AgentJev-0.6B open-source decision model tops Laya on Typed Decisions
Built on Qwen3-0.6B, this open System-1 decision model runs Boolean, Choice and Score with zero decode tokens and reaches 79.25% Top-1 on 2000 questions, with full deployment steps included.
🤯卧槽！开源圈又杀出个比 Laya 更狠的 System-1 决策核模型 AgentJev-0.6B ！ Typed Decisions 2000 题 Top-1：79.25% vs Laya 77.00%，硬超 +2.25pt。 底座 Qwen3-0.6B，Boolean / Choice / Score 全开，解码 token = 0。 比 Laya 更狠的点： 🔹准确率更高：1585/2000，纸面领先 2.25 个百分点 🔹宽候选更快：64 个动作时 Shared Prefix KV Cache，骨干 token 从 33,547 砍到 2,551（-92.4%），约 2× 🔹状态吃得更长：上下文 2048 vs Laya 1024 🔹输出可当闸门：完整概率分布 + 分类型校准，直接做 routing / threshold / fallback 🔹权重、训练、推理全开源，能复现、能继续训 上手步骤： 1️⃣git clone https://github.com/malevrigns/agent-jev.git，建 venv，装 requirements.txt 2️⃣从 HF 拉 aimeigaoshou/agent-jev 的 model.safetensors + temperatures.json 3️⃣把 safetensors 包成 agentjev_v1.pt（不能当普通 CausalLM 加载） 4️⃣起服务：python -m jev_service.server --checkpoint agentjev_v1.pt --model-path Qwen/Qwen3-0.6B --temperatures temperatures.json --port 8149 5️⃣用 agentjev_client.py 丢 state，调 decide_boolean / decide_choice / Score，拿分布做门控 目前只打赢 decision benchmark，真实 Agent 轨迹还没完整对打。 HF：https://huggingface.co/aimeigaoshou/agent-jev #AgentJev #Laya #Jev #TypedDecisions #AIAgent #开源 #Qwen3 #SystemOne #KVCache #决策模型
This post quotes another post: x.com/nft_chen/status/2102277701415600236