Modèles de décision, classés

Un modèle de décision n'écrit pas de texte. Il choisit une option, donne un score ou répond oui ou non avec une probabilité, en une fraction de seconde. TypeSafe AI a publié le premier, Jev, en septembre 2026 ; des dizaines de modèles ouverts reprennent désormais l'idée.

Modèles classés208180 avec une page Hugging Face

Meilleur modèle ouvert71.2mammoth-1 (27B)

Jev 1.14 (TypeSafe)62.2modèle fermé, la référence

Meilleurs que Jev27modèles ouverts obtiennent un score supérieur à Jev, le premier modèle de décision

Meilleur pour un usage professionnel69.4Perplexity Decider v1.2 (27B) · apache-2.0

Classement complet

Usage commercial autorisé Comprend les images Compatible avec mon matériel × cartes

Rang	Modèle	Decision Index	Domaines	Vitesse	Images	Erreur de calibration	Taille	Télécharger	Usage commercial	Type
1	mammoth-1 (27B) baselabs · basé sur Qwen3.5-27B	71.2 +9.0 vs Jev	meilleur : Outils & automatisation 88.5	219 ms 4.6 par seconde · cas lent 715 ms	texte seul	4.1%	27.4 B 18 GB en 4 bits	Oui autre	Vérifier la licence	Modèle affiné
2	Perplexity Decider v1.2 (27B) Perplexity · basé sur Qwen3.8-27B	69.4 +7.2 vs Jev	meilleur : Outils & automatisation 85.4	144 ms 6.9 par seconde · cas lent 1552 ms	Oui score vision 71.7 · 395 ms	5.5%	26.1 B 17 GB en 4 bits	Oui apache-2.0	Oui	Modèle affiné
3	StartLux-Decision v1.1 27B StartLux · basé sur Qwen3.8-27B	69.3 +7.1 vs Jev	meilleur : Outils & automatisation 87.9	80 ms 13 par seconde · cas lent 854 ms	Oui score vision 71.6 · 252 ms	2.6%	27.8 B 18 GB en 4 bits	Oui cc-by-nc-4.0	Non (non commercial)	Modèle affiné
4	vLLM-SR d3 (27B) vLLM Semantic Router · basé sur Qwen3.8-27B	69.1 +6.8 vs Jev	meilleur : Outils & automatisation 82.6	97 ms 10 par seconde · cas lent 1144 ms	Oui score vision 71.3 · 299 ms	4.3%	26.1 B 17 GB en 4 bits	Oui apache-2.0	Oui	Modèle affiné
5	AJev lm6q (Gemma 4 31B) · basé sur gemma-4-31B-it	69.0 +6.8 vs Jev	meilleur : Outils & automatisation 81.5	144 ms 6.9 par seconde · cas lent 2245 ms	texte seul	9.6%	31.3 B 20 GB en 4 bits	Oui apache-2.0	Oui	Adaptateur LoRA
6	vLLM-SR d3-turbo (27B) vLLM Semantic Router · basé sur Qwen3.8-27B	69.0 +6.8 vs Jev	meilleur : Outils & automatisation 86.9	195 ms 5.1 par seconde · cas lent 582 ms	Oui score vision 72.3 · 372 ms	5.4%	26.1 B 17 GB en 4 bits	Oui apache-2.0	Oui	Modèle affiné
7	linne-oak 1.0 (31B) MISA-AICORE · basé sur gemma-4-31B-it	68.5 +6.3 vs Jev	meilleur : Outils & automatisation 78.5	105 ms 9.5 par seconde · cas lent 1540 ms	texte seul	10.5%	31.3 B 20 GB en 4 bits	Oui apache-2.0	Oui	Modèle affiné
8	Nace.AI Drex Max v1 (27B) Nace-Deepinfra · basé sur Qwen3.8-27B	68.5 +6.3 vs Jev	meilleur : Outils & automatisation 81.9	104 ms 9.7 par seconde · cas lent 1159 ms	texte seul	5.7%	26.1 B 17 GB en 4 bits	Poids ouverts bientôt disponibles	—	Modèle affiné
9	Lychee-27B · basé sur Qwen3.8-27B	68.3 +6.1 vs Jev	meilleur : Outils & automatisation 80.8	97 ms 10 par seconde · cas lent 1158 ms	texte seul	10.8%	26.1 B 17 GB en 4 bits	Oui cc-by-nc-4.0	Non (non commercial)	Modèle affiné
10	Amos 1 Large (27B) · basé sur Qwen3.8-27B	67.5 +5.3 vs Jev	meilleur : Outils & automatisation 79.2	148 ms 6.8 par seconde · cas lent 1366 ms	Oui score vision 72.4 · 386 ms	3.2%	27.8 B 18 GB en 4 bits	Oui apache-2.0	Oui	Modèle affiné
11	Decider 31B (NVFP4) · basé sur gemma-4-31B-it	67.0 +4.8 vs Jev	meilleur : Outils & automatisation 84.2	72 ms 14 par seconde · cas lent 615 ms	texte seul	2.4%	32.7 B 21 GB en 4 bits	Oui apache-2.0	Oui	Modèle affiné
12	Matilda Decision v1 Maincode · basé sur Qwen3.8-27B	65.9 +3.7 vs Jev	meilleur : Outils & automatisation 84.6	92 ms 11 par seconde · cas lent 1150 ms	texte seul	8.6%	26.1 B 17 GB en 4 bits	Oui apache-2.0	Oui	Modèle affiné
13	Bobcat 1.3 (31B) · basé sur gemma-4-31B-it	65.6 +3.4 vs Jev	meilleur : Outils & automatisation 76.1	64 ms 16 par seconde · cas lent 767 ms	texte seul	10.2%	31.3 B 20 GB en 4 bits	Oui apache-2.0	Oui	Adaptateur LoRA
14	frontier-infra Jebadiah 27B v2.1 (t1e) Frontier Infra · basé sur Qwen3.8-27B	65.4 +3.2 vs Jev	meilleur : Outils & automatisation 79.3	303 ms 3.3 par seconde · cas lent 2950 ms	texte seul	5.6%	27.8 B 18 GB en 4 bits	Oui apache-2.0	Oui	Adaptateur LoRA
15	jev-brain · Gemma-4-31B · basé sur gemma-4-31B-it	65.3 +3.1 vs Jev	meilleur : Outils & automatisation 76.7	101 ms 10.0 par seconde · cas lent 819 ms	texte seul	13.3%	31.3 B 20 GB en 4 bits	Non	—	Technique appliquée à un modèle standard
16	Sieve 31B Sthānika AI · basé sur gemma-4-31B-it	65.2 +3.0 vs Jev	meilleur : Outils & automatisation 78.7	253 ms 4.0 par seconde · cas lent 2459 ms	texte seul	3.3%	31.3 B 20 GB en 4 bits	Oui apache-2.0	Oui	Adaptateur LoRA
17	OneJev1.6-27B OmniJev · basé sur Qwen3.8-27B	64.5 +2.3 vs Jev	meilleur : Outils & automatisation 85.5	112 ms 9.0 par seconde · cas lent 894 ms	texte seul	2.7%	27.4 B 18 GB en 4 bits	Oui apache-2.0	Oui	Modèle affiné
18	MORJ 1.0.1 (Gemma 4 31B) · basé sur gemma-4-31B-it	64.5 +2.3 vs Jev	meilleur : Outils & automatisation 77.5	202 ms 4.9 par seconde · cas lent 871 ms	texte seul	9.2%	31.3 B 20 GB en 4 bits	Non	—	Technique appliquée à un modèle standard
19	AnyJev L0 · Gemma-4-31B · basé sur gemma-4-31B-it	64.2 +2.0 vs Jev	meilleur : Outils & automatisation 76.4	98 ms 10 par seconde · cas lent 1080 ms	texte seul	24.0%	31.3 B 20 GB en 4 bits	Non	—	Technique appliquée à un modèle standard
20	Darwin-27B-ZTC FINAL_Bench · basé sur Darwin-27B-RSI	64.0 +1.8 vs Jev	meilleur : Outils & automatisation 86.7	104 ms 9.6 par seconde · cas lent 1157 ms	texte seul	4.5%	25.6 B 17 GB en 4 bits	Oui apache-2.0	Oui	Modèle affiné
21	deck31b (Gemma 4 31B) · basé sur gemma-4-31B-it	63.5 +1.3 vs Jev	meilleur : Outils & automatisation 75.6	219 ms 4.6 par seconde · cas lent 2027 ms	texte seul	20.4%	32.7 B 21 GB en 4 bits	Non	—	Technique appliquée à un modèle standard
22	decisio 0.6.0 (Gemma 4 31B) · basé sur gemma-4-31B-it	63.3 +1.1 vs Jev	meilleur : Outils & automatisation 75	54 ms 19 par seconde · cas lent 475 ms	texte seul	14.2%	31.3 B 20 GB en 4 bits	Non	—	Technique appliquée à un modèle standard
23	Fastino GLiDE no-thinking (28B) Fastino	63.2 +1.0 vs Jev	meilleur : Outils & automatisation 83.6	98 ms 10 par seconde	texte seul	4.0%	27.8 B 18 GB en 4 bits	Poids ouverts bientôt disponibles	—	Modèle affiné
24	Torchcast Decision 27B Torchcast AI · basé sur Qwen3.8-27B	63.1 +0.9 vs Jev	meilleur : Outils & automatisation 84.6	100 ms 10 par seconde · cas lent 1240 ms	texte seul	2.4%	27.8 B 18 GB en 4 bits	Oui cc-by-nc-4.0	Non (non commercial)	Adaptateur LoRA
25	elephant-1 (9B) baselabs · basé sur Qwen3.5-9B	62.6 +0.4 vs Jev	meilleur : Outils & automatisation 88	114 ms 8.8 par seconde · cas lent 253 ms	texte seul	5.8%	9.4 B 6.9 GB en 4 bits	Oui autre	Vérifier la licence	Modèle affiné
26	Cerno 27B · basé sur Qwen3.8-27B	62.6 +0.4 vs Jev	meilleur : Outils & automatisation 86.7	54 ms 19 par seconde · cas lent 418 ms	texte seul	7.2%	26.9 B 18 GB en 4 bits	Oui apache-2.0	Oui	Modèle affiné
