: mediana de 51 ms, sem p95. Acurácia 8: resultado independente no board (Full 62,92, #9); a diferença entre público e Full é o motivo de manter 8 em vez de pontuar pela nota pública.

Engajamento 3 e ecossistema 3: 25 downloads nos pesos, 0 likes, um GGUF da comunidade (1.087). Produção 0.

KnowLine-31B-Gen1 lidera o Decision Index (29/10/2026)

publicado (OK do Fabricio 29/10 BRT).

O irmão denso da PelaAI, KnowLine-31B-Gen1 (Apache-2.0, fine-tune LoRA do Gemma 4 31B com pesos mesclados, publicado em 23/10), entrou no Decision Index 0.4.1 em 28/10 (08:52 BRT) em #1 de 243: Full 71,86, público 70,13, à frente do Fastino GLiDE 1.2 (71,52). ECE medido pelo placar 0,032, mediana de 204 ms e p95 de 1.822 ms por linha. Ao contrário do 35B-A3B Gen1, a nota Full fica acima da pública. O KnowLine-35B-A3B Gen1.5 aparece no mesmo placar com Full 65,77 (#27).

Números do card (UnverifiedClaim): JevBench / JevBench-hard 90,5 / 80,2, 74,9 em 34 tarefas de decisão de domínios novos, caixas zero-shot (ScreenSpot 81,3), tudo rodado pelo fornecedor.

Notas inalteradas (5,6 / 8,1 / 2): a ficha segue pontuada no KnowLine-35B-A3B Gen1, e a acurácia já está no teto de 8. Se o 31B ganha ficha própria é outra decisão. Ver news.