FreeLLMEntscheidungsmodelle, gerankt
Ein Entscheidungsmodell schreibt keinen Text. Es wählt eine Option, gibt eine Wertung oder antwortet mit Ja oder Nein samt Wahrscheinlichkeit, in einem Bruchteil einer Sekunde. TypeSafe AI hat im September 2026 das erste veröffentlicht, Jev; inzwischen kopieren Dutzende offene Modelle die Idee.
Gerankte Modelle208180 mit einer Hugging-Face-Seite
Bestes offenes Modell71.2mammoth-1 (27B)
Jev 1.14 (TypeSafe)62.2geschlossenes Modell, die Referenz
Besser als Jev27offene Modelle schneiden besser ab als Jev, das erste Entscheidungsmodell
Am besten für den geschäftlichen Einsatz69.4Perplexity Decider v1.2 (27B) · apache-2.0
Komplette Rangliste
| Rang | Modell | Decision Index | Bereiche | Geschwindigkeit | Bilder | Kalibrierungsfehler | Größe | Download | Kommerzielle Nutzung | Typ |
|---|---|---|---|---|---|---|---|---|---|---|
| 1 | mammoth-1 (27B) baselabs · basiert auf Qwen3.5-27B |
71.2 +9.0 vs. Jev |
am besten: Tools & Automatisierung 88.5 |
219 ms 4.6 pro Sekunde · langsamer Fall 715 ms |
nur Text | 4.1% | 27.4 B 18 GB bei 4-Bit |
Ja andere |
Lizenz prüfen | Feinabgestimmtes Modell |
| 2 | Perplexity Decider v1.2 (27B) Perplexity · basiert auf Qwen3.8-27B |
69.4 +7.2 vs. Jev |
am besten: Tools & Automatisierung 85.4 |
144 ms 6.9 pro Sekunde · langsamer Fall 1552 ms |
Ja Vision-Wertung 71.7 · 395 ms |
5.5% | 26.1 B 17 GB bei 4-Bit |
Ja apache-2.0 |
Ja | Feinabgestimmtes Modell |
| 3 | StartLux-Decision v1.1 27B StartLux · basiert auf Qwen3.8-27B |
69.3 +7.1 vs. Jev |
am besten: Tools & Automatisierung 87.9 |
80 ms 13 pro Sekunde · langsamer Fall 854 ms |
Ja Vision-Wertung 71.6 · 252 ms |
2.6% | 27.8 B 18 GB bei 4-Bit |
Ja cc-by-nc-4.0 |
Nein (nicht kommerziell) | Feinabgestimmtes Modell |
| 4 | vLLM-SR d3 (27B) vLLM Semantic Router · basiert auf Qwen3.8-27B |
69.1 +6.8 vs. Jev |
am besten: Tools & Automatisierung 82.6 |
97 ms 10 pro Sekunde · langsamer Fall 1144 ms |
Ja Vision-Wertung 71.3 · 299 ms |
4.3% | 26.1 B 17 GB bei 4-Bit |
Ja apache-2.0 |
Ja | Feinabgestimmtes Modell |
| 5 | AJev lm6q (Gemma 4 31B) · basiert auf gemma-4-31B-it |
69.0 +6.8 vs. Jev |
am besten: Tools & Automatisierung 81.5 |
144 ms 6.9 pro Sekunde · langsamer Fall 2245 ms |
nur Text | 9.6% | 31.3 B 20 GB bei 4-Bit |
Ja apache-2.0 |
Ja | LoRA-Adapter |
| 6 | vLLM-SR d3-turbo (27B) vLLM Semantic Router · basiert auf Qwen3.8-27B |
69.0 +6.8 vs. Jev |
am besten: Tools & Automatisierung 86.9 |
195 ms 5.1 pro Sekunde · langsamer Fall 582 ms |
Ja Vision-Wertung 72.3 · 372 ms |
5.4% | 26.1 B 17 GB bei 4-Bit |
Ja apache-2.0 |
Ja | Feinabgestimmtes Modell |
| 7 | linne-oak 1.0 (31B) MISA-AICORE · basiert auf gemma-4-31B-it |
68.5 +6.3 vs. Jev |
am besten: Tools & Automatisierung 78.5 |
105 ms 9.5 pro Sekunde · langsamer Fall 1540 ms |
nur Text | 10.5% | 31.3 B 20 GB bei 4-Bit |
Ja apache-2.0 |
Ja | Feinabgestimmtes Modell |
| 8 | Nace.AI Drex Max v1 (27B) Nace-Deepinfra · basiert auf Qwen3.8-27B |
68.5 +6.3 vs. Jev |
am besten: Tools & Automatisierung 81.9 |
104 ms 9.7 pro Sekunde · langsamer Fall 1159 ms |
nur Text | 5.7% | 26.1 B 17 GB bei 4-Bit |
Offene Gewichte folgen bald | — | Feinabgestimmtes Modell |
| 9 | Lychee-27B · basiert auf Qwen3.8-27B |
68.3 +6.1 vs. Jev |
am besten: Tools & Automatisierung 80.8 |
97 ms 10 pro Sekunde · langsamer Fall 1158 ms |
nur Text | 10.8% | 26.1 B 17 GB bei 4-Bit |
Ja cc-by-nc-4.0 |
Nein (nicht kommerziell) | Feinabgestimmtes Modell |
| 10 | Amos 1 Large (27B) · basiert auf Qwen3.8-27B |
67.5 +5.3 vs. Jev |
am besten: Tools & Automatisierung 79.2 |
148 ms 6.8 pro Sekunde · langsamer Fall 1366 ms |
Ja Vision-Wertung 72.4 · 386 ms |
3.2% | 27.8 B 18 GB bei 4-Bit |
Ja apache-2.0 |
Ja | Feinabgestimmtes Modell |
| 11 | Decider 31B (NVFP4) · basiert auf gemma-4-31B-it |
67.0 +4.8 vs. Jev |
am besten: Tools & Automatisierung 84.2 |
72 ms 14 pro Sekunde · langsamer Fall 615 ms |
nur Text | 2.4% | 32.7 B 21 GB bei 4-Bit |
Ja apache-2.0 |
Ja | Feinabgestimmtes Modell |
| 12 | Matilda Decision v1 Maincode · basiert auf Qwen3.8-27B |
65.9 +3.7 vs. Jev |
am besten: Tools & Automatisierung 84.6 |
92 ms 11 pro Sekunde · langsamer Fall 1150 ms |
nur Text | 8.6% | 26.1 B 17 GB bei 4-Bit |
Ja apache-2.0 |
Ja | Feinabgestimmtes Modell |
| 13 | Bobcat 1.3 (31B) · basiert auf gemma-4-31B-it |
65.6 +3.4 vs. Jev |
am besten: Tools & Automatisierung 76.1 |
64 ms 16 pro Sekunde · langsamer Fall 767 ms |
nur Text | 10.2% | 31.3 B 20 GB bei 4-Bit |
Ja apache-2.0 |
Ja | LoRA-Adapter |
| 14 | frontier-infra Jebadiah 27B v2.1 (t1e) Frontier Infra · basiert auf Qwen3.8-27B |
65.4 +3.2 vs. Jev |
am besten: Tools & Automatisierung 79.3 |
303 ms 3.3 pro Sekunde · langsamer Fall 2950 ms |
nur Text | 5.6% | 27.8 B 18 GB bei 4-Bit |
Ja apache-2.0 |
Ja | LoRA-Adapter |
| 15 | jev-brain · Gemma-4-31B · basiert auf gemma-4-31B-it |
65.3 +3.1 vs. Jev |
am besten: Tools & Automatisierung 76.7 |
101 ms 10.0 pro Sekunde · langsamer Fall 819 ms |
nur Text | 13.3% | 31.3 B 20 GB bei 4-Bit |
Nein | — | Technik auf einem Standardmodell |
| 16 | Sieve 31B Sthānika AI · basiert auf gemma-4-31B-it |
65.2 +3.0 vs. Jev |
am besten: Tools & Automatisierung 78.7 |
253 ms 4.0 pro Sekunde · langsamer Fall 2459 ms |
nur Text | 3.3% | 31.3 B 20 GB bei 4-Bit |
Ja apache-2.0 |
Ja | LoRA-Adapter |
| 17 | OneJev1.6-27B OmniJev · basiert auf Qwen3.8-27B |
64.5 +2.3 vs. Jev |
am besten: Tools & Automatisierung 85.5 |
112 ms 9.0 pro Sekunde · langsamer Fall 894 ms |
nur Text | 2.7% | 27.4 B 18 GB bei 4-Bit |
Ja apache-2.0 |
Ja | Feinabgestimmtes Modell |
| 18 | MORJ 1.0.1 (Gemma 4 31B) · basiert auf gemma-4-31B-it |
64.5 +2.3 vs. Jev |
am besten: Tools & Automatisierung 77.5 |
202 ms 4.9 pro Sekunde · langsamer Fall 871 ms |
nur Text | 9.2% | 31.3 B 20 GB bei 4-Bit |
Nein | — | Technik auf einem Standardmodell |
| 19 | AnyJev L0 · Gemma-4-31B · basiert auf gemma-4-31B-it |
64.2 +2.0 vs. Jev |
am besten: Tools & Automatisierung 76.4 |
98 ms 10 pro Sekunde · langsamer Fall 1080 ms |
nur Text | 24.0% | 31.3 B 20 GB bei 4-Bit |
Nein | — | Technik auf einem Standardmodell |
| 20 | Darwin-27B-ZTC FINAL_Bench · basiert auf Darwin-27B-RSI |
64.0 +1.8 vs. Jev |
am besten: Tools & Automatisierung 86.7 |
104 ms 9.6 pro Sekunde · langsamer Fall 1157 ms |
nur Text | 4.5% | 25.6 B 17 GB bei 4-Bit |
Ja apache-2.0 |
Ja | Feinabgestimmtes Modell |
| 21 | deck31b (Gemma 4 31B) · basiert auf gemma-4-31B-it |
63.5 +1.3 vs. Jev |
am besten: Tools & Automatisierung 75.6 |
219 ms 4.6 pro Sekunde · langsamer Fall 2027 ms |
nur Text | 20.4% | 32.7 B 21 GB bei 4-Bit |
Nein | — | Technik auf einem Standardmodell |
| 22 | decisio 0.6.0 (Gemma 4 31B) · basiert auf gemma-4-31B-it |
63.3 +1.1 vs. Jev |
am besten: Tools & Automatisierung 75 |
54 ms 19 pro Sekunde · langsamer Fall 475 ms |
nur Text | 14.2% | 31.3 B 20 GB bei 4-Bit |
Nein | — | Technik auf einem Standardmodell |
| 23 | Fastino GLiDE no-thinking (28B) Fastino |
63.2 +1.0 vs. Jev |
am besten: Tools & Automatisierung 83.6 |
98 ms 10 pro Sekunde |
nur Text | 4.0% | 27.8 B 18 GB bei 4-Bit |
Offene Gewichte folgen bald | — | Feinabgestimmtes Modell |
| 24 | Torchcast Decision 27B Torchcast AI · basiert auf Qwen3.8-27B |
63.1 +0.9 vs. Jev |
am besten: Tools & Automatisierung 84.6 |
100 ms 10 pro Sekunde · langsamer Fall 1240 ms |
nur Text | 2.4% | 27.8 B 18 GB bei 4-Bit |
Ja cc-by-nc-4.0 |
Nein (nicht kommerziell) | LoRA-Adapter |