27	KnowLine 35B-A3B Gen1 PelaAI · basé sur Qwen3.5-35B-A3B	62.3 +0.1 vs Jev	meilleur : Outils & automatisation 88.1	41 ms 24 par seconde · cas lent 147 ms	Oui score vision 68.1 · 159 ms	4.8%	36 B 23 GB en 4 bits	Oui apache-2.0	Oui	Adaptateur LoRA
28	Decider chat · Gemma-4-31B · basé sur gemma-4-31B	62.0 -0.2 vs Jev	meilleur : Outils & automatisation 75.6	109 ms 9.2 par seconde · cas lent 1115 ms	texte seul	4.7%	32.7 B 21 GB en 4 bits	Non	—	Technique appliquée à un modèle standard
29	Quyet-1.0-Large · basé sur gemma-4-31B-it	61.9 -0.3 vs Jev	meilleur : Outils & automatisation 72.5	105 ms 9.5 par seconde · cas lent 1589 ms	texte seul	7.8%	32.7 B 21 GB en 4 bits	Oui apache-2.0	Oui	Adaptateur LoRA
30	garum (Gemma 4 31B) · basé sur gemma-4-31B-it	61.7 -0.5 vs Jev	meilleur : Outils & automatisation 75	119 ms 8.4 par seconde · cas lent 1705 ms	texte seul	5.1%	31.3 B 20 GB en 4 bits	Oui apache-2.0	Oui	Adaptateur LoRA
31	Qwen Decision 27B noncausal LoRA · basé sur Qwen3.8-27B	61.6 -0.6 vs Jev	meilleur : Outils & automatisation 80.2	127 ms 7.9 par seconde · cas lent 1538 ms	texte seul	5.1%	27.8 B 18 GB en 4 bits	Oui apache-2.0	Oui	LoRA + tête de décision
32	Sieve 27B v2 Sthānika AI · basé sur Qwen3.8-27B	61.5 -0.8 vs Jev	meilleur : Outils & automatisation 85.8	106 ms 9.4 par seconde · cas lent 602 ms	texte seul	5.3%	27.8 B 18 GB en 4 bits	Oui apache-2.0	Oui	LoRA + tête de décision
33	Jev 1.13	61.3 -1.0 vs Jev	meilleur : Outils & automatisation 75.1	524 ms 1.9 par seconde · cas lent 536 ms	texte seul	7.8%	—	Non	—	API hébergée
34	mogan-decision-31B-it Mogan AI · basé sur gemma-4-31B-it	61.1 -1.2 vs Jev	meilleur : Outils & automatisation 79.7	109 ms 9.2 par seconde · cas lent 1690 ms	texte seul	5.4%	31.3 B 20 GB en 4 bits	Oui cc-by-nc-4.0	Non (non commercial)	Adaptateur LoRA
35	RSI-Jev v6.1 VL 27B (effort auto) · basé sur Qwen3.8-27B	60.9 -1.3 vs Jev	meilleur : Outils & automatisation 81.2	76 ms 13 par seconde · cas lent 565 ms	Oui score vision 64 · 200 ms	7.7%	27.8 B 18 GB en 4 bits	Oui apache-2.0	Oui	Adaptateur LoRA
36	Kev 27B · basé sur Qwen3.8-27B	60.8 -1.4 vs Jev	meilleur : Outils & automatisation 72.7	135 ms 7.4 par seconde	texte seul	2.2%	27.8 B 18 GB en 4 bits	Oui apache-2.0	Oui	Modèle affiné
37	Eikos-27B · basé sur Qwen3.8-27B	60.4 -1.9 vs Jev	meilleur : Outils & automatisation 74.4	130 ms 7.7 par seconde · cas lent 510 ms	texte seul	5.7%	27.8 B 18 GB en 4 bits	Oui mit	Oui	Adaptateur LoRA
38	linne-fern 1.0 (27B) MISA-AICORE · basé sur Qwen3.8-27B	60.3 -1.9 vs Jev	meilleur : Outils & automatisation 79	108 ms 9.3 par seconde · cas lent 1043 ms	texte seul	7.9%	27.8 B 18 GB en 4 bits	Oui apache-2.0	Oui	Modèle affiné
39	span-02 (Gemma 4 26B-A4B) · basé sur gemma-4-26B-A4B-it	60.2 -2.0 vs Jev	meilleur : Outils & automatisation 83.9	33 ms 30 par seconde · cas lent 822 ms	Oui score vision 65.8 · 265 ms	11.4%	25.8 B 17 GB en 4 bits	Oui apache-2.0	Oui	Modèle affiné
40	vLLM-SR Decision 2.0 Vega 27B vLLM Semantic Router · basé sur Qwen3.8-27B	60.2 -2.0 vs Jev	meilleur : Outils & automatisation 73.5	120 ms 8.4 par seconde	texte seul	8.6%	27.8 B 18 GB en 4 bits	Oui apache-2.0	Oui	LoRA + tête de décision
41	garas (Gemma 4 31B) · basé sur gemma-4-31B-it	60.1 -2.1 vs Jev	meilleur : Outils & automatisation 73.8	117 ms 8.5 par seconde · cas lent 1858 ms	texte seul	4.9%	31.3 B 20 GB en 4 bits	Oui apache-2.0	Oui	Adaptateur LoRA
42	Xor 26B-A4B v1.2 Juspay Technologies · basé sur gemma-4-26B-A4B-it	60.0 -2.2 vs Jev	meilleur : Outils & automatisation 72.2	110 ms 9.1 par seconde · cas lent 480 ms	texte seul	6.8%	25.8 B 17 GB en 4 bits	Oui apache-2.0	Oui	Adaptateur LoRA
43	StartLux-Decision v1.1 9B StartLux · basé sur Qwen3.5-9B	59.5 -2.8 vs Jev	meilleur : Outils & automatisation 88.2	39 ms 26 par seconde · cas lent 261 ms	texte seul	4.6%	9.7 B 7.1 GB en 4 bits	Oui cc-by-nc-4.0	Non (non commercial)	Modèle affiné
44	JEV-35B AutoTrust AI Lab · basé sur Qwen3.5-35B-A3B	59.0 -3.3 vs Jev	meilleur : Outils & automatisation 76.4	51 ms 20 par seconde · cas lent 258 ms	texte seul	8.5%	36 B 23 GB en 4 bits	Oui apache-2.0	Oui	LoRA + tête de décision
45	reflex Qwen3.8-27B-FP8 (pmscr) · basé sur Qwen3.8-27B-FP8	58.9 -3.3 vs Jev	meilleur : Outils & automatisation 77.2	149 ms 6.7 par seconde · cas lent 1251 ms	texte seul	4.5%	27.8 B 18 GB en 4 bits	Non	—	Technique appliquée à un modèle standard
46	JEV-27B AutoTrust AI Lab · basé sur Qwen3.8-27B	58.5 -3.7 vs Jev	meilleur : Outils & automatisation 73.5	102 ms 9.8 par seconde	texte seul	7.6%	27.8 B 18 GB en 4 bits	Oui apache-2.0	Oui	Modèle affiné
47	Shisa DE-2 (repeat) Shisa.AI · basé sur gemma-4-26B-A4B-it	58.1 -4.1 vs Jev	meilleur : Outils & automatisation 72.2	57 ms 18 par seconde · cas lent 519 ms	Oui score vision 52.9 · 84 ms	20.7%	25.8 B 17 GB en 4 bits	Oui apache-2.0	Oui	Adaptateur LoRA
48	JADE · basé sur Qwen3.8-27B	57.9 -4.3 vs Jev	meilleur : Outils & automatisation 73.2	133 ms 7.5 par seconde	texte seul	23.8%	27.8 B 18 GB en 4 bits	Oui apache-2.0	Oui	Adaptateur LoRA
49	Surogate Rune 26B-A4B v3 Surogate · basé sur gemma-4-26B-A4B-it	56.6 -5.6 vs Jev	meilleur : Outils & automatisation 71.2	121 ms 8.3 par seconde · cas lent 683 ms	Oui score vision 58.6 · 143 ms	12.0%	25.8 B 17 GB en 4 bits	Oui apache-2.0	Oui	Modèle affiné
50	SynACK Decide 26B-A4B v7 · basé sur gemma-4-26B-A4B-it	56.5 -5.7 vs Jev	meilleur : Outils & automatisation 79.1	129 ms 7.7 par seconde · cas lent 364 ms	texte seul	6.9%	25.8 B 17 GB en 4 bits	Oui apache-2.0	Oui	Adaptateur LoRA
51	simple-jev · Qwen3.8-27B (featherless) · basé sur Qwen3.8-27B	56.5 -5.7 vs Jev	meilleur : Outils & automatisation 76.2	373 ms 2.7 par seconde · cas lent 2797 ms	texte seul	11.3%	27.8 B 18 GB en 4 bits	Non	—	Technique appliquée à un modèle standard
52	StartLux-Decision v1.1 4B StartLux · basé sur Qwen3.5-4B	56.4 -5.9 vs Jev	meilleur : Outils & automatisation 86.4	38 ms 26 par seconde · cas lent 166 ms	texte seul	5.2%	4.7 B 4.0 GB en 4 bits	Oui cc-by-nc-4.0	Non (non commercial)	Modèle affiné
53	vLLM-SR d3-flash (9B) vLLM Semantic Router · basé sur Qwen3.5-9B	56.2 -6.0 vs Jev	meilleur : Outils & automatisation 76	54 ms 19 par seconde · cas lent 353 ms	Oui score vision 66.9 · 150 ms	5.6%	8.4 B 6.3 GB en 4 bits	Oui apache-2.0	Oui	Modèle affiné
54	Wald-26B-A4B ORG2 AI · basé sur gemma-4-26B-A4B-it	56.0 -6.2 vs Jev	meilleur : Outils & automatisation 83.3	90 ms 11 par seconde · cas lent 340 ms	texte seul	4.3%	25.8 B 17 GB en 4 bits	Oui apache-2.0	Oui	Modèle affiné
55	Blink v0.3 26B-A4B (NVFP4) Pixilab.ai · basé sur gemma-4-26B-A4B-it	55.9 -6.3 vs Jev	meilleur : Outils & automatisation 70	25 ms 40 par seconde	texte seul	4.0%	25.8 B 17 GB en 4 bits	Oui apache-2.0	Oui	Modèle affiné
56	AJev lora1 (Gemma 4 26B-A4B) · basé sur gemma-4-26B-A4B-it	55.8 -6.4 vs Jev	meilleur : Outils & automatisation 73.2	89 ms 11 par seconde · cas lent 247 ms	texte seul	4.8%	25.8 B 17 GB en 4 bits	Oui apache-2.0	Oui	Adaptateur LoRA
