Tiny-Jev

Notas do quadrante

Ver o quadrante completo

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

• Maturidade4.3/10

  Pesos Apache-2.0 públicos, card HF claro e API transformers; release de um dia, sem SLA hosted e tração ainda cedo.

• Capability5.8/10

  Choice / Score / Noul completos + decide em lote num stack 0.6B com calibração por temperatura; todos os benches de headline são do autor (UnverifiedClaim) e domínios held-out caem forte.

• Adoção10/100

  Pegada cedo no HF depois do publish em 21/09/2026; ainda nicho entre quem caça open-Jev, não mercado amplo.

Vendor claims

• Acurácia held-out 95,8% / ECE 0,004 no split in-distribution do autor (22.110 itens)[Claim do fornecedor — não verificado independentemente]
• SST-2 90,4 vs referência zero-shot 91,6 após fit em 2k itens disjuntos (protocolo open-system-one)[Claim do fornecedor — não verificado independentemente]
• ~20–50 ms por chamada em Apple M-series; poucos ms em GPU consumer[Claim do fornecedor — não verificado independentemente]

Tiny-Jev é um modelo de decisão open independente — Qwen3-0.6B com LoRA mergeado num único safetensors + head de decisão por marker token — não é produto TypeSafe e não é só wrapper de logits.

State + perguntas tipadas entram; saem distribuições de probabilidade num único forward pass, sem geração de texto. Primitivas: Choice, Score e Noul (boolean no catálogo), mais um decide em lote sobre o mesmo state. Card: Hugging Face lostargon/Tiny-Jev (Apache-2.0; trust_remote_code carrega o modeling_tiny_jev.py ~150 linhas do próprio repo).

Limites

• Benches do autor (in-distribution, datasets públicos, OOD) são self-reported — trate como UnverifiedClaim, não números do ModelSystem.One
• As linhas de benchmark público foram fitted em 2k itens por dataset vs referência zero-shot; o próprio card pede leitura honesta desse gap
• Domínios totalmente held-out ficam ~50–60% na tabela do autor — esperado num backbone 0.6B
• Sem SLA hosted; só load local via transformers na última checagem
• Sem afiliação TypeSafe; “Jev” no nome é só o formato da interface

Por que está no catálogo

Pesos de decisão treinados + inferência open que devolve opções tipadas calibradas (mesma classe de NanoJev e Kev, mais leve que o Jev hosted). Nota de radar: 2026-09-22.