| 25 | elephant-1 (9B) baselabs · basiert auf Qwen3.5-9B |
62.6 +0.4 vs. Jev |
am besten: Tools & Automatisierung 88 |
114 ms 8.8 pro Sekunde · langsamer Fall 253 ms |
nur Text | 5.8% | 9.4 B 6.9 GB bei 4-Bit |
Ja andere |
Lizenz prüfen | Feinabgestimmtes Modell |
| 26 | Cerno 27B · basiert auf Qwen3.8-27B |
62.6 +0.4 vs. Jev |
am besten: Tools & Automatisierung 86.7 |
54 ms 19 pro Sekunde · langsamer Fall 418 ms |
nur Text | 7.2% | 26.9 B 18 GB bei 4-Bit |
Ja apache-2.0 |
Ja | Feinabgestimmtes Modell |
| 27 | KnowLine 35B-A3B Gen1 PelaAI · basiert auf Qwen3.5-35B-A3B |
62.3 +0.1 vs. Jev |
am besten: Tools & Automatisierung 88.1 |
41 ms 24 pro Sekunde · langsamer Fall 147 ms |
Ja Vision-Wertung 68.1 · 159 ms |
4.8% | 36 B 23 GB bei 4-Bit |
Ja apache-2.0 |
Ja | LoRA-Adapter |
| 28 | Decider chat · Gemma-4-31B · basiert auf gemma-4-31B |
62.0 -0.2 vs. Jev |
am besten: Tools & Automatisierung 75.6 |
109 ms 9.2 pro Sekunde · langsamer Fall 1115 ms |
nur Text | 4.7% | 32.7 B 21 GB bei 4-Bit |
Nein | — | Technik auf einem Standardmodell |
| 29 | Quyet-1.0-Large · basiert auf gemma-4-31B-it |
61.9 -0.3 vs. Jev |
am besten: Tools & Automatisierung 72.5 |
105 ms 9.5 pro Sekunde · langsamer Fall 1589 ms |
nur Text | 7.8% | 32.7 B 21 GB bei 4-Bit |
Ja apache-2.0 |
Ja | LoRA-Adapter |
| 30 | garum (Gemma 4 31B) · basiert auf gemma-4-31B-it |
61.7 -0.5 vs. Jev |
am besten: Tools & Automatisierung 75 |
119 ms 8.4 pro Sekunde · langsamer Fall 1705 ms |
nur Text | 5.1% | 31.3 B 20 GB bei 4-Bit |
Ja apache-2.0 |
Ja | LoRA-Adapter |
| 31 | Qwen Decision 27B noncausal LoRA · basiert auf Qwen3.8-27B |
61.6 -0.6 vs. Jev |
am besten: Tools & Automatisierung 80.2 |
127 ms 7.9 pro Sekunde · langsamer Fall 1538 ms |
nur Text | 5.1% | 27.8 B 18 GB bei 4-Bit |
Ja apache-2.0 |
Ja | LoRA + Entscheidungskopf |
| 32 | Sieve 27B v2 Sthānika AI · basiert auf Qwen3.8-27B |
61.5 -0.8 vs. Jev |
am besten: Tools & Automatisierung 85.8 |
106 ms 9.4 pro Sekunde · langsamer Fall 602 ms |
nur Text | 5.3% | 27.8 B 18 GB bei 4-Bit |
Ja apache-2.0 |
Ja | LoRA + Entscheidungskopf |
| 33 | Jev 1.13 | 61.3 -1.0 vs. Jev |
am besten: Tools & Automatisierung 75.1 |
524 ms 1.9 pro Sekunde · langsamer Fall 536 ms |
nur Text | 7.8% | — | Nein | — | Gehostete API |
| 34 | mogan-decision-31B-it Mogan AI · basiert auf gemma-4-31B-it |
61.1 -1.2 vs. Jev |
am besten: Tools & Automatisierung 79.7 |
109 ms 9.2 pro Sekunde · langsamer Fall 1690 ms |
nur Text | 5.4% | 31.3 B 20 GB bei 4-Bit |
Ja cc-by-nc-4.0 |
Nein (nicht kommerziell) | LoRA-Adapter |
| 35 | RSI-Jev v6.1 VL 27B (effort auto) · basiert auf Qwen3.8-27B |
60.9 -1.3 vs. Jev |
am besten: Tools & Automatisierung 81.2 |
76 ms 13 pro Sekunde · langsamer Fall 565 ms |
Ja Vision-Wertung 64 · 200 ms |
7.7% | 27.8 B 18 GB bei 4-Bit |
Ja apache-2.0 |
Ja | LoRA-Adapter |
| 36 | Kev 27B · basiert auf Qwen3.8-27B |
60.8 -1.4 vs. Jev |
am besten: Tools & Automatisierung 72.7 |
135 ms 7.4 pro Sekunde |
nur Text | 2.2% | 27.8 B 18 GB bei 4-Bit |
Ja apache-2.0 |
Ja | Feinabgestimmtes Modell |
| 37 | Eikos-27B · basiert auf Qwen3.8-27B |
60.4 -1.9 vs. Jev |
am besten: Tools & Automatisierung 74.4 |
130 ms 7.7 pro Sekunde · langsamer Fall 510 ms |
nur Text | 5.7% | 27.8 B 18 GB bei 4-Bit |
Ja mit |
Ja | LoRA-Adapter |
| 38 | linne-fern 1.0 (27B) MISA-AICORE · basiert auf Qwen3.8-27B |
60.3 -1.9 vs. Jev |
am besten: Tools & Automatisierung 79 |
108 ms 9.3 pro Sekunde · langsamer Fall 1043 ms |
nur Text | 7.9% | 27.8 B 18 GB bei 4-Bit |
Ja apache-2.0 |
Ja | Feinabgestimmtes Modell |
| 39 | span-02 (Gemma 4 26B-A4B) · basiert auf gemma-4-26B-A4B-it |
60.2 -2.0 vs. Jev |
am besten: Tools & Automatisierung 83.9 |
33 ms 30 pro Sekunde · langsamer Fall 822 ms |
Ja Vision-Wertung 65.8 · 265 ms |
11.4% | 25.8 B 17 GB bei 4-Bit |
Ja apache-2.0 |
Ja | Feinabgestimmtes Modell |
| 40 | vLLM-SR Decision 2.0 Vega 27B vLLM Semantic Router · basiert auf Qwen3.8-27B |
60.2 -2.0 vs. Jev |
am besten: Tools & Automatisierung 73.5 |
120 ms 8.4 pro Sekunde |
nur Text | 8.6% | 27.8 B 18 GB bei 4-Bit |
Ja apache-2.0 |
Ja | LoRA + Entscheidungskopf |
| 41 | garas (Gemma 4 31B) · basiert auf gemma-4-31B-it |
60.1 -2.1 vs. Jev |
am besten: Tools & Automatisierung 73.8 |
117 ms 8.5 pro Sekunde · langsamer Fall 1858 ms |
nur Text | 4.9% | 31.3 B 20 GB bei 4-Bit |
Ja apache-2.0 |
Ja | LoRA-Adapter |
| 42 | Xor 26B-A4B v1.2 Juspay Technologies · basiert auf gemma-4-26B-A4B-it |
60.0 -2.2 vs. Jev |
am besten: Tools & Automatisierung 72.2 |
110 ms 9.1 pro Sekunde · langsamer Fall 480 ms |
nur Text | 6.8% | 25.8 B 17 GB bei 4-Bit |
Ja apache-2.0 |
Ja | LoRA-Adapter |
| 43 | StartLux-Decision v1.1 9B StartLux · basiert auf Qwen3.5-9B |
59.5 -2.8 vs. Jev |
am besten: Tools & Automatisierung 88.2 |
39 ms 26 pro Sekunde · langsamer Fall 261 ms |
nur Text | 4.6% | 9.7 B 7.1 GB bei 4-Bit |
Ja cc-by-nc-4.0 |
Nein (nicht kommerziell) | Feinabgestimmtes Modell |
| 44 | JEV-35B AutoTrust AI Lab · basiert auf Qwen3.5-35B-A3B |
59.0 -3.3 vs. Jev |
am besten: Tools & Automatisierung 76.4 |
51 ms 20 pro Sekunde · langsamer Fall 258 ms |
nur Text | 8.5% | 36 B 23 GB bei 4-Bit |
Ja apache-2.0 |
Ja | LoRA + Entscheidungskopf |
| 45 | reflex Qwen3.8-27B-FP8 (pmscr) · basiert auf Qwen3.8-27B-FP8 |
58.9 -3.3 vs. Jev |
am besten: Tools & Automatisierung 77.2 |
149 ms 6.7 pro Sekunde · langsamer Fall 1251 ms |
nur Text | 4.5% | 27.8 B 18 GB bei 4-Bit |
Nein | — | Technik auf einem Standardmodell |
| 46 | JEV-27B AutoTrust AI Lab · basiert auf Qwen3.8-27B |
58.5 -3.7 vs. Jev |
am besten: Tools & Automatisierung 73.5 |
102 ms 9.8 pro Sekunde |
nur Text | 7.6% | 27.8 B 18 GB bei 4-Bit |
Ja apache-2.0 |
Ja | Feinabgestimmtes Modell |
| 47 | Shisa DE-2 (repeat) Shisa.AI · basiert auf gemma-4-26B-A4B-it |
58.1 -4.1 vs. Jev |
am besten: Tools & Automatisierung 72.2 |
57 ms 18 pro Sekunde · langsamer Fall 519 ms |
Ja Vision-Wertung 52.9 · 84 ms |
20.7% | 25.8 B 17 GB bei 4-Bit |
Ja apache-2.0 |
Ja | LoRA-Adapter |
| 48 | JADE · basiert auf Qwen3.8-27B |
57.9 -4.3 vs. Jev |
am besten: Tools & Automatisierung 73.2 |
133 ms 7.5 pro Sekunde |
nur Text | 23.8% | 27.8 B 18 GB bei 4-Bit |
Ja apache-2.0 |
Ja | LoRA-Adapter |
| 49 | Surogate Rune 26B-A4B v3 Surogate · basiert auf gemma-4-26B-A4B-it |
56.6 -5.6 vs. Jev |
am besten: Tools & Automatisierung 71.2 |
121 ms 8.3 pro Sekunde · langsamer Fall 683 ms |
Ja Vision-Wertung 58.6 · 143 ms |
12.0% | 25.8 B 17 GB bei 4-Bit |
Ja apache-2.0 |
Ja | Feinabgestimmtes Modell |
| 50 | SynACK Decide 26B-A4B v7 · basiert auf gemma-4-26B-A4B-it |
56.5 -5.7 vs. Jev |
am besten: Tools & Automatisierung 79.1 |
129 ms 7.7 pro Sekunde · langsamer Fall 364 ms |
nur Text | 6.9% | 25.8 B 17 GB bei 4-Bit |
Ja apache-2.0 |
Ja | LoRA-Adapter |
| 51 | simple-jev · Qwen3.8-27B (featherless) · basiert auf Qwen3.8-27B |
56.5 -5.7 vs. Jev |
am besten: Tools & Automatisierung 76.2 |
373 ms 2.7 pro Sekunde · langsamer Fall 2797 ms |
nur Text | 11.3% | 27.8 B 18 GB bei 4-Bit |
Nein | — | Technik auf einem Standardmodell |
| 52 | StartLux-Decision v1.1 4B StartLux · basiert auf Qwen3.5-4B |
56.4 -5.9 vs. Jev |
am besten: Tools & Automatisierung 86.4 |
38 ms 26 pro Sekunde · langsamer Fall 166 ms |
nur Text | 5.2% | 4.7 B 4.0 GB bei 4-Bit |
Ja cc-by-nc-4.0 |
Nein (nicht kommerziell) | Feinabgestimmtes Modell |
| 53 | vLLM-SR d3-flash (9B) vLLM Semantic Router · basiert auf Qwen3.5-9B |
56.2 -6.0 vs. Jev |
am besten: Tools & Automatisierung 76 |