57	Cloudflare clef Cloudflare · basé sur Qwen3.8-27B	55.7 -6.5 vs Jev	meilleur : Outils & automatisation 80.7	102 ms 9.8 par seconde	texte seul	4.0%	27.8 B 18 GB en 4 bits	Oui apache-2.0	Oui	Modèle affiné
58	Perplexity Decider Flash v1.2 (4B) Perplexity · basé sur Qwen3.5-4B	55.4 -6.8 vs Jev	meilleur : Outils & automatisation 81	75 ms 13 par seconde · cas lent 381 ms	Oui score vision 66 · 174 ms	5.2%	4.5 B 3.9 GB en 4 bits	Oui apache-2.0	Oui	Modèle affiné
59	Decider chat · Qwen3.6-27B · basé sur Qwen3.6-27B	55.4 -6.9 vs Jev	meilleur : Outils & automatisation 71.4	84 ms 12 par seconde · cas lent 966 ms	texte seul	2.1%	27.8 B 18 GB en 4 bits	Non	—	Technique appliquée à un modèle standard
60	JPT-35B-A3B · basé sur Qwen3.5-35B-A3B	54.9 -7.4 vs Jev	meilleur : Outils & automatisation 69.2	250 ms 4.0 par seconde · cas lent 795 ms	texte seul	4.9%	36 B estim. 23 GB en 4 bits	Oui cc-by-nc-4.0	Non (non commercial)	Adaptateur LoRA
61	Nace.AI Drex v2.0 (35B-A3B) Nace.AI · basé sur Qwen3.6-35B-A3B	54.6 -7.6 vs Jev	meilleur : Outils & automatisation 76.5	276 ms 3.6 par seconde · cas lent 529 ms	texte seul	1.8%	35.1 B 22 GB en 4 bits	Oui autre	Vérifier la licence	Modèle affiné
62	Xor 1.2 Juspay Technologies · basé sur Qwen3.6-35B-A3B	54.5 -7.7 vs Jev	meilleur : Outils & automatisation 71.2	150 ms 6.7 par seconde	Oui score vision 64.2 · 242 ms	2.4%	36 B 23 GB en 4 bits	Oui apache-2.0	Oui	Adaptateur LoRA
63	OneJev1.6-9B OmniJev · basé sur Qwen3.5-9B	54.0 -8.3 vs Jev	meilleur : Outils & automatisation 83	42 ms 24 par seconde · cas lent 305 ms	texte seul	2.2%	9.4 B 6.9 GB en 4 bits	Oui apache-2.0	Oui	Modèle affiné
64	GEV-26B-Decide AutoTrust AI Lab · basé sur gemma-4-26B-A4B-it	53.5 -8.7 vs Jev	meilleur : Outils & automatisation 69.7	129 ms 7.8 par seconde	texte seul	7.2%	25.8 B 17 GB en 4 bits	Oui apache-2.0	Oui	Adaptateur LoRA
65	Bespoke Nimble 9B v3 Bespoke Labs · basé sur Qwen3.5-9B	52.6 -9.6 vs Jev	meilleur : Outils & automatisation 84.2	74 ms 14 par seconde	texte seul	12.3%	9.7 B 7.1 GB en 4 bits	Oui cc-by-nc-4.0	Non (non commercial)	Adaptateur LoRA
66	vLLM-SR d3-mini (4B) vLLM Semantic Router · basé sur Qwen3.5-4B	51.3 -11.0 vs Jev	meilleur : Outils & automatisation 72	50 ms 20 par seconde · cas lent 237 ms	Oui score vision 63.2 · 118 ms	5.6%	4.5 B 3.9 GB en 4 bits	Oui apache-2.0	Oui	Modèle affiné
67	decisio 0.4.0 (Qwen3.6-35B-A3B) · basé sur Qwen3.6-35B-A3B	50.9 -11.4 vs Jev	meilleur : Outils & automatisation 68.4	71 ms 14 par seconde · cas lent 261 ms	texte seul	5.5%	36 B 23 GB en 4 bits	Non	—	Technique appliquée à un modèle standard
68	frontier-infra Jebadiah 9B v2.1 (t1e) Frontier Infra · basé sur Qwen3.5-9B	50.5 -11.7 vs Jev	meilleur : Outils & automatisation 70.4	125 ms 8.0 par seconde · cas lent 968 ms	texte seul	5.5%	9.7 B 7.1 GB en 4 bits	Oui apache-2.0	Oui	Adaptateur LoRA
69	OneJev1.6-4B OmniJev · basé sur Qwen3.5-4B	49.5 -12.7 vs Jev	meilleur : Outils & automatisation 81.5	27 ms 37 par seconde · cas lent 201 ms	texte seul	2.5%	4.5 B 3.9 GB en 4 bits	Oui apache-2.0	Oui	Modèle affiné
70	Verdin-4B · basé sur Qwen3.5-4B	49.3 -12.9 vs Jev	meilleur : Outils & automatisation 85.6	100 ms 10 par seconde · cas lent 190 ms	texte seul	3.5%	4.2 B 3.7 GB en 4 bits	Oui cc-by-nc-4.0	Non (non commercial)	Modèle affiné
71	AJev lora7 (Gemma 4 12B) · basé sur gemma-4-12B-it	49.1 -13.1 vs Jev	meilleur : Outils & automatisation 68.4	69 ms 14 par seconde · cas lent 453 ms	texte seul	8.2%	12 B 8.5 GB en 4 bits	Oui apache-2.0	Oui	Adaptateur LoRA
72	JoshuaSP diffusiongemma (open-jev) · basé sur diffusiongemma-26B-A4B-it	49.1 -13.1 vs Jev	meilleur : Outils & automatisation 70.2	260 ms 3.8 par seconde · cas lent 537 ms	texte seul	21.6%	25.8 B 17 GB en 4 bits	Non	—	Technique appliquée à un modèle standard
73	Sieve 9B v2 Sthānika AI · basé sur Qwen3.5-9B	48.2 -14.0 vs Jev	meilleur : Outils & automatisation 69.8	51 ms 20 par seconde · cas lent 191 ms	texte seul	7.3%	9.7 B 7.1 GB en 4 bits	Oui apache-2.0	Oui	LoRA + tête de décision
74	PurpleMIST-Flash-1.0 Olaverse Lab · basé sur Qwen3.5-9B-Base	48.1 -14.1 vs Jev	meilleur : Outils & automatisation 65.1	53 ms 19 par seconde · cas lent 164 ms	texte seul	3.2%	7.9 B 6.0 GB en 4 bits	Oui apache-2.0	Oui	LoRA + tête de décision
75	decisio 0.4.0 (Gemma 4 12B) · basé sur gemma-4-12B-it	47.9 -14.3 vs Jev	meilleur : Outils & automatisation 71.6	38 ms 26 par seconde · cas lent 276 ms	texte seul	10.3%	12 B 8.5 GB en 4 bits	Non	—	Technique appliquée à un modèle standard
76	Cerno 9B · basé sur Qwen3.5-9B-Base	47.8 -14.4 vs Jev	meilleur : Outils & automatisation 78.3	26 ms 38 par seconde · cas lent 170 ms	texte seul	4.0%	9 B 6.7 GB en 4 bits	Oui apache-2.0	Oui	Modèle affiné
77	Decider 35B-A3B · basé sur Qwen3.5-35B-A3B-Base	47.2 -15.0 vs Jev	meilleur : Outils & automatisation 56.5	101 ms 9.9 par seconde · cas lent 211 ms	texte seul	2.3%	36 B 23 GB en 4 bits	Oui apache-2.0	Oui	Modèle affiné
78	vLLM-SR Decision 2.0 Lux 9B vLLM Semantic Router · basé sur Qwen3.5-9B	47.1 -15.1 vs Jev	meilleur : Outils & automatisation 60.4	37 ms 27 par seconde	texte seul	5.6%	9.7 B 7.1 GB en 4 bits	Oui apache-2.0	Oui	Modèle affiné
79	Winnow-12B · basé sur gemma-4-12B	47.1 -15.1 vs Jev	meilleur : Outils & automatisation 71	73 ms 14 par seconde · cas lent 356 ms	Oui score vision 58.8 · 568 ms	16.8%	12 B 8.5 GB en 4 bits	Oui apache-2.0	Oui	Adaptateur LoRA
80	CoCo-Decision-4B 2.4 Corners · basé sur Qwen3.5-4B	47.0 -15.2 vs Jev	meilleur : Outils & automatisation 77.3	62 ms 16 par seconde · cas lent 398 ms	texte seul	11.4%	4.2 B 3.7 GB en 4 bits	Oui apache-2.0	Oui	LoRA + tête de décision
81	Cloudflare clef-omni (30B-A3B) Cloudflare · basé sur Qwen3-Omni-30B-A3B-Instruct	46.5 -15.7 vs Jev	meilleur : Outils & automatisation 72.6	191 ms 5.2 par seconde · cas lent 282 ms	Oui score vision 59.5 · 281 ms	4.0%	31.8 B 20 GB en 4 bits	Oui apache-2.0	Oui	Modèle affiné
82	Jegue 0.1 (9B) · basé sur Qwen3.5-9B	46.2 -16.1 vs Jev	meilleur : Outils & automatisation 72.3	46 ms 22 par seconde · cas lent 399 ms	texte seul	11.6%	9.7 B 7.1 GB en 4 bits	Oui apache-2.0	Oui	LoRA + tête de décision
83	JevK5 9B v0.3.3 · basé sur Qwen3.5-9B	46.1 -16.1 vs Jev	meilleur : Outils & automatisation 64.1	40 ms 25 par seconde	texte seul	6.0%	9.7 B 7.1 GB en 4 bits	Oui apache-2.0	Oui	Adaptateur LoRA
84	Nace.AI Drex v1.5 Nace.AI · basé sur MiMo-V2.6-Distill-Qwen-9B	45.4 -16.9 vs Jev	meilleur : Outils & automatisation 75	54 ms 19 par seconde · cas lent 342 ms	texte seul	9.0%	8.9 B 6.6 GB en 4 bits	Oui autre	Vérifier la licence	Modèle affiné
85	Standard One 8B SH (v4) Standard Thinking · basé sur StandardOne-8B	45.3 -17.0 vs Jev	meilleur : Outils & automatisation 84	90 ms 11 par seconde · cas lent 220 ms	texte seul	10.7%	8.9 B 6.6 GB en 4 bits	Oui apache-2.0	Oui	LoRA + tête de décision
86	Hopper 12B (trained) HopitAI · basé sur gemma-4-12B-it	45.1 -17.1 vs Jev	meilleur : Outils & automatisation 66.3	290 ms 3.5 par seconde · cas lent 3910 ms	texte seul	7.6%	12 B 8.5 GB en 4 bits	Oui autre	Vérifier la licence	Adaptateur LoRA
