A.I. 日报
OpenAI决策API置信度不可靠
测试显示OpenAI新Decisions API背后的GPT-6 Luna模型置信度严重失准：在3600道推理题中，其声称99%确信时实际正确率仅68%，凸显AI置信度校准问题。
Kev
3 篇报道Kev 是一组基于 Qwen3.5 构建的小型决策模型，由开发者 jaredpalmer 发布。近期相关消息包括 Kev 提供 0.8B、4B 和 9B 三种参数规模，并附带预训练权重、训练代码和评测数据，支持 CUDA 与 Apple Silicon。开源工具 jevals 也用 Kev 等类型化决策模型替代 LLM 评判器，用于 agent 评测与护栏。这些模型针对是/否、多选题和评分类问题。
相关话题
Kev：基于Qwen3.5的微型决策模型家族
开发者jaredpalmer发布Kev，一系列基于Qwen3.5的小型决策模型，提供0.8B、4B和9B参数版本，含预训练权重、训练代码与评测数据。模型支持是/否、多选和评分问题，可在CUDA与Apple Silicon上运行，4B和9B模型用bf16可装入32GB Mac，API与TypeSafe System One兼容。
jevals：用类型化Jev决策替代LLM评判的评估工具
jevals是一个开源工具，用类型化Jev决策模型替代LLM评判，为智能体提供评估和护栏。所有评估合并为一个HTTP请求，成本仅千分之一美分，响应时间几百毫秒，适合在每次追踪或智能体循环中运行。支持Jev、Kev、Laya及普通聊天LLM。
已经到底了