54 ms 19 pro Sekunde · langsamer Fall 353 ms |
Ja Vision-Wertung 66.9 · 150 ms |
5.6% | 8.4 B 6.3 GB bei 4-Bit |
Ja apache-2.0 |
Ja | Feinabgestimmtes Modell |
| 54 | Wald-26B-A4B ORG2 AI · basiert auf gemma-4-26B-A4B-it |
56.0 -6.2 vs. Jev |
am besten: Tools & Automatisierung 83.3 |
90 ms 11 pro Sekunde · langsamer Fall 340 ms |
nur Text | 4.3% | 25.8 B 17 GB bei 4-Bit |
Ja apache-2.0 |
Ja | Feinabgestimmtes Modell |
| 55 | Blink v0.3 26B-A4B (NVFP4) Pixilab.ai · basiert auf gemma-4-26B-A4B-it |
55.9 -6.3 vs. Jev |
am besten: Tools & Automatisierung 70 |
25 ms 40 pro Sekunde |
nur Text | 4.0% | 25.8 B 17 GB bei 4-Bit |
Ja apache-2.0 |
Ja | Feinabgestimmtes Modell |
| 56 | AJev lora1 (Gemma 4 26B-A4B) · basiert auf gemma-4-26B-A4B-it |
55.8 -6.4 vs. Jev |
am besten: Tools & Automatisierung 73.2 |
89 ms 11 pro Sekunde · langsamer Fall 247 ms |
nur Text | 4.8% | 25.8 B 17 GB bei 4-Bit |
Ja apache-2.0 |
Ja | LoRA-Adapter |
| 57 | Cloudflare clef Cloudflare · basiert auf Qwen3.8-27B |
55.7 -6.5 vs. Jev |
am besten: Tools & Automatisierung 80.7 |
102 ms 9.8 pro Sekunde |
nur Text | 4.0% | 27.8 B 18 GB bei 4-Bit |
Ja apache-2.0 |
Ja | Feinabgestimmtes Modell |
| 58 | Perplexity Decider Flash v1.2 (4B) Perplexity · basiert auf Qwen3.5-4B |
55.4 -6.8 vs. Jev |
am besten: Tools & Automatisierung 81 |
75 ms 13 pro Sekunde · langsamer Fall 381 ms |
Ja Vision-Wertung 66 · 174 ms |
5.2% | 4.5 B 3.9 GB bei 4-Bit |
Ja apache-2.0 |
Ja | Feinabgestimmtes Modell |
| 59 | Decider chat · Qwen3.6-27B · basiert auf Qwen3.6-27B |
55.4 -6.9 vs. Jev |
am besten: Tools & Automatisierung 71.4 |
84 ms 12 pro Sekunde · langsamer Fall 966 ms |
nur Text | 2.1% | 27.8 B 18 GB bei 4-Bit |
Nein | — | Technik auf einem Standardmodell |
| 60 | JPT-35B-A3B · basiert auf Qwen3.5-35B-A3B |
54.9 -7.4 vs. Jev |
am besten: Tools & Automatisierung 69.2 |
250 ms 4.0 pro Sekunde · langsamer Fall 795 ms |
nur Text | 4.9% | 36 B geschätzt 23 GB bei 4-Bit |
Ja cc-by-nc-4.0 |
Nein (nicht kommerziell) | LoRA-Adapter |
| 61 | Nace.AI Drex v2.0 (35B-A3B) Nace.AI · basiert auf Qwen3.6-35B-A3B |
54.6 -7.6 vs. Jev |
am besten: Tools & Automatisierung 76.5 |
276 ms 3.6 pro Sekunde · langsamer Fall 529 ms |
nur Text | 1.8% | 35.1 B 22 GB bei 4-Bit |
Ja andere |
Lizenz prüfen | Feinabgestimmtes Modell |
| 62 | Xor 1.2 Juspay Technologies · basiert auf Qwen3.6-35B-A3B |
54.5 -7.7 vs. Jev |
am besten: Tools & Automatisierung 71.2 |
150 ms 6.7 pro Sekunde |
Ja Vision-Wertung 64.2 · 242 ms |
2.4% | 36 B 23 GB bei 4-Bit |
Ja apache-2.0 |
Ja | LoRA-Adapter |
| 63 | OneJev1.6-9B OmniJev · basiert auf Qwen3.5-9B |
54.0 -8.3 vs. Jev |
am besten: Tools & Automatisierung 83 |
42 ms 24 pro Sekunde · langsamer Fall 305 ms |
nur Text | 2.2% | 9.4 B 6.9 GB bei 4-Bit |
Ja apache-2.0 |
Ja | Feinabgestimmtes Modell |
| 64 | GEV-26B-Decide AutoTrust AI Lab · basiert auf gemma-4-26B-A4B-it |
53.5 -8.7 vs. Jev |
am besten: Tools & Automatisierung 69.7 |
129 ms 7.8 pro Sekunde |
nur Text | 7.2% | 25.8 B 17 GB bei 4-Bit |
Ja apache-2.0 |
Ja | LoRA-Adapter |
| 65 | Bespoke Nimble 9B v3 Bespoke Labs · basiert auf Qwen3.5-9B |
52.6 -9.6 vs. Jev |
am besten: Tools & Automatisierung 84.2 |
74 ms 14 pro Sekunde |
nur Text | 12.3% | 9.7 B 7.1 GB bei 4-Bit |
Ja cc-by-nc-4.0 |
Nein (nicht kommerziell) | LoRA-Adapter |
| 66 | vLLM-SR d3-mini (4B) vLLM Semantic Router · basiert auf Qwen3.5-4B |
51.3 -11.0 vs. Jev |
am besten: Tools & Automatisierung 72 |
50 ms 20 pro Sekunde · langsamer Fall 237 ms |
Ja Vision-Wertung 63.2 · 118 ms |
5.6% | 4.5 B 3.9 GB bei 4-Bit |
Ja apache-2.0 |
Ja | Feinabgestimmtes Modell |
| 67 | decisio 0.4.0 (Qwen3.6-35B-A3B) · basiert auf Qwen3.6-35B-A3B |
50.9 -11.4 vs. Jev |
am besten: Tools & Automatisierung 68.4 |
71 ms 14 pro Sekunde · langsamer Fall 261 ms |
nur Text | 5.5% | 36 B 23 GB bei 4-Bit |
Nein | — | Technik auf einem Standardmodell |
| 68 | frontier-infra Jebadiah 9B v2.1 (t1e) Frontier Infra · basiert auf Qwen3.5-9B |
50.5 -11.7 vs. Jev |
am besten: Tools & Automatisierung 70.4 |
125 ms 8.0 pro Sekunde · langsamer Fall 968 ms |
nur Text | 5.5% | 9.7 B 7.1 GB bei 4-Bit |
Ja apache-2.0 |
Ja | LoRA-Adapter |
| 69 | OneJev1.6-4B OmniJev · basiert auf Qwen3.5-4B |
49.5 -12.7 vs. Jev |
am besten: Tools & Automatisierung 81.5 |
27 ms 37 pro Sekunde · langsamer Fall 201 ms |
nur Text | 2.5% | 4.5 B 3.9 GB bei 4-Bit |
Ja apache-2.0 |
Ja | Feinabgestimmtes Modell |
| 70 | Verdin-4B · basiert auf Qwen3.5-4B |
49.3 -12.9 vs. Jev |
am besten: Tools & Automatisierung 85.6 |
100 ms 10 pro Sekunde · langsamer Fall 190 ms |
nur Text | 3.5% | 4.2 B 3.7 GB bei 4-Bit |
Ja cc-by-nc-4.0 |
Nein (nicht kommerziell) | Feinabgestimmtes Modell |
| 71 | AJev lora7 (Gemma 4 12B) · basiert auf gemma-4-12B-it |
49.1 -13.1 vs. Jev |
am besten: Tools & Automatisierung 68.4 |
69 ms 14 pro Sekunde · langsamer Fall 453 ms |
nur Text | 8.2% | 12 B 8.5 GB bei 4-Bit |
Ja apache-2.0 |
Ja | LoRA-Adapter |
| 72 | JoshuaSP diffusiongemma (open-jev) · basiert auf diffusiongemma-26B-A4B-it |
49.1 -13.1 vs. Jev |
am besten: Tools & Automatisierung 70.2 |
260 ms 3.8 pro Sekunde · langsamer Fall 537 ms |
nur Text | 21.6% | 25.8 B 17 GB bei 4-Bit |
Nein | — | Technik auf einem Standardmodell |
| 73 | Sieve 9B v2 Sthānika AI · basiert auf Qwen3.5-9B |
48.2 -14.0 vs. Jev |
am besten: Tools & Automatisierung 69.8 |
51 ms 20 pro Sekunde · langsamer Fall 191 ms |
nur Text | 7.3% | 9.7 B 7.1 GB bei 4-Bit |
Ja apache-2.0 |
Ja | LoRA + Entscheidungskopf |
| 74 | PurpleMIST-Flash-1.0 Olaverse Lab · basiert auf Qwen3.5-9B-Base |
48.1 -14.1 vs. Jev |
am besten: Tools & Automatisierung 65.1 |
53 ms 19 pro Sekunde · langsamer Fall 164 ms |
nur Text | 3.2% | 7.9 B 6.0 GB bei 4-Bit |
Ja apache-2.0 |
Ja | LoRA + Entscheidungskopf |
| 75 | decisio 0.4.0 (Gemma 4 12B) · basiert auf gemma-4-12B-it |
47.9 -14.3 vs. Jev |
am besten: Tools & Automatisierung 71.6 |
38 ms 26 pro Sekunde · langsamer Fall 276 ms |
nur Text | 10.3% | 12 B 8.5 GB bei 4-Bit |
Nein | — | Technik auf einem Standardmodell |
| 76 | Cerno 9B · basiert auf Qwen3.5-9B-Base |
47.8 -14.4 vs. Jev |
am besten: Tools & Automatisierung 78.3 |
26 ms 38 pro Sekunde · langsamer Fall 170 ms |
nur Text | 4.0% | 9 B 6.7 GB bei 4-Bit |
Ja apache-2.0 |
Ja | Feinabgestimmtes Modell |
| 77 | Decider 35B-A3B · basiert auf Qwen3.5-35B-A3B-Base |
47.2 -15.0 vs. Jev |
am besten: Tools & Automatisierung 56.5 |
101 ms 9.9 pro Sekunde · langsamer Fall 211 ms |
nur Text | 2.3% | 36 B 23 GB bei 4-Bit |
Ja apache-2.0 |
Ja | Feinabgestimmtes Modell |
| 78 | vLLM-SR Decision 2.0 Lux 9B vLLM Semantic Router · basiert auf Qwen3.5-9B |
47.1 -15.1 vs. Jev |
am besten: Tools & Automatisierung 60.4 |
37 ms 27 pro Sekunde |
nur Text | 5.6% | 9.7 B 7.1 GB bei 4-Bit |
Ja apache-2.0 |
Ja | Feinabgestimmtes Modell |
| 79 | Winnow-12B · basiert auf gemma-4-12B |
47.1 -15.1 vs. Jev |
am besten: Tools & Automatisierung 71 |
73 ms 14 pro Sekunde · langsamer Fall 356 ms |
Ja Vision-Wertung 58.8 · 568 ms |
16.8% | 12 B 8.5 GB bei 4-Bit |
Ja apache-2.0 |
Ja | LoRA-Adapter |
| 80 | CoCo-Decision-4B 2.4 Corners · basiert auf Qwen3.5-4B |
47.0 -15.2 vs. Jev |
am besten: Tools & Automatisierung 77.3 |
62 ms 16 pro Sekunde · langsamer Fall 398 ms |
nur Text | 11.4% | 4.2 B 3.7 GB bei 4-Bit |
Ja apache-2.0 |
Ja | LoRA + Entscheidungskopf |
| 81 | Cloudflare clef-omni (30B-A3B) Cloudflare · basiert auf Qwen3-Omni-30B-A3B-Instruct |