87	ezjev 4B s2 · basé sur Qwen3.5-4B	44.6 -17.6 vs Jev	meilleur : Outils & automatisation 69.9	36 ms 28 par seconde · cas lent 192 ms	texte seul	6.3%	4.7 B 4.0 GB en 4 bits	Oui autre	Vérifier la licence	Adaptateur LoRA
88	RSI-Jev v6.1 VL 4B · basé sur Qwen3.5-4B-Base	44.4 -17.8 vs Jev	meilleur : Outils & automatisation 68.4	58 ms 17 par seconde · cas lent 158 ms	Oui score vision 57.4 · 86 ms	4.9%	4.7 B 4.0 GB en 4 bits	Oui apache-2.0	Oui	Modèle affiné
89	jiwo 4B v2 · basé sur Qwen3.5-4B	44.3 -17.9 vs Jev	meilleur : Outils & automatisation 63.1	50 ms 20 par seconde · cas lent 258 ms	texte seul	6.8%	4.2 B 3.7 GB en 4 bits	Oui apache-2.0	Oui	Modèle affiné
90	JPT-9B · basé sur Qwen3.5-9B-Base	44.2 -18.0 vs Jev	meilleur : Outils & automatisation 67	149 ms 6.7 par seconde · cas lent 462 ms	Oui score vision 61.7 · 301 ms	7.7%	9.7 B 7.1 GB en 4 bits	Oui cc-by-nc-4.0	Non (non commercial)	Adaptateur LoRA
91	Jevfire · basé sur Qwen3.8-27B	44.2 -18.0 vs Jev	meilleur : Outils & automatisation 72.3	90 ms 11 par seconde · cas lent 448 ms	texte seul	5.2%	27.8 B 18 GB en 4 bits	Non	—	Technique appliquée à un modèle standard
92	Cloudflare clef-flash Cloudflare · basé sur Qwen3.5-9B	43.9 -18.4 vs Jev	meilleur : Outils & automatisation 81.9	53 ms 19 par seconde	texte seul	2.5%	9.7 B 7.1 GB en 4 bits	Oui apache-2.0	Oui	Modèle affiné
93	Jev-Omni · basé sur gemma-4-12B	43.5 -18.7 vs Jev	meilleur : Outils & automatisation 60.8	55 ms 18 par seconde · cas lent 628 ms	Oui score vision 56.1 · 269 ms	16.1%	12 B 8.5 GB en 4 bits	Oui apache-2.0	Oui	LoRA + tête de décision
94	Solomon v1.1 Doccy Health · basé sur Qwen3.8-27B	43.3 -18.9 vs Jev	meilleur : Compréhension du langage 56.7	224 ms 4.5 par seconde · cas lent 1177 ms	Oui score vision 66.8 · 562 ms	8.1%	27.8 B 18 GB en 4 bits	Oui apache-2.0	Oui	Tête de décision
95	JEV-9B AutoTrust AI Lab · basé sur Qwen3.5-9B	43.3 -18.9 vs Jev	meilleur : Outils & automatisation 62.1	50 ms 20 par seconde	texte seul	7.3%	9.7 B 7.1 GB en 4 bits	Oui apache-2.0	Oui	Modèle affiné
96	Cerno 4B · basé sur Qwen3.5-4B-Base	43.2 -19.0 vs Jev	meilleur : Outils & automatisation 81.2	26 ms 39 par seconde · cas lent 141 ms	texte seul	6.2%	4.2 B 3.7 GB en 4 bits	Oui apache-2.0	Oui	Modèle affiné
97	Kev 9B v2 · basé sur Qwen3.5-9B-Base	42.9 -19.3 vs Jev	meilleur : Outils & automatisation 56.9	60 ms 17 par seconde	texte seul	4.5%	9.7 B 7.1 GB en 4 bits	Oui apache-2.0	Oui	LoRA + tête de décision
98	Sieve 9B Sthānika AI · basé sur Qwen3.5-9B	42.5 -19.7 vs Jev	meilleur : Outils & automatisation 61.3	50 ms 20 par seconde	texte seul	4.3%	9.7 B 7.1 GB en 4 bits	Oui apache-2.0	Oui	LoRA + tête de décision
99	Bespoke Nimble 9B v2 Bespoke Labs · basé sur Qwen3.5-9B-Base	42.5 -19.7 vs Jev	meilleur : Outils & automatisation 59.2	77 ms 13 par seconde · cas lent 621 ms	texte seul	2.4%	9.7 B 7.1 GB en 4 bits	Oui apache-2.0	Oui	Adaptateur LoRA
100	vLLM-SR Decision 2.0 Nox 4B vLLM Semantic Router · basé sur Qwen3.5-4B-Base	42.5 -19.7 vs Jev	meilleur : Outils & automatisation 60.1	34 ms 30 par seconde	texte seul	3.0%	4.2 B 3.7 GB en 4 bits	Oui apache-2.0	Oui	LoRA + tête de décision
101	Sieve 4B Sthānika AI · basé sur Qwen3.5-4B	42.4 -19.8 vs Jev	meilleur : Outils & automatisation 66.8	93 ms 11 par seconde · cas lent 157 ms	texte seul	3.1%	4.7 B 4.0 GB en 4 bits	Oui apache-2.0	Oui	LoRA + tête de décision
102	Nari Decision 4B v3.2 blackmallangcow · basé sur Qwen3.5-4B	41.4 -20.8 vs Jev	meilleur : Outils & automatisation 62.1	23 ms 43 par seconde · cas lent 125 ms	texte seul	6.9%	4.2 B 3.7 GB en 4 bits	Oui apache-2.0	Oui	Modèle affiné
103	Aplomb 1 EmpirioLabs AI · basé sur Qwen3.5-4B	41.0 -21.2 vs Jev	meilleur : Outils & automatisation 61.6	54 ms 19 par seconde · cas lent 582 ms	Oui score vision 57.3 · 130 ms	7.5%	5.3 B 4.4 GB en 4 bits	Oui autre	Vérifier la licence	LoRA + tête de décision
104	FlyMy.AI Decision 4B v1.6 FlyMy.AI · basé sur Qwen3.5-4B	40.2 -22.0 vs Jev	meilleur : Outils & automatisation 59.8	27 ms 37 par seconde · cas lent 269 ms	texte seul	4.6%	4.7 B 4.0 GB en 4 bits	Oui apache-2.0	Oui	Adaptateur LoRA
105	StartLux-Decision v1.1 2B StartLux · basé sur Qwen3.5-2B	40.1 -22.1 vs Jev	meilleur : Outils & automatisation 79	30 ms 33 par seconde · cas lent 88 ms	texte seul	3.5%	2.3 B 2.6 GB en 4 bits	Oui cc-by-nc-4.0	Non (non commercial)	Modèle affiné
106	JPT-4B · basé sur Qwen3.5-4B-Base	39.8 -22.4 vs Jev	meilleur : Outils & automatisation 57.2	139 ms 7.2 par seconde · cas lent 406 ms	Oui score vision 59 · 178 ms	7.9%	4.7 B 4.0 GB en 4 bits	Oui cc-by-nc-4.0	Non (non commercial)	Adaptateur LoRA
107	djev · basé sur diffusiongemma-26B-A4B-it	39.2 -23.0 vs Jev	meilleur : Outils & automatisation 51.7	84 ms 12 par seconde · cas lent 211 ms	Oui score vision 47.8 · 154 ms	21.2%	25.8 B 17 GB en 4 bits	Non	—	Technique appliquée à un modèle standard
108	Hopper (G) 1.2 HopitAI · basé sur Qwen3.5-4B-Base	39.1 -23.1 vs Jev	meilleur : Outils & automatisation 60.1	23 ms 43 par seconde · cas lent 238 ms	texte seul	9.3%	4.7 B 4.0 GB en 4 bits	Oui autre	Vérifier la licence	Adaptateur LoRA
109	razorback16 openjev diffusiongemma (NVFP4, vLLM) · basé sur diffusiongemma-26B-A4B-it	38.8 -23.4 vs Jev	meilleur : Outils & automatisation 47.2	38 ms 27 par seconde · cas lent 118 ms	Oui score vision 47.7 · 255 ms	23.2%	25.8 B 17 GB en 4 bits	Non	—	Technique appliquée à un modèle standard
110	Valen-4B Valen · basé sur Qwen3.5-4B	38.6 -23.6 vs Jev	meilleur : Outils & automatisation 52	167 ms 6.0 par seconde · cas lent 452 ms	texte seul	10.8%	4.5 B 3.9 GB en 4 bits	Oui apache-2.0	Oui	Modèle affiné
111	RSI-Jev v5.0 VL 3B · basé sur Qwen3.5-4B-Base	37.8 -24.4 vs Jev	meilleur : Outils & automatisation 52.8	19 ms 53 par seconde · cas lent 79 ms	Oui score vision 57.3 · 144 ms	4.8%	4.7 B 4.0 GB en 4 bits	Oui apache-2.0	Oui	Modèle affiné
112	Intern-Decision-4B Intern Large Models · basé sur Qwen3.5-4B-Base	37.6 -24.7 vs Jev	meilleur : Outils & automatisation 55.7	44 ms 23 par seconde · cas lent 115 ms	Oui score vision 56.5 · 142 ms	2.8%	4.7 B 4.0 GB en 4 bits	Oui apache-2.0	Oui	Modèle affiné
113	JevK5 v0.3 · basé sur Qwen3.5-4B	37.3 -24.9 vs Jev	meilleur : Outils & automatisation 56.9	26 ms 38 par seconde	texte seul	6.0%	4.7 B 4.0 GB en 4 bits	Oui apache-2.0	Oui	Adaptateur LoRA
114	NeoHorse-Jev-4B TokenRhythm · basé sur Qwen3.5-4B-Base	36.8 -25.5 vs Jev	meilleur : Outils & automatisation 58.9	49 ms 20 par seconde · cas lent 274 ms	Oui score vision 51.1 · 104 ms	10.4%	4.7 B 4.0 GB en 4 bits	Oui apache-2.0	Oui	Tête de décision
115	lev Interfaze · basé sur Qwen3.5-4B-Base	36.5 -25.7 vs Jev	meilleur : Outils & automatisation 57.5	71 ms 14 par seconde · cas lent 688 ms	texte seul	6.4%	4.7 B 4.0 GB en 4 bits	Oui apache-2.0	Oui	LoRA + tête de décision
