Matilda Jev
Notas do quadrante
Ver o quadrante completoPontuação pela rubrica pública do quadrante (maturidade × capability; bolha = adoção). Revisamos conforme a evidência.
- Maturidade5.4/10
Pesos open Apache-2.0 (~26,1B, ~49 GiB em bf16) com servidor /v1/systemone embutido, docs OpenAPI em /docs e AutoClasses próprias. A documentação é o card do HF. Sem integração de terceiros, API hospedada ou SLA.
- Capability6.5/10
Choice / noul / score com readout de 255 opções, temperatura de calibração salva (sem ECE publicado) e imagens opcionais. O card atual não traz latência. O Decision Index 59,59 é rodada completa da própria Maincode, fora do board oficial.
- Adoção5/100
Dois dias de vida: 6 likes e ~180 downloads no HF (02/10). A Maincode é um lab australiano com uma linha Matilda de modelos, mas não achamos pico social, integração ou uso em produção deste modelo de decisão.
Vendor claims
- Decision Index 0.2.1 = 59,59 (raw 69,18, breadth 58,39) em 150.317 requests com os pesos v1.3, 'currently awaiting official submission'; o card v1 de 30/09 dizia 59,26[Claim do fornecedor — não verificado independentemente]
- Scores por área (skill corrigida pelo acaso × 100): Knowledge & Reasoning 44,09, Language 66,27, Retrieval & Classification 61,07, Tools & Automation 79,07, Arts & Human Taste 43,85[Claim do fornecedor — não verificado independentemente]
- Validação em AMD MI355X: 25/25 perguntas de smoke test passaram; 23 requests bateram exatamente com as probabilidades do checkpoint original[Claim do fornecedor — não verificado independentemente]
O Matilda Jev (MATILDA-jev no card) é o modelo System One de pesos abertos da Maincode: um backbone de ~26,1B com readout de 255 opções que devolve uma probabilidade para cada opção de uma pergunta choice, noul (sim/não) ou score ordenada. Aceita estado em texto ou JSON e imagens opcionais. O card no HF entrou em 30/09/2026 (08:21 UTC); a Maincode subiu os pesos v1.3 em 02/10 às 00:01 UTC (21:01 BRT de 01/10). A licença é Apache-2.0, e o repo agora traz o arquivo LICENSE.
Ficha
| Atributo | Valor |
|---|---|
| Desenvolvedor | Maincode (Austrália) |
| Params | ~26,1B; ~49 GiB em bf16 antes do overhead de runtime |
| Readout | readout de decisão com 255 opções (readout.safetensors) + temperatura de calibração salva |
| Tipos | choice, noul, score |
| Entradas | estado em texto ou JSON, imagens opcionais |
| Serving | maincode_jev_serve embutido → POST /v1/systemone, OpenAPI em /docs; ou AutoClasses com trust_remote_code=True |
| Testado em | AMD MI355X (outros aceleradores não testados nesta build) |
| Licença | Apache-2.0 |
| Lançamento | 30/09/2026 (HF); pesos v1.3 em 02/10/2026 UTC |
Claim do Decision Index
A Maincode reporta uma rodada completa do Decision Index 0.2.1 (150.317 requests) com os pesos v1.3:
| Modelo | Params | Index | Raw | Breadth |
|---|---|---|---|---|
| Matilda Jev v1.3 (rodada da Maincode) | 26,1B | 59,59 | 69,18 | 58,39 |
| Matilda Jev v1 (card de 30/09) | 26,1B | 59,26 | 68,89 | 58,06 |
| Jev 1.13 (board oficial) | – | 57,91 | – | – |
UnverifiedClaim. O card diz que o modelo está “currently awaiting official submission”. O board oficial do Decision Index não tinha linha do Matilda na nossa checagem de 02/10 (os dados de lá são de 28/09). Por área, o Matilda vai melhor em Tools & Automation (79,07) e pior em Knowledge & Reasoning (44,09). O card não publica mais número de latência, e a temperatura salva vem sem ECE nem descrição do método.
Fit / anti-fit
Fit: modelo de decisão grande, self-hosted e Apache-2.0, com imagens e endpoint local compatível com o Jev, para quem tem uma GPU de ~50 GB.
Anti-fit: qualquer caso que precise de acurácia verificada por board, números publicados de latência ou calibração, ou API hospedada com suporte.
Por que está no catálogo
Pesos de decisão treinados mais uma API tipada com probabilidades no formato System One, baixáveis sob Apache-2.0. Mesma barra dos outros peers open. Os números do Index ficam como UnverifiedClaim até sair a verificação do board ou uma rodada independente.