46.5 -15.7 vs. Jev |
am besten: Tools & Automatisierung 72.6 |
191 ms 5.2 pro Sekunde · langsamer Fall 282 ms |
Ja Vision-Wertung 59.5 · 281 ms |
4.0% | 31.8 B 20 GB bei 4-Bit |
Ja apache-2.0 |
Ja | Feinabgestimmtes Modell |
| 82 | Jegue 0.1 (9B) · basiert auf Qwen3.5-9B |
46.2 -16.1 vs. Jev |
am besten: Tools & Automatisierung 72.3 |
46 ms 22 pro Sekunde · langsamer Fall 399 ms |
nur Text | 11.6% | 9.7 B 7.1 GB bei 4-Bit |
Ja apache-2.0 |
Ja | LoRA + Entscheidungskopf |
| 83 | JevK5 9B v0.3.3 · basiert auf Qwen3.5-9B |
46.1 -16.1 vs. Jev |
am besten: Tools & Automatisierung 64.1 |
40 ms 25 pro Sekunde |
nur Text | 6.0% | 9.7 B 7.1 GB bei 4-Bit |
Ja apache-2.0 |
Ja | LoRA-Adapter |
| 84 | Nace.AI Drex v1.5 Nace.AI · basiert auf MiMo-V2.6-Distill-Qwen-9B |
45.4 -16.9 vs. Jev |
am besten: Tools & Automatisierung 75 |
54 ms 19 pro Sekunde · langsamer Fall 342 ms |
nur Text | 9.0% | 8.9 B 6.6 GB bei 4-Bit |
Ja andere |
Lizenz prüfen | Feinabgestimmtes Modell |
| 85 | Standard One 8B SH (v4) Standard Thinking · basiert auf StandardOne-8B |
45.3 -17.0 vs. Jev |
am besten: Tools & Automatisierung 84 |
90 ms 11 pro Sekunde · langsamer Fall 220 ms |
nur Text | 10.7% | 8.9 B 6.6 GB bei 4-Bit |
Ja apache-2.0 |
Ja | LoRA + Entscheidungskopf |
| 86 | Hopper 12B (trained) HopitAI · basiert auf gemma-4-12B-it |
45.1 -17.1 vs. Jev |
am besten: Tools & Automatisierung 66.3 |
290 ms 3.5 pro Sekunde · langsamer Fall 3910 ms |
nur Text | 7.6% | 12 B 8.5 GB bei 4-Bit |
Ja andere |
Lizenz prüfen | LoRA-Adapter |
| 87 | ezjev 4B s2 · basiert auf Qwen3.5-4B |
44.6 -17.6 vs. Jev |
am besten: Tools & Automatisierung 69.9 |
36 ms 28 pro Sekunde · langsamer Fall 192 ms |
nur Text | 6.3% | 4.7 B 4.0 GB bei 4-Bit |
Ja andere |
Lizenz prüfen | LoRA-Adapter |
| 88 | RSI-Jev v6.1 VL 4B · basiert auf Qwen3.5-4B-Base |
44.4 -17.8 vs. Jev |
am besten: Tools & Automatisierung 68.4 |
58 ms 17 pro Sekunde · langsamer Fall 158 ms |
Ja Vision-Wertung 57.4 · 86 ms |
4.9% | 4.7 B 4.0 GB bei 4-Bit |
Ja apache-2.0 |
Ja | Feinabgestimmtes Modell |
| 89 | jiwo 4B v2 · basiert auf Qwen3.5-4B |
44.3 -17.9 vs. Jev |
am besten: Tools & Automatisierung 63.1 |
50 ms 20 pro Sekunde · langsamer Fall 258 ms |
nur Text | 6.8% | 4.2 B 3.7 GB bei 4-Bit |
Ja apache-2.0 |
Ja | Feinabgestimmtes Modell |
| 90 | JPT-9B · basiert auf Qwen3.5-9B-Base |
44.2 -18.0 vs. Jev |
am besten: Tools & Automatisierung 67 |
149 ms 6.7 pro Sekunde · langsamer Fall 462 ms |
Ja Vision-Wertung 61.7 · 301 ms |
7.7% | 9.7 B 7.1 GB bei 4-Bit |
Ja cc-by-nc-4.0 |
Nein (nicht kommerziell) | LoRA-Adapter |
| 91 | Jevfire · basiert auf Qwen3.8-27B |
44.2 -18.0 vs. Jev |
am besten: Tools & Automatisierung 72.3 |
90 ms 11 pro Sekunde · langsamer Fall 448 ms |
nur Text | 5.2% | 27.8 B 18 GB bei 4-Bit |
Nein | — | Technik auf einem Standardmodell |
| 92 | Cloudflare clef-flash Cloudflare · basiert auf Qwen3.5-9B |
43.9 -18.4 vs. Jev |
am besten: Tools & Automatisierung 81.9 |
53 ms 19 pro Sekunde |
nur Text | 2.5% | 9.7 B 7.1 GB bei 4-Bit |
Ja apache-2.0 |
Ja | Feinabgestimmtes Modell |
| 93 | Jev-Omni · basiert auf gemma-4-12B |
43.5 -18.7 vs. Jev |
am besten: Tools & Automatisierung 60.8 |
55 ms 18 pro Sekunde · langsamer Fall 628 ms |
Ja Vision-Wertung 56.1 · 269 ms |
16.1% | 12 B 8.5 GB bei 4-Bit |
Ja apache-2.0 |
Ja | LoRA + Entscheidungskopf |
| 94 | Solomon v1.1 Doccy Health · basiert auf Qwen3.8-27B |
43.3 -18.9 vs. Jev |
am besten: Sprachverständnis 56.7 |
224 ms 4.5 pro Sekunde · langsamer Fall 1177 ms |
Ja Vision-Wertung 66.8 · 562 ms |
8.1% | 27.8 B 18 GB bei 4-Bit |
Ja apache-2.0 |
Ja | Entscheidungskopf |
| 95 | JEV-9B AutoTrust AI Lab · basiert auf Qwen3.5-9B |
43.3 -18.9 vs. Jev |
am besten: Tools & Automatisierung 62.1 |
50 ms 20 pro Sekunde |
nur Text | 7.3% | 9.7 B 7.1 GB bei 4-Bit |
Ja apache-2.0 |
Ja | Feinabgestimmtes Modell |
| 96 | Cerno 4B · basiert auf Qwen3.5-4B-Base |
43.2 -19.0 vs. Jev |
am besten: Tools & Automatisierung 81.2 |
26 ms 39 pro Sekunde · langsamer Fall 141 ms |
nur Text | 6.2% | 4.2 B 3.7 GB bei 4-Bit |
Ja apache-2.0 |
Ja | Feinabgestimmtes Modell |
| 97 | Kev 9B v2 · basiert auf Qwen3.5-9B-Base |
42.9 -19.3 vs. Jev |
am besten: Tools & Automatisierung 56.9 |
60 ms 17 pro Sekunde |
nur Text | 4.5% | 9.7 B 7.1 GB bei 4-Bit |
Ja apache-2.0 |
Ja | LoRA + Entscheidungskopf |
| 98 | Sieve 9B Sthānika AI · basiert auf Qwen3.5-9B |
42.5 -19.7 vs. Jev |
am besten: Tools & Automatisierung 61.3 |
50 ms 20 pro Sekunde |
nur Text | 4.3% | 9.7 B 7.1 GB bei 4-Bit |
Ja apache-2.0 |
Ja | LoRA + Entscheidungskopf |
| 99 | Bespoke Nimble 9B v2 Bespoke Labs · basiert auf Qwen3.5-9B-Base |
42.5 -19.7 vs. Jev |
am besten: Tools & Automatisierung 59.2 |
77 ms 13 pro Sekunde · langsamer Fall 621 ms |
nur Text | 2.4% | 9.7 B 7.1 GB bei 4-Bit |
Ja apache-2.0 |
Ja | LoRA-Adapter |
| 100 | vLLM-SR Decision 2.0 Nox 4B vLLM Semantic Router · basiert auf Qwen3.5-4B-Base |
42.5 -19.7 vs. Jev |
am besten: Tools & Automatisierung 60.1 |
34 ms 30 pro Sekunde |
nur Text | 3.0% | 4.2 B 3.7 GB bei 4-Bit |
Ja apache-2.0 |
Ja | LoRA + Entscheidungskopf |
| 101 | Sieve 4B Sthānika AI · basiert auf Qwen3.5-4B |
42.4 -19.8 vs. Jev |
am besten: Tools & Automatisierung 66.8 |
93 ms 11 pro Sekunde · langsamer Fall 157 ms |
nur Text | 3.1% | 4.7 B 4.0 GB bei 4-Bit |
Ja apache-2.0 |
Ja | LoRA + Entscheidungskopf |
| 102 | Nari Decision 4B v3.2 blackmallangcow · basiert auf Qwen3.5-4B |
41.4 -20.8 vs. Jev |
am besten: Tools & Automatisierung 62.1 |
23 ms 43 pro Sekunde · langsamer Fall 125 ms |
nur Text | 6.9% | 4.2 B 3.7 GB bei 4-Bit |
Ja apache-2.0 |
Ja | Feinabgestimmtes Modell |
| 103 | Aplomb 1 EmpirioLabs AI · basiert auf Qwen3.5-4B |
41.0 -21.2 vs. Jev |
am besten: Tools & Automatisierung 61.6 |
54 ms 19 pro Sekunde · langsamer Fall 582 ms |
Ja Vision-Wertung 57.3 · 130 ms |
7.5% | 5.3 B 4.4 GB bei 4-Bit |
Ja andere |
Lizenz prüfen | LoRA + Entscheidungskopf |
| 104 | FlyMy.AI Decision 4B v1.6 FlyMy.AI · basiert auf Qwen3.5-4B |
40.2 -22.0 vs. Jev |
am besten: Tools & Automatisierung 59.8 |
27 ms 37 pro Sekunde · langsamer Fall 269 ms |
nur Text | 4.6% | 4.7 B 4.0 GB bei 4-Bit |
Ja apache-2.0 |
Ja | LoRA-Adapter |
| 105 | StartLux-Decision v1.1 2B StartLux · basiert auf Qwen3.5-2B |
40.1 -22.1 vs. Jev |
am besten: Tools & Automatisierung 79 |
30 ms 33 pro Sekunde · langsamer Fall 88 ms |
nur Text | 3.5% | 2.3 B 2.6 GB bei 4-Bit |
Ja cc-by-nc-4.0 |
Nein (nicht kommerziell) | Feinabgestimmtes Modell |
| 106 | JPT-4B · basiert auf Qwen3.5-4B-Base |
39.8 -22.4 vs. Jev |
am besten: Tools & Automatisierung 57.2 |
139 ms 7.2 pro Sekunde · langsamer Fall 406 ms |
Ja Vision-Wertung 59 · 178 ms |
7.9% | 4.7 B 4.0 GB bei 4-Bit |
Ja cc-by-nc-4.0 |
Nein (nicht kommerziell) | LoRA-Adapter |
| 107 | djev · basiert auf diffusiongemma-26B-A4B-it |
39.2 -23.0 vs. Jev |
am besten: Tools & Automatisierung 51.7 |
84 ms 12 pro Sekunde · langsamer Fall 211 ms |
Ja Vision-Wertung 47.8 · 154 ms |
21.2% | 25.8 B 17 GB bei 4-Bit |
Nein | — | Technik auf einem Standardmodell |
| 108 | Hopper (G) 1.2 HopitAI · basiert auf Qwen3.5-4B-Base |
39.1 -23.1 vs. Jev |
am besten: Tools & Automatisierung 60.1 |
23 ms 43 pro Sekunde · langsamer Fall 238 ms |
nur Text | 9.3% | 4.7 B 4.0 GB bei 4-Bit |
Ja andere |
Lizenz prüfen | LoRA-Adapter |
| 109 | razorback16 openjev diffusiongemma (NVFP4, vLLM) · basiert auf diffusiongemma-26B-A4B-it |
38.8 -23.4 vs. Jev |