116	Decider 4B · basé sur Qwen3.5-4B-Base	36.2 -26.1 vs Jev	meilleur : Outils & automatisation 58.6	13 ms 79 par seconde · cas lent 189 ms	texte seul	8.4%	4.7 B 4.0 GB en 4 bits	Oui apache-2.0	Oui	Modèle affiné
117	Kev 4B r10 · basé sur Qwen3.5-4B-Base	35.7 -26.5 vs Jev	meilleur : Outils & automatisation 55	59 ms 17 par seconde	texte seul	3.2%	4.7 B 4.0 GB en 4 bits	Oui apache-2.0	Oui	LoRA + tête de décision
118	Lev1 3.7B · basé sur K2-Horizon-3.7B	35.7 -26.6 vs Jev	meilleur : Outils & automatisation 68.8	29 ms 35 par seconde · cas lent 170 ms	texte seul	5.8%	3.7 B estim. 3.4 GB en 4 bits	Oui apache-2.0	Oui	Adaptateur LoRA
119	Sieve 2B v3 Sthānika AI · basé sur Qwen3.5-2B	35.6 -26.6 vs Jev	meilleur : Outils & automatisation 80.5	43 ms 23 par seconde · cas lent 98 ms	texte seul	7.2%	2.3 B 2.6 GB en 4 bits	Oui apache-2.0	Oui	Adaptateur LoRA
120	mmastrac diffusiongemma (vLLM PR 57250) · basé sur diffusiongemma-26B-A4B-it	35.5 -26.8 vs Jev	meilleur : Compréhension du langage 46.5	127 ms 7.9 par seconde · cas lent 275 ms	Oui score vision 46.3 · 457 ms	20.2%	25.8 B 17 GB en 4 bits	Non	—	Technique appliquée à un modèle standard
121	Jevstral 8B · basé sur Ministral-3-8B-Base-2512	35.4 -26.8 vs Jev	meilleur : Outils & automatisation 52.9	28 ms 35 par seconde · cas lent 185 ms	texte seul	4.7%	8 B estim. 6.0 GB en 4 bits	Oui apache-2.0	Oui	Adaptateur LoRA
122	Standard One 3B SH (v2) Standard Thinking · basé sur StandardOne-3B	35.2 -27.0 vs Jev	meilleur : Outils & automatisation 60.3	76 ms 13 par seconde · cas lent 140 ms	texte seul	10.1%	3.8 B 3.5 GB en 4 bits	Oui apache-2.0	Oui	LoRA + tête de décision
123	Kas 4B · basé sur Qwen3-4B	35.2 -27.0 vs Jev	meilleur : Outils & automatisation 48.9	69 ms 14 par seconde · cas lent 1242 ms	texte seul	9.8%	4 B 3.6 GB en 4 bits	Oui apache-2.0	Oui	Adaptateur LoRA
124	Saracura PT-BR 4B Felhen · basé sur Qwen3.5-4B-Base	34.8 -27.4 vs Jev	meilleur : Outils & automatisation 53.9	62 ms 16 par seconde · cas lent 242 ms	texte seul	17.9%	4.7 B 4.0 GB en 4 bits	Oui apache-2.0	Oui	LoRA + tête de décision
125	vLLM-SR d3-nano (2B) vLLM Semantic Router · basé sur Qwen3.5-2B	34.5 -27.7 vs Jev	meilleur : Outils & automatisation 58.9	38 ms 26 par seconde · cas lent 101 ms	Oui score vision 54.7 · 93 ms	11.2%	2.2 B 2.5 GB en 4 bits	Oui apache-2.0	Oui	Modèle affiné
126	Tev1-4B-experimental Together · basé sur Qwen3.5-4B-Base	33.6 -28.6 vs Jev	meilleur : Outils & automatisation 41.8	36 ms 28 par seconde · cas lent 166 ms	texte seul	10.4%	4.7 B 4.0 GB en 4 bits	Oui	—	Modèle affiné
127	Winnow-E4B · basé sur gemma-4-E4B	33.5 -28.7 vs Jev	meilleur : Outils & automatisation 62.5	45 ms 22 par seconde · cas lent 188 ms	Oui score vision 42.1 · 153 ms	5.8%	8 B 6.0 GB en 4 bits	Oui apache-2.0	Oui	Adaptateur LoRA
128	Cam1 · basé sur Qwen3.5-4B	33.5 -28.7 vs Jev	meilleur : Outils & automatisation 46.3	249 ms 4.0 par seconde · cas lent 906 ms	texte seul	6.3%	4.7 B 4.0 GB en 4 bits	Oui apache-2.0	Oui	LoRA + tête de décision
129	Aurelis-2B Leptos Labs · basé sur MiniCPM5-2B	33.3 -29.0 vs Jev	meilleur : Outils & automatisation 79.5	74 ms 13 par seconde · cas lent 502 ms	texte seul	6.5%	2.5 B 2.7 GB en 4 bits	Oui apache-2.0	Oui	Modèle affiné
130	vera-core-2 · basé sur Qwen3.5-2B	32.5 -29.7 vs Jev	meilleur : Outils & automatisation 61.5	90 ms 11 par seconde · cas lent 170 ms	texte seul	4.6%	1.9 B 2.4 GB en 4 bits	Oui apache-2.0	Oui	Modèle affiné
131	Ryotide Qwen v0.3.1 · basé sur Qwen3.5-4B	32.5 -29.8 vs Jev	meilleur : Outils & automatisation 55.1	81 ms 12 par seconde	texte seul	9.2%	4 B 3.6 GB en 4 bits	Non	—	Technique appliquée à un modèle standard
132	LatentMesh Blitz 2B v1 LatentMesh Labs · basé sur Qwen3.5-2B	32.4 -29.8 vs Jev	meilleur : Outils & automatisation 66.5	52 ms 19 par seconde · cas lent 168 ms	texte seul	13.7%	2.3 B 2.6 GB en 4 bits	Oui autre	Vérifier la licence	Adaptateur LoRA
133	LiquidAI d1-3B Liquid AI · basé sur LFM2.5-VL-3B	32.2 -30.0 vs Jev	meilleur : Outils & automatisation 74.5	16 ms 62 par seconde · cas lent 56 ms	texte seul	4.7%	3.1 B 3.1 GB en 4 bits	Oui autre	Vérifier la licence	Modèle affiné
134	Jobe · basé sur Qwen3.5-4B-Base	31.9 -30.3 vs Jev	meilleur : Outils & automatisation 48.8	54 ms 19 par seconde · cas lent 2910 ms	texte seul	12.3%	4.7 B 4.0 GB en 4 bits	Non	—	Technique appliquée à un modèle standard
135	Metask-Jev-4B Metask-AI-Lab · basé sur Qwen3.5-4B-Base	30.9 -31.3 vs Jev	meilleur : Compréhension du langage 40.1	57 ms 17 par seconde · cas lent 369 ms	texte seul	10.3%	4.7 B 4.0 GB en 4 bits	Oui apache-2.0	Oui	Adaptateur LoRA
136	Intelif Qwen3-4B · basé sur Qwen3-4B	30.8 -31.5 vs Jev	meilleur : Outils & automatisation 51	23 ms 44 par seconde	texte seul	7.1%	4 B 3.6 GB en 4 bits	Oui cc-by-nc-4.0	Non (non commercial)	LoRA + tête de décision
137	openvons · basé sur Qwen3-4B-Instruct-2507	30.3 -31.9 vs Jev	meilleur : Outils & automatisation 44.6	21 ms 47 par seconde · cas lent 113 ms	texte seul	37.1%	4 B 3.6 GB en 4 bits	Non	—	Technique appliquée à un modèle standard
138	open-jev (pngwn) · basé sur Qwen3.5-4B-Base	30.3 -31.9 vs Jev	meilleur : Outils & automatisation 45.7	112 ms 8.9 par seconde · cas lent 724 ms	texte seul	5.9%	4.7 B 4.0 GB en 4 bits	Oui cc-by-nc-4.0	Non (non commercial)	Adaptateur LoRA
139	Jev-Style 2B v3 · basé sur Qwen3.5-2B	29.8 -32.4 vs Jev	meilleur : Outils & automatisation 52.8	70 ms 14 par seconde	texte seul	11.8%	2.3 B 2.6 GB en 4 bits	Oui apache-2.0	Oui	Modèle affiné
140	OneJev1.6-0.8B OmniJev · basé sur Qwen3.5-0.8B	29.7 -32.6 vs Jev	meilleur : Outils & automatisation 72.9	13 ms 76 par seconde · cas lent 104 ms	texte seul	3.5%	0.9 B 1.7 GB en 4 bits	Oui apache-2.0	Oui	Modèle affiné
141	StartLux-Decision v1.1 0.8B StartLux · basé sur Qwen3.5-0.8B	29.0 -33.2 vs Jev	meilleur : Outils & automatisation 74.6	30 ms 33 par seconde · cas lent 87 ms	texte seul	1.5%	0.9 B 1.7 GB en 4 bits	Oui cc-by-nc-4.0	Non (non commercial)	Modèle affiné
142	Crivo-1B · basé sur ettin-reranker-1b-v1	29.0 -33.3 vs Jev	meilleur : Outils & automatisation 78.7	16 ms 61 par seconde · cas lent 71 ms	texte seul	15.1%	1 B 1.8 GB en 4 bits	Oui cc-by-nc-4.0	Non (non commercial)	Modèle affiné
143	SemIf · basé sur Qwen3.5-4B-Base	28.3 -33.9 vs Jev	meilleur : Outils & automatisation 39.1	113 ms 8.8 par seconde · cas lent 215 ms	texte seul	9.9%	4.7 B 4.0 GB en 4 bits	Non	—	Technique appliquée à un modèle standard
144	Gevva E4B · basé sur gemma-4-E4B-it	27.6 -34.6 vs Jev	meilleur : Outils & automatisation 56.9	53 ms 19 par seconde	texte seul	14.5%	8 B 6.0 GB en 4 bits	Oui apache-2.0	Oui	Modèle affiné
145	vLLM-SR d3-lite (0.8B) vLLM Semantic Router · basé sur Qwen3.5-0.8B	25.9 -36.3 vs Jev	meilleur : Outils & automatisation 56.3	37 ms 27 par seconde · cas lent 77 ms	Oui score vision 42.1 · 80 ms	9.4%	0.9 B 1.7 GB en 4 bits	Oui apache-2.0	Oui	Modèle affiné
146	Saina Helm 2.0 v2 Saina · basé sur Qwen3.5-0.8B	25.6 -36.6 vs Jev	meilleur : Outils & automatisation 61.3	39 ms 26 par seconde · cas lent 49 ms	texte seul	16.8%	0.9 B 1.7 GB en 4 bits	Oui apache-2.0	Oui	LoRA + tête de décision
