ENPT

Quyet 1.0

Última atualização:

Aberto180–380ms$0/M input

Notas do quadrante

Ver o quadrante completo

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

  • Maturidade5.4/10

    Cinco checkpoints Apache-2.0 (31B a 153M) com pacote pip (quyet 1.0.1) que monta o prompt e aplica as temperaturas ajustadas; o Large também carrega no Transformers e no vLLM. Responde no formato /v1/systemone. Autor solo, só cards, sem SLA.

  • Capability8.1/10

    Choice / Score / Noul, no máximo 10 opções por pergunta. Large: #1 no placar de pesos abertos do JevBench v1.6.1 (composite 71,4, capability 81,7, Calibration 90,0, p50 bruto 0,38 s) e grupo do rank 6 no Decision Index 0.3 (58,71). Os encoders pontuam perto de zero lá.

  • Adoção5/100

    Três dias de vida: Large ~240 downloads / 20 likes; GGUFs da comunidade (Medium ~6,8 mil, Large ~1,2 mil downloads). Sem post de lançamento, integrações ou usuários de produção.

Vendor claims

Leia antes

  1. Uma família, membros muito diferentes. Os dois decoders (Large, Medium) leem logits das letras das opções. Os três encoders (Small, Small-EN, Tiny) usam heads fixas e pontuam perto de zero no eixo Intelligence do JevBench. As notas desta ficha são do Large.
  2. O autor não publica números de acurácia. Tudo abaixo vem do Benchmark Heaven e do Decision Index, não dos cards.
  3. No máximo 10 opções por pergunta, e o Large trunca o state em cerca de 6.000 tokens dentro de um prompt de 8.000.

A família

Modelo Base Params Readout JevBench v1.6.1 (pesos abertos) Decision Index 0.3
Quyet-1.0-Large Gemma-4-31B-it, LoRA r16 mesclado 31,3B letras das opções 71,4 (#1), capability 81,7 (#1) 58,71 (grupo do rank 6)
Quyet-1.0-Medium Qwen3.5-4B 4,7B letras das opções 43,6 (#15), capability 59,2 —
Quyet-1.0-Small SEA-LION-ModernBERT-300M 328M heads fixas 0,1 (#90) —
Quyet-1.0-Small-EN ModernBERT-base 153M heads fixas 0,3 (#82) —
Quyet-1.0-Tiny mmBERT-small (16 camadas), destilado do Medium 183M head de option-query 0,1 (#91) —

Os cinco subiram no Hugging Face em , Apache-2.0. pip install quyet e depois quyet.load("chinhnc/Quyet-1.0-Large").

Large no JevBench v1.6.1 (conferido em 7/10/2026)

Composite 71,4 (IC 95% 69,8–72,2), Intelligence 73,4, Calibration 90,0, Speed 86,9, Cost 50,5. US$ 0,045 por 1.000 decisões (1,38× o Jev, dentro do limite de 2×), p50 bruto 0,38 s. O Jev 1.13.0 é a referência sem rank, com 71,5 / capability 77,1. Medium: Intelligence 41,7, Calibration 76,8, p50 0,30 s. Os encoders caem no portão de Intelligence do placar (Intelligence 3,7–6,1), então o composite fica perto de zero.

Fit / anti-fit

Serve quando você precisa: um modelo de decisão aberto de topo numa GPU de 80 GB (Large), pesos Apache-2.0, vietnamita além de inglês, ou um encoder que roda em CPU para roteamento estreito e barato (com acurácia baixa em decisões gerais).

Não serve quando você precisa: mais de 10 opções, states longos, acurácia ou ECE publicados pelo autor, ou produto com suporte.

Pesos abertos treinados para decisão, com interface tipada e temperaturas calibradas, e o tamanho Large lidera um placar independente.

Conta das notas (7/10/2026, sobre o Large)

  • Maturidade = disp. 8 × 0,30 + docs 6 × 0,25 + integr. 5 × 0,25 + suporte 1 × 0,20 = 2,40 + 1,50 + 1,25 + 0,20 = 5,35 → 5,4
  • Capability = tipos 9 × 0,30 + calib. 7 × 0,25 + latência 8 × 0,25 + acurácia 8 × 0,20 = 2,70 + 1,75 + 2,00 + 1,60 = 8,05 → 8,1
  • Adoção = engaj. 6 × 0,35 + ecossistema 8 × 0,35 + produção 0 × 0,30 = 2,10 + 2,80 + 0,00 = 4,90 → 5

Tipos fica em 9, não 10, pelo limite de 10 opções. Calibração fica em 7: o eixo de calibração do placar é forte, mas o autor não publica ECE.