am besten: Tools & Automatisierung 47.2 |
38 ms 27 pro Sekunde · langsamer Fall 118 ms |
Ja Vision-Wertung 47.7 · 255 ms |
23.2% | 25.8 B 17 GB bei 4-Bit |
Nein | — | Technik auf einem Standardmodell |
| 110 | Valen-4B Valen · basiert auf Qwen3.5-4B |
38.6 -23.6 vs. Jev |
am besten: Tools & Automatisierung 52 |
167 ms 6.0 pro Sekunde · langsamer Fall 452 ms |
nur Text | 10.8% | 4.5 B 3.9 GB bei 4-Bit |
Ja apache-2.0 |
Ja | Feinabgestimmtes Modell |
| 111 | RSI-Jev v5.0 VL 3B · basiert auf Qwen3.5-4B-Base |
37.8 -24.4 vs. Jev |
am besten: Tools & Automatisierung 52.8 |
19 ms 53 pro Sekunde · langsamer Fall 79 ms |
Ja Vision-Wertung 57.3 · 144 ms |
4.8% | 4.7 B 4.0 GB bei 4-Bit |
Ja apache-2.0 |
Ja | Feinabgestimmtes Modell |
| 112 | Intern-Decision-4B Intern Large Models · basiert auf Qwen3.5-4B-Base |
37.6 -24.7 vs. Jev |
am besten: Tools & Automatisierung 55.7 |
44 ms 23 pro Sekunde · langsamer Fall 115 ms |
Ja Vision-Wertung 56.5 · 142 ms |
2.8% | 4.7 B 4.0 GB bei 4-Bit |
Ja apache-2.0 |
Ja | Feinabgestimmtes Modell |
| 113 | JevK5 v0.3 · basiert auf Qwen3.5-4B |
37.3 -24.9 vs. Jev |
am besten: Tools & Automatisierung 56.9 |
26 ms 38 pro Sekunde |
nur Text | 6.0% | 4.7 B 4.0 GB bei 4-Bit |
Ja apache-2.0 |
Ja | LoRA-Adapter |
| 114 | NeoHorse-Jev-4B TokenRhythm · basiert auf Qwen3.5-4B-Base |
36.8 -25.5 vs. Jev |
am besten: Tools & Automatisierung 58.9 |
49 ms 20 pro Sekunde · langsamer Fall 274 ms |
Ja Vision-Wertung 51.1 · 104 ms |
10.4% | 4.7 B 4.0 GB bei 4-Bit |
Ja apache-2.0 |
Ja | Entscheidungskopf |
| 115 | lev Interfaze · basiert auf Qwen3.5-4B-Base |
36.5 -25.7 vs. Jev |
am besten: Tools & Automatisierung 57.5 |
71 ms 14 pro Sekunde · langsamer Fall 688 ms |
nur Text | 6.4% | 4.7 B 4.0 GB bei 4-Bit |
Ja apache-2.0 |
Ja | LoRA + Entscheidungskopf |
| 116 | Decider 4B · basiert auf Qwen3.5-4B-Base |
36.2 -26.1 vs. Jev |
am besten: Tools & Automatisierung 58.6 |
13 ms 79 pro Sekunde · langsamer Fall 189 ms |
nur Text | 8.4% | 4.7 B 4.0 GB bei 4-Bit |
Ja apache-2.0 |
Ja | Feinabgestimmtes Modell |
| 117 | Kev 4B r10 · basiert auf Qwen3.5-4B-Base |
35.7 -26.5 vs. Jev |
am besten: Tools & Automatisierung 55 |
59 ms 17 pro Sekunde |
nur Text | 3.2% | 4.7 B 4.0 GB bei 4-Bit |
Ja apache-2.0 |
Ja | LoRA + Entscheidungskopf |
| 118 | Lev1 3.7B · basiert auf K2-Horizon-3.7B |
35.7 -26.6 vs. Jev |
am besten: Tools & Automatisierung 68.8 |
29 ms 35 pro Sekunde · langsamer Fall 170 ms |
nur Text | 5.8% | 3.7 B geschätzt 3.4 GB bei 4-Bit |
Ja apache-2.0 |
Ja | LoRA-Adapter |
| 119 | Sieve 2B v3 Sthānika AI · basiert auf Qwen3.5-2B |
35.6 -26.6 vs. Jev |
am besten: Tools & Automatisierung 80.5 |
43 ms 23 pro Sekunde · langsamer Fall 98 ms |
nur Text | 7.2% | 2.3 B 2.6 GB bei 4-Bit |
Ja apache-2.0 |
Ja | LoRA-Adapter |
| 120 | mmastrac diffusiongemma (vLLM PR 57250) · basiert auf diffusiongemma-26B-A4B-it |
35.5 -26.8 vs. Jev |
am besten: Sprachverständnis 46.5 |
127 ms 7.9 pro Sekunde · langsamer Fall 275 ms |
Ja Vision-Wertung 46.3 · 457 ms |
20.2% | 25.8 B 17 GB bei 4-Bit |
Nein | — | Technik auf einem Standardmodell |
| 121 | Jevstral 8B · basiert auf Ministral-3-8B-Base-2512 |
35.4 -26.8 vs. Jev |
am besten: Tools & Automatisierung 52.9 |
28 ms 35 pro Sekunde · langsamer Fall 185 ms |
nur Text | 4.7% | 8 B geschätzt 6.0 GB bei 4-Bit |
Ja apache-2.0 |
Ja | LoRA-Adapter |
| 122 | Standard One 3B SH (v2) Standard Thinking · basiert auf StandardOne-3B |
35.2 -27.0 vs. Jev |
am besten: Tools & Automatisierung 60.3 |
76 ms 13 pro Sekunde · langsamer Fall 140 ms |
nur Text | 10.1% | 3.8 B 3.5 GB bei 4-Bit |
Ja apache-2.0 |
Ja | LoRA + Entscheidungskopf |
| 123 | Kas 4B · basiert auf Qwen3-4B |
35.2 -27.0 vs. Jev |
am besten: Tools & Automatisierung 48.9 |
69 ms 14 pro Sekunde · langsamer Fall 1242 ms |
nur Text | 9.8% | 4 B 3.6 GB bei 4-Bit |
Ja apache-2.0 |
Ja | LoRA-Adapter |
| 124 | Saracura PT-BR 4B Felhen · basiert auf Qwen3.5-4B-Base |
34.8 -27.4 vs. Jev |
am besten: Tools & Automatisierung 53.9 |
62 ms 16 pro Sekunde · langsamer Fall 242 ms |
nur Text | 17.9% | 4.7 B 4.0 GB bei 4-Bit |
Ja apache-2.0 |
Ja | LoRA + Entscheidungskopf |
| 125 | vLLM-SR d3-nano (2B) vLLM Semantic Router · basiert auf Qwen3.5-2B |
34.5 -27.7 vs. Jev |
am besten: Tools & Automatisierung 58.9 |
38 ms 26 pro Sekunde · langsamer Fall 101 ms |
Ja Vision-Wertung 54.7 · 93 ms |
11.2% | 2.2 B 2.5 GB bei 4-Bit |
Ja apache-2.0 |
Ja | Feinabgestimmtes Modell |
| 126 | Tev1-4B-experimental Together · basiert auf Qwen3.5-4B-Base |
33.6 -28.6 vs. Jev |
am besten: Tools & Automatisierung 41.8 |
36 ms 28 pro Sekunde · langsamer Fall 166 ms |
nur Text | 10.4% | 4.7 B 4.0 GB bei 4-Bit |
Ja | — | Feinabgestimmtes Modell |
| 127 | Winnow-E4B · basiert auf gemma-4-E4B |
33.5 -28.7 vs. Jev |
am besten: Tools & Automatisierung 62.5 |
45 ms 22 pro Sekunde · langsamer Fall 188 ms |
Ja Vision-Wertung 42.1 · 153 ms |
5.8% | 8 B 6.0 GB bei 4-Bit |
Ja apache-2.0 |
Ja | LoRA-Adapter |
| 128 | Cam1 · basiert auf Qwen3.5-4B |
33.5 -28.7 vs. Jev |
am besten: Tools & Automatisierung 46.3 |
249 ms 4.0 pro Sekunde · langsamer Fall 906 ms |
nur Text | 6.3% | 4.7 B 4.0 GB bei 4-Bit |
Ja apache-2.0 |
Ja | LoRA + Entscheidungskopf |
| 129 | Aurelis-2B Leptos Labs · basiert auf MiniCPM5-2B |
33.3 -29.0 vs. Jev |
am besten: Tools & Automatisierung 79.5 |
74 ms 13 pro Sekunde · langsamer Fall 502 ms |
nur Text | 6.5% | 2.5 B 2.7 GB bei 4-Bit |
Ja apache-2.0 |
Ja | Feinabgestimmtes Modell |
| 130 | vera-core-2 · basiert auf Qwen3.5-2B |
32.5 -29.7 vs. Jev |
am besten: Tools & Automatisierung 61.5 |
90 ms 11 pro Sekunde · langsamer Fall 170 ms |
nur Text | 4.6% | 1.9 B 2.4 GB bei 4-Bit |
Ja apache-2.0 |
Ja | Feinabgestimmtes Modell |
| 131 | Ryotide Qwen v0.3.1 · basiert auf Qwen3.5-4B |
32.5 -29.8 vs. Jev |
am besten: Tools & Automatisierung 55.1 |
81 ms 12 pro Sekunde |
nur Text | 9.2% | 4 B 3.6 GB bei 4-Bit |
Nein | — | Technik auf einem Standardmodell |
| 132 | LatentMesh Blitz 2B v1 LatentMesh Labs · basiert auf Qwen3.5-2B |
32.4 -29.8 vs. Jev |
am besten: Tools & Automatisierung 66.5 |
52 ms 19 pro Sekunde · langsamer Fall 168 ms |
nur Text | 13.7% | 2.3 B 2.6 GB bei 4-Bit |
Ja andere |
Lizenz prüfen | LoRA-Adapter |
| 133 | LiquidAI d1-3B Liquid AI · basiert auf LFM2.5-VL-3B |
32.2 -30.0 vs. Jev |
am besten: Tools & Automatisierung 74.5 |
16 ms 62 pro Sekunde · langsamer Fall 56 ms |
nur Text | 4.7% | 3.1 B 3.1 GB bei 4-Bit |
Ja andere |
Lizenz prüfen | Feinabgestimmtes Modell |
| 134 | Jobe · basiert auf Qwen3.5-4B-Base |
31.9 -30.3 vs. Jev |
am besten: Tools & Automatisierung 48.8 |
54 ms 19 pro Sekunde · langsamer Fall 2910 ms |
nur Text | 12.3% | 4.7 B 4.0 GB bei 4-Bit |
Nein | — | Technik auf einem Standardmodell |
| 135 | Metask-Jev-4B Metask-AI-Lab · basiert auf Qwen3.5-4B-Base |
30.9 -31.3 vs. Jev |
am besten: Sprachverständnis 40.1 |
57 ms 17 pro Sekunde · langsamer Fall 369 ms |
nur Text | 10.3% | 4.7 B 4.0 GB bei 4-Bit |
Ja apache-2.0 |
Ja | LoRA-Adapter |
| 136 | Intelif Qwen3-4B · basiert auf Qwen3-4B |
30.8 -31.5 vs. Jev |
am besten: Tools & Automatisierung 51 |
23 ms 44 pro Sekunde |
nur Text | 7.1% | 4 B 3.6 GB bei 4-Bit |
Ja cc-by-nc-4.0 |
Nein (nicht kommerziell) | LoRA + Entscheidungskopf |
| 137 | openvons · basiert auf Qwen3-4B-Instruct-2507 |
30.3 -31.9 vs. Jev |
am besten: Tools & Automatisierung 44.6 |
21 ms 47 pro Sekunde · langsamer Fall 113 ms |
nur Text | 37.1% | 4 B 3.6 GB bei 4-Bit |