147	Saina Helm 2 Omni (0.8B) Saina · basé sur Qwen3.5-0.8B	25.5 -36.8 vs Jev	meilleur : Outils & automatisation 59.7	39 ms 26 par seconde · cas lent 48 ms	Oui score vision 40.5 · 169 ms	10.0%	0.9 B 1.7 GB en 4 bits	Oui apache-2.0	Oui	LoRA + tête de décision
148	Amber 0.4B · basé sur ModernBERT-large	25.4 -36.8 vs Jev	meilleur : Outils & automatisation 78.9	43 ms 24 par seconde · cas lent 47 ms	texte seul	7.5%	0.4 B 1.4 GB en 4 bits	Oui cc-by-nc-4.0	Non (non commercial)	Modèle affiné
149	this-that 1.2 FLock.io · basé sur decider-2b	24.7 -37.5 vs Jev	meilleur : Outils & automatisation 45	44 ms 23 par seconde · cas lent 57 ms	texte seul	19.8%	1.9 B 2.4 GB en 4 bits	Oui mit	Oui	Modèle affiné
150	jiwo 0.8B v2 · basé sur Qwen3.5-0.8B	24.5 -37.7 vs Jev	meilleur : Recherche & classification 44.2	36 ms 28 par seconde · cas lent 75 ms	texte seul	6.8%	0.8 B 1.7 GB en 4 bits	Oui apache-2.0	Oui	Modèle affiné
151	Gevva E2B · basé sur gemma-4-E2B-it	24.3 -37.9 vs Jev	meilleur : Outils & automatisation 52.5	43 ms 23 par seconde	texte seul	9.0%	5.1 B 4.3 GB en 4 bits	Oui apache-2.0	Oui	Modèle affiné
152	mini-jev · basé sur Qwen3-4B-Instruct-2507	24.2 -38.0 vs Jev	meilleur : Compréhension du langage 29.8	67 ms 15 par seconde · cas lent 178 ms	texte seul	34.6%	4 B 3.6 GB en 4 bits	Non	—	Technique appliquée à un modèle standard
153	vLLM-SR Decision 2.0 Sol 2B vLLM Semantic Router · basé sur Qwen3.5-2B	24.1 -38.2 vs Jev	meilleur : Outils & automatisation 48.8	26 ms 39 par seconde	texte seul	3.7%	2.3 B 2.6 GB en 4 bits	Oui apache-2.0	Oui	Modèle affiné
154	Decider 2B · basé sur Qwen3.5-2B-Base	23.9 -38.3 vs Jev	meilleur : Outils & automatisation 42.4	8 ms 123 par seconde · cas lent 135 ms	texte seul	7.7%	2.3 B 2.6 GB en 4 bits	Oui apache-2.0	Oui	Modèle affiné
155	Crivo-400M · basé sur ettin-reranker-400m-v1	23.0 -39.3 vs Jev	meilleur : Outils & automatisation 69	17 ms 60 par seconde · cas lent 40 ms	texte seul	12.1%	0.4 B 1.4 GB en 4 bits	Oui cc-by-nc-4.0	Non (non commercial)	Modèle affiné
156	Valen-2B Valen · basé sur Qwen3.5-2B	22.8 -39.4 vs Jev	meilleur : Outils & automatisation 45.1	128 ms 7.8 par seconde · cas lent 312 ms	texte seul	10.5%	2.2 B 2.5 GB en 4 bits	Oui apache-2.0	Oui	Modèle affiné
157	Intern-Decision-2B Intern Large Models · basé sur Qwen3.5-2B-Base	21.7 -40.5 vs Jev	meilleur : Outils & automatisation 33.3	34 ms 30 par seconde · cas lent 58 ms	Oui score vision 47.8 · 107 ms	6.1%	2.3 B 2.6 GB en 4 bits	Oui apache-2.0	Oui	Modèle affiné
158	Sieve 0.8B Sthānika AI · basé sur Qwen3.5-0.8B-Base	21.2 -41.0 vs Jev	meilleur : Recherche & classification 54.8	52 ms 19 par seconde · cas lent 110 ms	texte seul	8.8%	0.6 B estim. 1.6 GB en 4 bits	Oui apache-2.0	Oui	Modèle affiné
159	wyat-1-800m · basé sur Qwen3.5-0.8B-Base	21.2 -41.0 vs Jev	meilleur : Recherche & classification 43	112 ms 8.9 par seconde · cas lent 924 ms	texte seul	23.2%	0.9 B 1.7 GB en 4 bits	Oui autre	Vérifier la licence	Adaptateur LoRA
160	Sieve 2B Sthānika AI · basé sur Qwen3.5-2B-Base	21.1 -41.1 vs Jev	meilleur : Outils & automatisation 35.3	63 ms 16 par seconde	texte seul	8.8%	2.3 B 2.6 GB en 4 bits	Oui apache-2.0	Oui	LoRA + tête de décision
161	EXAONE-4.0-1.2B-JEV v0.3 · basé sur EXAONE-4.0-1.2B	21.1 -41.2 vs Jev	meilleur : Outils & automatisation 56.6	149 ms 6.7 par seconde · cas lent 1906 ms	texte seul	7.9%	1.3 B estim. 2.0 GB en 4 bits	Oui autre	Vérifier la licence	Modèle affiné
162	Strands Decider 2B Strands Agents · basé sur Qwen3.5-2B-Base	20.2 -42.0 vs Jev	meilleur : Outils & automatisation 43.8	52 ms 19 par seconde · cas lent 126 ms	texte seul	4.4%	1.9 B 2.4 GB en 4 bits	Oui apache-2.0	Oui	LoRA + tête de décision
163	vLLM-SR Decision 2.0 Eos 0.8B vLLM Semantic Router · basé sur Qwen3.5-0.8B	17.7 -44.5 vs Jev	meilleur : Recherche & classification 38.4	25 ms 40 par seconde	texte seul	13.0%	0.9 B 1.7 GB en 4 bits	Oui apache-2.0	Oui	Modèle affiné
164	Crivo-150M v2 · basé sur ettin-reranker-150m-v1	17.7 -44.5 vs Jev	meilleur : Outils & automatisation 62.8	13 ms 75 par seconde · cas lent 25 ms	texte seul	11.5%	0.1 B 1.3 GB en 4 bits	Oui cc-by-nc-4.0	Non (non commercial)	Modèle affiné
165	Crivo-68M · basé sur ettin-reranker-68m-v1	17.7 -44.5 vs Jev	meilleur : Outils & automatisation 64	12 ms 81 par seconde · cas lent 18 ms	texte seul	10.3%	0.1 B 1.3 GB en 4 bits	Oui cc-by-nc-4.0	Non (non commercial)	Modèle affiné
166	vLLM-SR d3-edge (0.6B) vLLM Semantic Router · basé sur Qwen3.5-0.8B	17.1 -45.1 vs Jev	meilleur : Recherche & classification 53.6	19 ms 52 par seconde · cas lent 45 ms	Oui score vision 31.7 · 63 ms	14.1%	0.6 B 1.6 GB en 4 bits	Oui apache-2.0	Oui	Modèle affiné
167	Valen-0.8B Valen · basé sur Qwen3.5-0.8B	17.1 -45.1 vs Jev	meilleur : Outils & automatisation 35.6	128 ms 7.8 par seconde · cas lent 314 ms	texte seul	10.8%	0.9 B 1.7 GB en 4 bits	Oui apache-2.0	Oui	Modèle affiné
168	DecisionTune 1.0 DecisionTune · basé sur ModernBERT-large	16.9 -45.3 vs Jev	meilleur : Outils & automatisation 46.5	14 ms 72 par seconde · cas lent 111 ms	texte seul	14.8%	0.4 B 1.4 GB en 4 bits	Oui apache-2.0	Oui	Modèle affiné
169	JPT-0.8B · basé sur Qwen3.5-0.8B-Base	16.3 -46.0 vs Jev	meilleur : Outils & automatisation 36.2	118 ms 8.5 par seconde · cas lent 341 ms	Oui score vision 42.1 · 116 ms	6.9%	0.9 B 1.7 GB en 4 bits	Oui cc-by-nc-4.0	Non (non commercial)	Adaptateur LoRA
170	Mola-150M · basé sur ettin-reranker-150m-v1	16.1 -46.1 vs Jev	meilleur : Recherche & classification 51.4	13 ms 78 par seconde · cas lent 21 ms	texte seul	8.0%	0.1 B 1.3 GB en 4 bits	Oui cc-by-nc-4.0	Non (non commercial)	Modèle affiné
171	Dinah-1 · basé sur dinah-0-apache	16.1 -46.1 vs Jev	meilleur : Outils & automatisation 62.2	14 ms 70 par seconde · cas lent 58 ms	texte seul	21.8%	0.1 B 1.3 GB en 4 bits	Oui apache-2.0	Oui	Modèle affiné
172	Bekko System One v0 400M · basé sur ettin-encoder-400m	16.0 -46.2 vs Jev	meilleur : Recherche & classification 42.2	17 ms 58 par seconde · cas lent 72 ms	texte seul	11.1%	0.4 B estim. 1.4 GB en 4 bits	Oui	—	Modèle affiné
173	JEV FLAN-T5 Large public v2 (342M) · basé sur flan-t5-large	16.0 -46.3 vs Jev	meilleur : Recherche & classification 35.5	17 ms 61 par seconde · cas lent 274 ms	texte seul	4.7%	—	Oui	—	Modèle affiné
174	tasksource Decider nano v4 (150M) tasksource · basé sur ettin-reranker-150m-v1	15.6 -46.6 vs Jev	meilleur : Recherche & classification 49.4	14 ms 70 par seconde · cas lent 23 ms	texte seul	6.9%	0.1 B 1.3 GB en 4 bits	Oui apache-2.0	Oui	Modèle affiné
175	Bosun v3.1 1.7B Hanno Labs · basé sur Qwen3-1.7B-Base	15.6 -46.7 vs Jev	meilleur : Recherche & classification 42.8	40 ms 25 par seconde · cas lent 174 ms	texte seul	13.0%	1.7 B 2.2 GB en 4 bits	Oui apache-2.0	Oui	LoRA + tête de décision
176	Kev 0.8B r15 · basé sur Qwen3.5-0.8B-Base	15.0 -47.2 vs Jev	meilleur : Outils & automatisation 35.5	45 ms 22 par seconde	texte seul	4.0%	0.9 B 1.7 GB en 4 bits	Oui apache-2.0	Oui	LoRA + tête de décision
177	Mola-68M · basé sur ettin-reranker-68m-v1	15.0 -47.3 vs Jev	meilleur : Recherche & classification 49.4	11 ms 88 par seconde · cas lent 18 ms	texte seul	11.9%	0.1 B 1.3 GB en 4 bits	Oui cc-by-nc-4.0	Non (non commercial)	Modèle affiné
178	Sifr 0.8B v3.1 · basé sur Qwen3.5-0.8B	14.9 -47.3 vs Jev	meilleur : Recherche & classification 45.5	35 ms 29 par seconde · cas lent 1042 ms	texte seul	12.0%	0.9 B 1.7 GB en 4 bits	Oui apache-2.0	Oui	Modèle affiné
179	vLLM-SR Decision 2.0 Kai 0.6B vLLM Semantic Router · basé sur Qwen3-0.6B-Base	14.9 -47.3 vs Jev	meilleur : Recherche & classification 32	19 ms 54 par seconde	texte seul	3.8%	0.6 B 1.6 GB en 4 bits	Oui apache-2.0	Oui	Modèle affiné
180	Crivo-32M v2 · basé sur ettin-reranker-32m-v1	13.7 -48.5 vs Jev	meilleur : Outils & automatisation 50	8 ms 132 par seconde · cas lent 12 ms	texte seul	13.3%	—	Oui cc-by-nc-4.0	Non (non commercial)	Modèle affiné
181	Kodiak v0.2 1B (accuracy) Cortex Agent LLC · basé sur ettin-encoder-1b	13.3 -48.9 vs Jev	meilleur : Recherche & classification 36.2	142 ms 7.0 par seconde	texte seul	7.7%	3 B 3.0 GB en 4 bits	Oui apache-2.0	Oui	Modèle affiné
182	JEV Ettin 400M · basé sur ettin-encoder-400m	13.2 -49.0 vs Jev	meilleur : Recherche & classification 26.3	16 ms 62 par seconde · cas lent 80 ms	texte seul	9.0%	0.4 B estim. 1.4 GB en 4 bits	Oui	—	Modèle affiné
183	Intern-Decision-0.8B Intern Large Models · basé sur Qwen3.5-0.8B-Base	12.7 -49.5 vs Jev	meilleur : Outils & automatisation 28.4	34 ms 30 par seconde · cas lent 39 ms	Oui score vision 36.3 · 74 ms	2.5%	0.9 B 1.7 GB en 4 bits	Oui apache-2.0	Oui	Modèle affiné
184	Tev1-0.8B-experimental Together · basé sur Qwen3.5-0.8B-Base	12.6 -49.6 vs Jev	meilleur : Outils & automatisation 32	29 ms 35 par seconde · cas lent 134 ms	texte seul	12.6%	0.9 B 1.7 GB en 4 bits	Oui	—	Modèle affiné
185	Prumo	12.2 -50.0 vs Jev	meilleur : Outils & automatisation 45.3	0 ms 3333 par seconde · cas lent 12 ms	texte seul	4.7%	—	Oui apache-2.0	Oui	Technique appliquée à un modèle standard
186	Jev-Style 0.8B v3 · basé sur Qwen3.5-0.8B	12.1 -50.1 vs Jev	meilleur : Outils & automatisation 35.4	36 ms 28 par seconde	texte seul	8.4%	0.9 B 1.7 GB en 4 bits	Oui apache-2.0	Oui	Modèle affiné
187	LiquidAI d1-omni-600M Liquid AI · basé sur LFM2.5-Encoder-350M	11.5 -50.8 vs Jev	meilleur : Recherche & classification 35	11 ms 92 par seconde · cas lent 34 ms	texte seul	12.8%	0.6 B 1.6 GB en 4 bits	Oui autre	Vérifier la licence	Modèle affiné
188	vera-spark · basé sur ModernBERT-large	11.2 -51.1 vs Jev	meilleur : Recherche & classification 30.1	80 ms 13 par seconde · cas lent 130 ms	texte seul	15.7%	0.6 B 1.6 GB en 4 bits	Oui apache-2.0	Oui	Modèle affiné
189	Crivo-17M · basé sur ettin-reranker-17m-v1	11.1 -51.1 vs Jev	meilleur : Recherche & classification 40.1	6 ms 169 par seconde · cas lent 10 ms	texte seul	8.0%	—	Oui cc-by-nc-4.0	Non (non commercial)	Modèle affiné
190	Bosun v3.1 0.6B Hanno Labs · basé sur Qwen3-0.6B-Base	10.6 -51.6 vs Jev	meilleur : Recherche & classification 34.2	39 ms 26 par seconde · cas lent 107 ms	texte seul	14.2%	0.6 B 1.6 GB en 4 bits	Oui apache-2.0	Oui	LoRA + tête de décision
191	Bekko System One v0 68M · basé sur ettin-encoder-68m	10.0 -52.2 vs Jev	meilleur : Recherche & classification 32.2	12 ms 85 par seconde · cas lent 31 ms	texte seul	11.3%	0.1 B estim. 1.3 GB en 4 bits	Oui	—	Modèle affiné
192	Von 1.3 · basé sur ModernBERT-large	9.8 -52.5 vs Jev	meilleur : Recherche & classification 30.1	18 ms 56 par seconde	texte seul	21.6%	0.4 B 1.4 GB en 4 bits	Oui apache-2.0	Oui	Modèle affiné
193	Lavoir Mogan AI · basé sur ModernBERT-large	9.6 -52.6 vs Jev	meilleur : Outils & automatisation 13	20 ms 50 par seconde · cas lent 50 ms	texte seul	14.9%	0.4 B 1.4 GB en 4 bits	Oui cc-by-nc-4.0	Non (non commercial)	Modèle affiné
194	GLiNER2.5-Decide Fastino · basé sur gliner2-large-v1	9.6 -52.6 vs Jev	meilleur : Recherche & classification 25.3	23 ms 43 par seconde · cas lent 229 ms	texte seul	8.8%	0.5 B 1.5 GB en 4 bits	Oui apache-2.0	Oui	Modèle affiné
195	JevK5 Lite · basé sur deberta-v3-large	8.8 -53.5 vs Jev	meilleur : Recherche & classification 28.7	19 ms 52 par seconde	texte seul	14.9%	0.3 B 1.4 GB en 4 bits	Oui apache-2.0	Oui	Modèle affiné
196	LFM2.5-2.6B-RLCD · basé sur LFM2.5-2.6B-Base	7.7 -54.5 vs Jev	meilleur : Recherche & classification 10.5	39 ms 25 par seconde · cas lent 95 ms	texte seul	25.4%	2.7 B 2.8 GB en 4 bits	Oui autre	Vérifier la licence	Modèle affiné
197	Laya	7.2 -55.0 vs Jev	meilleur : Compréhension du langage 10.1	6 ms 172 par seconde · cas lent 223 ms	texte seul	14.0%	0.4 B 1.4 GB en 4 bits	Oui apache-2.0	Oui	Modèle affiné
198	CLM-v0.1-8B · basé sur Qwen3-8B-Base	6.6 -55.6 vs Jev	meilleur : Outils & automatisation 14	47 ms 21 par seconde · cas lent 131 ms	texte seul	32.3%	8.2 B 6.2 GB en 4 bits	Oui apache-2.0	Oui	Modèle affiné
199	Qwen-2.5-1B-RLCD · basé sur Qwen2.5-1.5B	6.5 -55.7 vs Jev	meilleur : Arts & goût humain 8.5	44 ms 23 par seconde · cas lent 75 ms	texte seul	20.5%	1.5 B 2.1 GB en 4 bits	Non	—	Technique appliquée à un modèle standard
200	Bekko System One v0 17M · basé sur ettin-encoder-17m	5.7 -56.5 vs Jev	meilleur : Recherche & classification 21.3	7 ms 147 par seconde · cas lent 17 ms	texte seul	16.1%	—	Oui	—	Modèle affiné
201	jeff · basé sur gliformer-large-v1	4.8 -57.4 vs Jev	meilleur : Recherche & classification 21.3	22 ms 46 par seconde · cas lent 68 ms	texte seul	9.7%	0.6 B estim. 1.6 GB en 4 bits	Non	—	Technique appliquée à un modèle standard
202	system-one-gemma · basé sur gemma-3-270m	4.7 -57.5 vs Jev	meilleur : Recherche & classification 17.2	32 ms 31 par seconde · cas lent 748 ms	texte seul	23.9%	0.3 B 1.4 GB en 4 bits	Non	—	LoRA + tête de décision
203	Julia 1 Supersonic Labs · basé sur mmBERT-small	4.2 -58.0 vs Jev	meilleur : Recherche & classification 9.9	6 ms 172 par seconde · cas lent 15 ms	texte seul	42.0%	0.1 B estim. 1.3 GB en 4 bits	Oui apache-2.0	Oui	Modèle affiné
204	LFM2.5-350M-RLCD	4.1 -58.1 vs Jev	meilleur : Outils & automatisation 3.8	27 ms 37 par seconde · cas lent 174 ms	texte seul	56.8%	0.4 B 1.4 GB en 4 bits	Oui autre	Vérifier la licence	Modèle affiné
205	DM-JEPA 1.1 Danger Labs · basé sur ModernBERT-base	3.3 -58.9 vs Jev	meilleur : Recherche & classification 34	63 ms 16 par seconde · cas lent 2068 ms	texte seul	44.5%	0.1 B 1.3 GB en 4 bits	Oui mit	Oui	Modèle affiné
206	Nirnaya 0.4B · basé sur loggenix-moe-0.4B-0.2A-sft-s4	3.2 -59.0 vs Jev	meilleur : Outils & automatisation 5.5	14 ms 69 par seconde · cas lent 36 ms	texte seul	4.6%	0.4 B 1.4 GB en 4 bits	Oui	—	Modèle affiné
207	Zev	1.9 -60.3 vs Jev	meilleur : Arts & goût humain 6	1 ms 2000 par seconde · cas lent 2 ms	texte seul	13.8%	—	Non	—	Technique appliquée à un modèle standard
208	Verdict · basé sur gliclass-modern-base-v2.0	1.5 -60.7 vs Jev	meilleur : Outils & automatisation 6.6	11 ms 88 par seconde · cas lent 60 ms	texte seul	15.4%	0.2 B 1.3 GB en 4 bits	Oui apache-2.0	Oui	Modèle affiné