Nein | — | Technik auf einem Standardmodell |
| 138 | open-jev (pngwn) · basiert auf Qwen3.5-4B-Base |
30.3 -31.9 vs. Jev |
am besten: Tools & Automatisierung 45.7 |
112 ms 8.9 pro Sekunde · langsamer Fall 724 ms |
nur Text | 5.9% | 4.7 B 4.0 GB bei 4-Bit |
Ja cc-by-nc-4.0 |
Nein (nicht kommerziell) | LoRA-Adapter |
| 139 | Jev-Style 2B v3 · basiert auf Qwen3.5-2B |
29.8 -32.4 vs. Jev |
am besten: Tools & Automatisierung 52.8 |
70 ms 14 pro Sekunde |
nur Text | 11.8% | 2.3 B 2.6 GB bei 4-Bit |
Ja apache-2.0 |
Ja | Feinabgestimmtes Modell |
| 140 | OneJev1.6-0.8B OmniJev · basiert auf Qwen3.5-0.8B |
29.7 -32.6 vs. Jev |
am besten: Tools & Automatisierung 72.9 |
13 ms 76 pro Sekunde · langsamer Fall 104 ms |
nur Text | 3.5% | 0.9 B 1.7 GB bei 4-Bit |
Ja apache-2.0 |
Ja | Feinabgestimmtes Modell |
| 141 | StartLux-Decision v1.1 0.8B StartLux · basiert auf Qwen3.5-0.8B |
29.0 -33.2 vs. Jev |
am besten: Tools & Automatisierung 74.6 |
30 ms 33 pro Sekunde · langsamer Fall 87 ms |
nur Text | 1.5% | 0.9 B 1.7 GB bei 4-Bit |
Ja cc-by-nc-4.0 |
Nein (nicht kommerziell) | Feinabgestimmtes Modell |
| 142 | Crivo-1B · basiert auf ettin-reranker-1b-v1 |
29.0 -33.3 vs. Jev |
am besten: Tools & Automatisierung 78.7 |
16 ms 61 pro Sekunde · langsamer Fall 71 ms |
nur Text | 15.1% | 1 B 1.8 GB bei 4-Bit |
Ja cc-by-nc-4.0 |
Nein (nicht kommerziell) | Feinabgestimmtes Modell |
| 143 | SemIf · basiert auf Qwen3.5-4B-Base |
28.3 -33.9 vs. Jev |
am besten: Tools & Automatisierung 39.1 |
113 ms 8.8 pro Sekunde · langsamer Fall 215 ms |
nur Text | 9.9% | 4.7 B 4.0 GB bei 4-Bit |
Nein | — | Technik auf einem Standardmodell |
| 144 | Gevva E4B · basiert auf gemma-4-E4B-it |
27.6 -34.6 vs. Jev |
am besten: Tools & Automatisierung 56.9 |
53 ms 19 pro Sekunde |
nur Text | 14.5% | 8 B 6.0 GB bei 4-Bit |
Ja apache-2.0 |
Ja | Feinabgestimmtes Modell |
| 145 | vLLM-SR d3-lite (0.8B) vLLM Semantic Router · basiert auf Qwen3.5-0.8B |
25.9 -36.3 vs. Jev |
am besten: Tools & Automatisierung 56.3 |
37 ms 27 pro Sekunde · langsamer Fall 77 ms |
Ja Vision-Wertung 42.1 · 80 ms |
9.4% | 0.9 B 1.7 GB bei 4-Bit |
Ja apache-2.0 |
Ja | Feinabgestimmtes Modell |
| 146 | Saina Helm 2.0 v2 Saina · basiert auf Qwen3.5-0.8B |
25.6 -36.6 vs. Jev |
am besten: Tools & Automatisierung 61.3 |
39 ms 26 pro Sekunde · langsamer Fall 49 ms |
nur Text | 16.8% | 0.9 B 1.7 GB bei 4-Bit |
Ja apache-2.0 |
Ja | LoRA + Entscheidungskopf |
| 147 | Saina Helm 2 Omni (0.8B) Saina · basiert auf Qwen3.5-0.8B |
25.5 -36.8 vs. Jev |
am besten: Tools & Automatisierung 59.7 |
39 ms 26 pro Sekunde · langsamer Fall 48 ms |
Ja Vision-Wertung 40.5 · 169 ms |
10.0% | 0.9 B 1.7 GB bei 4-Bit |
Ja apache-2.0 |
Ja | LoRA + Entscheidungskopf |
| 148 | Amber 0.4B · basiert auf ModernBERT-large |
25.4 -36.8 vs. Jev |
am besten: Tools & Automatisierung 78.9 |
43 ms 24 pro Sekunde · langsamer Fall 47 ms |
nur Text | 7.5% | 0.4 B 1.4 GB bei 4-Bit |
Ja cc-by-nc-4.0 |
Nein (nicht kommerziell) | Feinabgestimmtes Modell |
| 149 | this-that 1.2 FLock.io · basiert auf decider-2b |
24.7 -37.5 vs. Jev |
am besten: Tools & Automatisierung 45 |
44 ms 23 pro Sekunde · langsamer Fall 57 ms |
nur Text | 19.8% | 1.9 B 2.4 GB bei 4-Bit |
Ja mit |
Ja | Feinabgestimmtes Modell |
| 150 | jiwo 0.8B v2 · basiert auf Qwen3.5-0.8B |
24.5 -37.7 vs. Jev |
am besten: Suche & Klassifizierung 44.2 |
36 ms 28 pro Sekunde · langsamer Fall 75 ms |
nur Text | 6.8% | 0.8 B 1.7 GB bei 4-Bit |
Ja apache-2.0 |
Ja | Feinabgestimmtes Modell |
| 151 | Gevva E2B · basiert auf gemma-4-E2B-it |
24.3 -37.9 vs. Jev |
am besten: Tools & Automatisierung 52.5 |
43 ms 23 pro Sekunde |
nur Text | 9.0% | 5.1 B 4.3 GB bei 4-Bit |
Ja apache-2.0 |
Ja | Feinabgestimmtes Modell |
| 152 | mini-jev · basiert auf Qwen3-4B-Instruct-2507 |
24.2 -38.0 vs. Jev |
am besten: Sprachverständnis 29.8 |
67 ms 15 pro Sekunde · langsamer Fall 178 ms |
nur Text | 34.6% | 4 B 3.6 GB bei 4-Bit |
Nein | — | Technik auf einem Standardmodell |
| 153 | vLLM-SR Decision 2.0 Sol 2B vLLM Semantic Router · basiert auf Qwen3.5-2B |
24.1 -38.2 vs. Jev |
am besten: Tools & Automatisierung 48.8 |
26 ms 39 pro Sekunde |
nur Text | 3.7% | 2.3 B 2.6 GB bei 4-Bit |
Ja apache-2.0 |
Ja | Feinabgestimmtes Modell |
| 154 | Decider 2B · basiert auf Qwen3.5-2B-Base |
23.9 -38.3 vs. Jev |
am besten: Tools & Automatisierung 42.4 |
8 ms 123 pro Sekunde · langsamer Fall 135 ms |
nur Text | 7.7% | 2.3 B 2.6 GB bei 4-Bit |
Ja apache-2.0 |
Ja | Feinabgestimmtes Modell |
| 155 | Crivo-400M · basiert auf ettin-reranker-400m-v1 |
23.0 -39.3 vs. Jev |
am besten: Tools & Automatisierung 69 |
17 ms 60 pro Sekunde · langsamer Fall 40 ms |
nur Text | 12.1% | 0.4 B 1.4 GB bei 4-Bit |
Ja cc-by-nc-4.0 |
Nein (nicht kommerziell) | Feinabgestimmtes Modell |
| 156 | Valen-2B Valen · basiert auf Qwen3.5-2B |
22.8 -39.4 vs. Jev |
am besten: Tools & Automatisierung 45.1 |
128 ms 7.8 pro Sekunde · langsamer Fall 312 ms |
nur Text | 10.5% | 2.2 B 2.5 GB bei 4-Bit |
Ja apache-2.0 |
Ja | Feinabgestimmtes Modell |
| 157 | Intern-Decision-2B Intern Large Models · basiert auf Qwen3.5-2B-Base |
21.7 -40.5 vs. Jev |
am besten: Tools & Automatisierung 33.3 |
34 ms 30 pro Sekunde · langsamer Fall 58 ms |
Ja Vision-Wertung 47.8 · 107 ms |
6.1% | 2.3 B 2.6 GB bei 4-Bit |
Ja apache-2.0 |
Ja | Feinabgestimmtes Modell |
| 158 | Sieve 0.8B Sthānika AI · basiert auf Qwen3.5-0.8B-Base |
21.2 -41.0 vs. Jev |
am besten: Suche & Klassifizierung 54.8 |
52 ms 19 pro Sekunde · langsamer Fall 110 ms |
nur Text | 8.8% | 0.6 B geschätzt 1.6 GB bei 4-Bit |
Ja apache-2.0 |
Ja | Feinabgestimmtes Modell |
| 159 | wyat-1-800m · basiert auf Qwen3.5-0.8B-Base |
21.2 -41.0 vs. Jev |
am besten: Suche & Klassifizierung 43 |
112 ms 8.9 pro Sekunde · langsamer Fall 924 ms |
nur Text | 23.2% | 0.9 B 1.7 GB bei 4-Bit |
Ja andere |
Lizenz prüfen | LoRA-Adapter |
| 160 | Sieve 2B Sthānika AI · basiert auf Qwen3.5-2B-Base |
21.1 -41.1 vs. Jev |
am besten: Tools & Automatisierung 35.3 |
63 ms 16 pro Sekunde |
nur Text | 8.8% | 2.3 B 2.6 GB bei 4-Bit |
Ja apache-2.0 |
Ja | LoRA + Entscheidungskopf |
| 161 | EXAONE-4.0-1.2B-JEV v0.3 · basiert auf EXAONE-4.0-1.2B |
21.1 -41.2 vs. Jev |
am besten: Tools & Automatisierung 56.6 |
149 ms 6.7 pro Sekunde · langsamer Fall 1906 ms |
nur Text | 7.9% | 1.3 B geschätzt 2.0 GB bei 4-Bit |
Ja andere |
Lizenz prüfen | Feinabgestimmtes Modell |
| 162 | Strands Decider 2B Strands Agents · basiert auf Qwen3.5-2B-Base |
20.2 -42.0 vs. Jev |
am besten: Tools & Automatisierung 43.8 |
52 ms 19 pro Sekunde · langsamer Fall 126 ms |
nur Text | 4.4% | 1.9 B 2.4 GB bei 4-Bit |
Ja apache-2.0 |
Ja | LoRA + Entscheidungskopf |
| 163 | vLLM-SR Decision 2.0 Eos 0.8B vLLM Semantic Router · basiert auf Qwen3.5-0.8B |
17.7 -44.5 vs. Jev |
am besten: Suche & Klassifizierung 38.4 |
25 ms 40 pro Sekunde |
nur Text | 13.0% | 0.9 B 1.7 GB bei 4-Bit |
Ja apache-2.0 |
Ja | Feinabgestimmtes Modell |
| 164 | Crivo-150M v2 · basiert auf ettin-reranker-150m-v1 |
17.7 -44.5 vs. Jev |
am besten: Tools & Automatisierung 62.8 |
13 ms 75 pro Sekunde · langsamer Fall 25 ms |
nur Text | 11.5% | 0.1 B 1.3 GB bei 4-Bit |
Ja cc-by-nc-4.0 |
Nein (nicht kommerziell) | Feinabgestimmtes Modell |
| 165 | Crivo-68M · basiert auf ettin-reranker-68m-v1 |
17.7 -44.5 vs. Jev |
am besten: Tools & Automatisierung 64 |
12 ms 81 pro Sekunde · langsamer Fall 18 ms |
nur Text | 10.3% | 0.1 B 1.3 GB bei 4-Bit |
Ja cc-by-nc-4.0 |
Nein (nicht kommerziell) | Feinabgestimmtes Modell |
| 166 | vLLM-SR d3-edge (0.6B) vLLM Semantic Router · basiert auf Qwen3.5-0.8B |
17.1 -45.1 vs. Jev |
am besten: Suche & Klassifizierung 53.6 |
19 ms 52 pro Sekunde · langsamer Fall 45 ms |
Ja Vision-Wertung 31.7 · 63 ms |
14.1% | 0.6 B 1.6 GB bei 4-Bit |
Ja apache-2.0 |
Ja | Feinabgestimmtes Modell |
| 167 | Valen-0.8B Valen · basiert auf Qwen3.5-0.8B |
17.1 -45.1 vs. Jev |
am besten: Tools & Automatisierung 35.6 |
128 ms 7.8 pro Sekunde · langsamer Fall 314 ms |
nur Text | 10.8% | 0.9 B 1.7 GB bei 4-Bit |
Ja apache-2.0 |
Ja | Feinabgestimmtes Modell |
| 168 | DecisionTune 1.0 DecisionTune · basiert auf ModernBERT-large |
16.9 -45.3 vs. Jev |
am besten: Tools & Automatisierung 46.5 |
14 ms 72 pro Sekunde · langsamer Fall 111 ms |
nur Text | 14.8% | 0.4 B 1.4 GB bei 4-Bit |
Ja apache-2.0 |
Ja | Feinabgestimmtes Modell |
| 169 | JPT-0.8B · basiert auf Qwen3.5-0.8B-Base |
16.3 -46.0 vs. Jev |
am besten: Tools & Automatisierung 36.2 |
118 ms 8.5 pro Sekunde · langsamer Fall 341 ms |
Ja Vision-Wertung 42.1 · 116 ms |
6.9% | 0.9 B 1.7 GB bei 4-Bit |
Ja cc-by-nc-4.0 |
Nein (nicht kommerziell) | LoRA-Adapter |
| 170 | Mola-150M · basiert auf ettin-reranker-150m-v1 |
16.1 -46.1 vs. Jev |
am besten: Suche & Klassifizierung 51.4 |
13 ms 78 pro Sekunde · langsamer Fall 21 ms |
nur Text | 8.0% | 0.1 B 1.3 GB bei 4-Bit |
Ja cc-by-nc-4.0 |
Nein (nicht kommerziell) | Feinabgestimmtes Modell |
| 171 | Dinah-1 · basiert auf dinah-0-apache |
16.1 -46.1 vs. Jev |
am besten: Tools & Automatisierung 62.2 |
14 ms 70 pro Sekunde · langsamer Fall 58 ms |
nur Text | 21.8% | 0.1 B 1.3 GB bei 4-Bit |
Ja apache-2.0 |
Ja | Feinabgestimmtes Modell |
| 172 | Bekko System One v0 400M · basiert auf ettin-encoder-400m |
16.0 -46.2 vs. Jev |
am besten: Suche & Klassifizierung 42.2 |
17 ms 58 pro Sekunde · langsamer Fall 72 ms |
nur Text | 11.1% | 0.4 B geschätzt 1.4 GB bei 4-Bit |
Ja | — | Feinabgestimmtes Modell |
| 173 | JEV FLAN-T5 Large public v2 (342M) · basiert auf flan-t5-large |
16.0 -46.3 vs. Jev |
am besten: Suche & Klassifizierung 35.5 |
17 ms 61 pro Sekunde · langsamer Fall 274 ms |
nur Text | 4.7% | — | Ja | — | Feinabgestimmtes Modell |
| 174 | tasksource Decider nano v4 (150M) tasksource · basiert auf ettin-reranker-150m-v1 |
15.6 -46.6 vs. Jev |
am besten: Suche & Klassifizierung 49.4 |
14 ms 70 pro Sekunde · langsamer Fall 23 ms |
nur Text | 6.9% | 0.1 B 1.3 GB bei 4-Bit |
Ja apache-2.0 |
Ja | Feinabgestimmtes Modell |
| 175 | Bosun v3.1 1.7B Hanno Labs · basiert auf Qwen3-1.7B-Base |
15.6 -46.7 vs. Jev |
am besten: Suche & Klassifizierung 42.8 |
40 ms 25 pro Sekunde · langsamer Fall 174 ms |
nur Text | 13.0% | 1.7 B 2.2 GB bei 4-Bit |
Ja apache-2.0 |
Ja | LoRA + Entscheidungskopf |
| 176 | Kev 0.8B r15 · basiert auf Qwen3.5-0.8B-Base |
15.0 -47.2 vs. Jev |
am besten: Tools & Automatisierung 35.5 |
45 ms 22 pro Sekunde |
nur Text | 4.0% | 0.9 B 1.7 GB bei 4-Bit |
Ja apache-2.0 |
Ja | LoRA + Entscheidungskopf |
| 177 | Mola-68M · basiert auf ettin-reranker-68m-v1 |
15.0 -47.3 vs. Jev |
am besten: Suche & Klassifizierung 49.4 |
11 ms 88 pro Sekunde · langsamer Fall 18 ms |
nur Text | 11.9% | 0.1 B 1.3 GB bei 4-Bit |
Ja cc-by-nc-4.0 |
Nein (nicht kommerziell) | Feinabgestimmtes Modell |
| 178 | Sifr 0.8B v3.1 · basiert auf Qwen3.5-0.8B |
14.9 -47.3 vs. Jev |
am besten: Suche & Klassifizierung 45.5 |
35 ms 29 pro Sekunde · langsamer Fall 1042 ms |
nur Text | 12.0% | 0.9 B 1.7 GB bei 4-Bit |
Ja apache-2.0 |
Ja | Feinabgestimmtes Modell |
| 179 | vLLM-SR Decision 2.0 Kai 0.6B vLLM Semantic Router · basiert auf Qwen3-0.6B-Base |
14.9 -47.3 vs. Jev |
am besten: Suche & Klassifizierung 32 |
19 ms 54 pro Sekunde |
nur Text | 3.8% | 0.6 B 1.6 GB bei 4-Bit |
Ja apache-2.0 |
Ja | Feinabgestimmtes Modell |
| 180 | Crivo-32M v2 · basiert auf ettin-reranker-32m-v1 |
13.7 -48.5 vs. Jev |
am besten: Tools & Automatisierung 50 |
8 ms 132 pro Sekunde · langsamer Fall 12 ms |
nur Text | 13.3% | — | Ja cc-by-nc-4.0 |
Nein (nicht kommerziell) | Feinabgestimmtes Modell |
| 181 | Kodiak v0.2 1B (accuracy) Cortex Agent LLC · basiert auf ettin-encoder-1b |
13.3 -48.9 vs. Jev |
am besten: Suche & Klassifizierung 36.2 |
142 ms 7.0 pro Sekunde |
nur Text | 7.7% | 3 B 3.0 GB bei 4-Bit |
Ja apache-2.0 |
Ja | Feinabgestimmtes Modell |
| 182 | JEV Ettin 400M · basiert auf ettin-encoder-400m |
13.2 -49.0 vs. Jev |
am besten: Suche & Klassifizierung 26.3 |
16 ms 62 pro Sekunde · langsamer Fall 80 ms |
nur Text | 9.0% | 0.4 B geschätzt 1.4 GB bei 4-Bit |
Ja | — | Feinabgestimmtes Modell |
| 183 | Intern-Decision-0.8B Intern Large Models · basiert auf Qwen3.5-0.8B-Base |
12.7 -49.5 vs. Jev |
am besten: Tools & Automatisierung 28.4 |
34 ms 30 pro Sekunde · langsamer Fall 39 ms |
Ja Vision-Wertung 36.3 · 74 ms |
2.5% | 0.9 B 1.7 GB bei 4-Bit |
Ja apache-2.0 |
Ja | Feinabgestimmtes Modell |
| 184 | Tev1-0.8B-experimental Together · basiert auf Qwen3.5-0.8B-Base |
12.6 -49.6 vs. Jev |
am besten: Tools & Automatisierung 32 |
29 ms 35 pro Sekunde · langsamer Fall 134 ms |
nur Text | 12.6% | 0.9 B 1.7 GB bei 4-Bit |
Ja | — | Feinabgestimmtes Modell |
| 185 | Prumo | 12.2 -50.0 vs. Jev |
am besten: Tools & Automatisierung 45.3 |
0 ms 3333 pro Sekunde · langsamer Fall 12 ms |
nur Text | 4.7% | — | Ja apache-2.0 |
Ja | Technik auf einem Standardmodell |
| 186 | Jev-Style 0.8B v3 · basiert auf Qwen3.5-0.8B |
12.1 -50.1 vs. Jev |
am besten: Tools & Automatisierung 35.4 |
36 ms 28 pro Sekunde |
nur Text | 8.4% | 0.9 B 1.7 GB bei 4-Bit |
Ja apache-2.0 |
Ja | Feinabgestimmtes Modell |
| 187 | LiquidAI d1-omni-600M Liquid AI · basiert auf LFM2.5-Encoder-350M |
11.5 -50.8 vs. Jev |
am besten: Suche & Klassifizierung 35 |
11 ms 92 pro Sekunde · langsamer Fall 34 ms |
nur Text | 12.8% | 0.6 B 1.6 GB bei 4-Bit |
Ja andere |
Lizenz prüfen | Feinabgestimmtes Modell |
| 188 | vera-spark · basiert auf ModernBERT-large |
11.2 -51.1 vs. Jev |
am besten: Suche & Klassifizierung 30.1 |
80 ms 13 pro Sekunde · langsamer Fall 130 ms |
nur Text | 15.7% | 0.6 B 1.6 GB bei 4-Bit |
Ja apache-2.0 |
Ja | Feinabgestimmtes Modell |
| 189 | Crivo-17M · basiert auf ettin-reranker-17m-v1 |
11.1 -51.1 vs. Jev |
am besten: Suche & Klassifizierung 40.1 |
6 ms 169 pro Sekunde · langsamer Fall 10 ms |
nur Text | 8.0% | — | Ja cc-by-nc-4.0 |
Nein (nicht kommerziell) | Feinabgestimmtes Modell |
| 190 | Bosun v3.1 0.6B Hanno Labs · basiert auf Qwen3-0.6B-Base |
10.6 -51.6 vs. Jev |
am besten: Suche & Klassifizierung 34.2 |
39 ms 26 pro Sekunde · langsamer Fall 107 ms |
nur Text | 14.2% | 0.6 B 1.6 GB bei 4-Bit |
Ja apache-2.0 |
Ja | LoRA + Entscheidungskopf |
| 191 | Bekko System One v0 68M · basiert auf ettin-encoder-68m |
10.0 -52.2 vs. Jev |
am besten: Suche & Klassifizierung 32.2 |
12 ms 85 pro Sekunde · langsamer Fall 31 ms |
nur Text | 11.3% | 0.1 B geschätzt 1.3 GB bei 4-Bit |
Ja | — | Feinabgestimmtes Modell |
| 192 | Von 1.3 · basiert auf ModernBERT-large |
9.8 -52.5 vs. Jev |
am besten: Suche & Klassifizierung 30.1 |
18 ms 56 pro Sekunde |
nur Text | 21.6% | 0.4 B 1.4 GB bei 4-Bit |
Ja apache-2.0 |
Ja | Feinabgestimmtes Modell |
| 193 | Lavoir Mogan AI · basiert auf ModernBERT-large |
9.6 -52.6 vs. Jev |
am besten: Tools & Automatisierung 13 |
20 ms 50 pro Sekunde · langsamer Fall 50 ms |
nur Text | 14.9% | 0.4 B 1.4 GB bei 4-Bit |
Ja cc-by-nc-4.0 |
Nein (nicht kommerziell) | Feinabgestimmtes Modell |
| 194 | GLiNER2.5-Decide Fastino · basiert auf gliner2-large-v1 |
9.6 -52.6 vs. Jev |
am besten: Suche & Klassifizierung 25.3 |
23 ms 43 pro Sekunde · langsamer Fall 229 ms |
nur Text | 8.8% | 0.5 B 1.5 GB bei 4-Bit |
Ja apache-2.0 |
Ja | Feinabgestimmtes Modell |
| 195 | JevK5 Lite · basiert auf deberta-v3-large |
8.8 -53.5 vs. Jev |
am besten: Suche & Klassifizierung 28.7 |
19 ms 52 pro Sekunde |
nur Text | 14.9% | 0.3 B 1.4 GB bei 4-Bit |
Ja apache-2.0 |
Ja | Feinabgestimmtes Modell |
| 196 | LFM2.5-2.6B-RLCD · basiert auf LFM2.5-2.6B-Base |
7.7 -54.5 vs. Jev |
am besten: Suche & Klassifizierung 10.5 |
39 ms 25 pro Sekunde · langsamer Fall 95 ms |
nur Text | 25.4% | 2.7 B 2.8 GB bei 4-Bit |
Ja andere |
Lizenz prüfen | Feinabgestimmtes Modell |
| 197 | Laya | 7.2 -55.0 vs. Jev |
am besten: Sprachverständnis 10.1 |
6 ms 172 pro Sekunde · langsamer Fall 223 ms |
nur Text | 14.0% | 0.4 B 1.4 GB bei 4-Bit |
Ja apache-2.0 |
Ja | Feinabgestimmtes Modell |
| 198 | CLM-v0.1-8B · basiert auf Qwen3-8B-Base |
6.6 -55.6 vs. Jev |
am besten: Tools & Automatisierung 14 |
47 ms 21 pro Sekunde · langsamer Fall 131 ms |
nur Text | 32.3% | 8.2 B 6.2 GB bei 4-Bit |
Ja apache-2.0 |
Ja | Feinabgestimmtes Modell |
| 199 | Qwen-2.5-1B-RLCD · basiert auf Qwen2.5-1.5B |
6.5 -55.7 vs. Jev |
am besten: Kunst & menschlicher Geschmack 8.5 |
44 ms 23 pro Sekunde · langsamer Fall 75 ms |
nur Text | 20.5% | 1.5 B 2.1 GB bei 4-Bit |
Nein | — | Technik auf einem Standardmodell |
| 200 | Bekko System One v0 17M · basiert auf ettin-encoder-17m |
5.7 -56.5 vs. Jev |
am besten: Suche & Klassifizierung 21.3 |
7 ms 147 pro Sekunde · langsamer Fall 17 ms |
nur Text | 16.1% | — | Ja | — | Feinabgestimmtes Modell |
| 201 | jeff · basiert auf gliformer-large-v1 |
4.8 -57.4 vs. Jev |
am besten: Suche & Klassifizierung 21.3 |
22 ms 46 pro Sekunde · langsamer Fall 68 ms |
nur Text | 9.7% | 0.6 B geschätzt 1.6 GB bei 4-Bit |
Nein | — | Technik auf einem Standardmodell |
| 202 | system-one-gemma · basiert auf gemma-3-270m |
4.7 -57.5 vs. Jev |
am besten: Suche & Klassifizierung 17.2 |
32 ms 31 pro Sekunde · langsamer Fall 748 ms |
nur Text | 23.9% | 0.3 B 1.4 GB bei 4-Bit |
Nein | — | LoRA + Entscheidungskopf |
| 203 | Julia 1 Supersonic Labs · basiert auf mmBERT-small |
4.2 -58.0 vs. Jev |
am besten: Suche & Klassifizierung 9.9 |
6 ms 172 pro Sekunde · langsamer Fall 15 ms |
nur Text | 42.0% | 0.1 B geschätzt 1.3 GB bei 4-Bit |
Ja apache-2.0 |
Ja | Feinabgestimmtes Modell |
| 204 | LFM2.5-350M-RLCD | 4.1 -58.1 vs. Jev |
am besten: Tools & Automatisierung 3.8 |
27 ms 37 pro Sekunde · langsamer Fall 174 ms |
nur Text | 56.8% | 0.4 B 1.4 GB bei 4-Bit |
Ja andere |
Lizenz prüfen | Feinabgestimmtes Modell |
| 205 | DM-JEPA 1.1 Danger Labs · basiert auf ModernBERT-base |
3.3 -58.9 vs. Jev |
am besten: Suche & Klassifizierung 34 |
63 ms 16 pro Sekunde · langsamer Fall 2068 ms |
nur Text | 44.5% | 0.1 B 1.3 GB bei 4-Bit |
Ja mit |
Ja | Feinabgestimmtes Modell |
| 206 | Nirnaya 0.4B · basiert auf loggenix-moe-0.4B-0.2A-sft-s4 |
3.2 -59.0 vs. Jev |
am besten: Tools & Automatisierung 5.5 |
14 ms 69 pro Sekunde · langsamer Fall 36 ms |
nur Text | 4.6% | 0.4 B 1.4 GB bei 4-Bit |
Ja | — | Feinabgestimmtes Modell |
| 207 | Zev | 1.9 -60.3 vs. Jev |
am besten: Kunst & menschlicher Geschmack 6 |
1 ms 2000 pro Sekunde · langsamer Fall 2 ms |
nur Text | 13.8% | — | Nein | — | Technik auf einem Standardmodell |
| 208 | Verdict · basiert auf gliclass-modern-base-v2.0 |
1.5 -60.7 vs. Jev |
am besten: Tools & Automatisierung 6.6 |
11 ms 88 pro Sekunde · langsamer Fall 60 ms |
nur Text | 15.4% | 0.2 B 1.3 GB bei 4-Bit |
Ja apache-2.0 |
Ja | Feinabgestimmtes Modell |
Decision Index: zufallsbereinigte Wertung von 0 (reines Raten) bis 100 (perfekt), gemischt aus öffentlichen Benchmarks (20 %), privaten Tests derselben Fähigkeiten (50 %) und privaten Aufgaben aus neuen Bereichen (30 %). Bereiche, von links nach rechts: Wissen & Schlussfolgern, Sprachverständnis, Suche & Klassifizierung, Tools & Automatisierung, Kunst & menschlicher Geschmack, Spiele & Strategie (leerer Balken: noch nicht gemessen). Geschwindigkeit: Mediandauer pro Entscheidung und der langsame Fall (95. Perzentil), vom Leaderboard auf einer 1 x NVIDIA RTX PRO 6000 gemessen; ein Entscheidungsmodell liefert eine einzige Antwort, Tokens pro Sekunde gelten also nicht. Bilder: Wertung im separaten Vision-Ranking des Leaderboards (0.4). Kalibrierungsfehler (ECE): wie weit die angegebenen Wahrscheinlichkeiten davon abweichen, wie oft das Modell richtig liegt; niedriger ist besser. Kommerzielle Nutzung: laut Lizenz auf der Hugging-Face-Seite des Modells; „nicht kommerzielle“ Lizenzen (NC) verbieten den geschäftlichen Einsatz. Die 4-Bit-Größe und „passt zu meiner Hardware“ sind unsere Schätzungen. Hervorgehobene Zeilen schneiden besser ab als Jev.
Die 15 besten Entscheidungsmodelle
Decision-Index-Wertung, Achse beginnt bei 50. Die fünf besten Modelle haben in beiden Diagrammen dieselbe Farbe. Dunkler Balken und gestrichelte Linie: Jev 1.14, das eigene Modell von TypeSafe (62.22). Balken, die über die Linie hinausreichen, schneiden besser ab als Jev.
Was das zeigt · So liest du es
Was das zeigt. Die 15 besten offenen Entscheidungsmodelle im Jev Decision Index, mit Jev selbst (dem dunkel gestreiften Balken) als Referenz.
So liest du es. Längerer Balken, besseres Modell. Balken, die über die gestrichelte Linie hinausreichen, schneiden besser ab als Jev. Die fünf besten haben in beiden Diagrammen dieselben Farben.
Wertung im Vergleich zur Größe
Klein und stark
Jev 1.14 · 62.22
mammoth-1 (27B)StartLux-Decision v1.1 4BStartLux-Decision v1.1 2BOneJev1.6-0.8BCrivo-150M v2
050100
0.1B1B10B100B
Jeder Punkt ist ein offenes Modell; oben ist besser, links ist kleiner. Die Linie verbindet die Modelle, die jedes kleinere schlagen. Parameter auf logarithmischer Skala. Gestrichelte Linie: Jev 1.14. Farbige Punkte: die fünf besten Modelle, gleiche Farben wie die Balken. Punkte über der gestrichelten Linie schlagen Jev.
Was das zeigt · So liest du es
Was das zeigt. Jedes Entscheidungsmodell mit bekannter Größe: Decision-Index-Wertung im Vergleich zur Zahl seiner Parameter.
So liest du es. Oben ist besser, links ist kleiner. Punkte über der gestrichelten Jev-Linie schlagen Jev; in der grünen Ecke liegen die kleinen und starken, am günstigsten im Betrieb.
Über Entscheidungsmodelle
Wofür ist es gut?
Eine Anfrage an das richtige Modell weiterleiten, Tickets oder E-Mails klassifizieren, Ja/Nein-Prüfungen, die nächste Aktion eines Agenten wählen, Antworten bewerten. Überall dort, wo ein LLM eine lange Antwort schreiben würde, nur um „B“ zu sagen.
Ist Jev kostenlos?
Jev selbst ist ein geschlossenes, gehostetes Modell von TypeSafe AI. Die Modelle in dieser Rangliste sind offene Nachbauten; die meisten haben Gewichte auf Hugging Face, die du kostenlos herunterladen und ausführen kannst.
Woher kommen diese Wertungen?
Aus dem Jev Decision Index, einem Community-Leaderboard auf Hugging Face (Decision Index decision-index-0.3, 42 öffentliche Benchmarks plus private Tests), zuletzt aktualisiert am 20. Okt. 2026. Es ist inoffiziell und steht in keiner Verbindung zu TypeSafe AI; wir auch nicht. Wir übernehmen seine Wertungen einmal pro Nacht und verlinken jedes Modell auf seine Seite.
Diese Seite teilen:XLinkedInRedditWhatsApp
Falsche Zahl oder kaputten Link entdeckt? Fehler melden