Decision Index : score corrigé du hasard, de 0 (devinettes au hasard) à 100 (parfait), qui mélange des benchmarks publics (20 %), des tests privés des mêmes compétences (50 %) et des tâches privées issues de nouveaux domaines (30 %). Domaines, de gauche à droite : Connaissances & raisonnement, Compréhension du langage, Recherche & classification, Outils & automatisation, Arts & goût humain, Jeux & stratégie (barre vide : pas encore mesuré). Vitesse : temps médian par décision et cas lent (95e centile), mesurés par le classement sur un 1 x NVIDIA RTX PRO 6000 ; un modèle de décision renvoie une seule réponse, les tokens par seconde ne s'appliquent donc pas. Images : score du classement Vision distinct du tableau (0.4). Erreur de calibration (ECE) : écart entre les probabilités annoncées et la fréquence réelle de réussite du modèle ; plus bas = mieux. Usage commercial : d'après la licence de la page Hugging Face du modèle ; les licences « non commerciales » (NC) interdisent l'usage professionnel. La taille en 4 bits et « compatible avec mon matériel » sont nos estimations. Les lignes en surbrillance obtiennent un meilleur score que Jev.

Les 15 meilleurs modèles de décision

mammoth-1 (27B) 71.24 Perplexity Decider v1.2 (27B) 69.42 StartLux-Decision v1.1 27B 69.29 vLLM-SR d3 (27B) 69.06 AJev lm6q (Gemma 4 31B) 69.05 vLLM-SR d3-turbo (27B) 69.04 linne-oak 1.0 (31B) 68.55 Nace.AI Drex Max v1 (27B) 68.51 Lychee-27B 68.28 Amos 1 Large (27B) 67.48 Decider 31B (NVFP4) 67.04 Matilda Decision v1 65.91 Bobcat 1.3 (31B) 65.61 frontier-infra Jebadiah 27B v2.1 (t1e) 65.37 jev-brain · Gemma-4-31B 65.29 Jev 1.14 (TypeSafe) 62.22

5055606570

Score Decision Index, l'axe commence à 50. Les cinq meilleurs modèles ont la même couleur dans les deux graphiques. Barre foncée et ligne en pointillés : Jev 1.14, le modèle de TypeSafe lui-même (62.22). Les barres qui dépassent la ligne obtiennent un meilleur score que Jev.

Ce que cela montre · Comment le lire

Ce que cela montre. Les 15 meilleurs modèles de décision ouverts sur le Decision Index de Jev, avec Jev lui-même (la barre foncée rayée) comme référence.

Comment le lire. Barre plus longue, meilleur modèle. Les barres qui dépassent la ligne en pointillés obtiennent un meilleur score que Jev. Les cinq meilleurs ont les mêmes couleurs dans les deux graphiques.

Score selon la taille

Petits et performants 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

Chaque point est un modèle ouvert ; plus haut = meilleur, plus à gauche = plus petit. La ligne relie les modèles qui battent tous les plus petits. Paramètres en échelle logarithmique. Ligne en pointillés : Jev 1.14. Points colorés : les cinq meilleurs modèles, mêmes couleurs que les barres. Les points au-dessus de la ligne en pointillés battent Jev.

Ce que cela montre · Comment le lire

Ce que cela montre. Chaque modèle de décision de taille connue : score Decision Index en fonction de son nombre de paramètres.

Comment le lire. Haut = meilleur, gauche = plus petit. Les points au-dessus de la ligne Jev en pointillés battent Jev ; le coin vert regroupe les modèles petits et performants, les moins chers à faire tourner.

À propos des modèles de décision

À quoi servent-ils ?

Orienter une requête vers le bon modèle, classer des tickets ou des e-mails, faire des vérifications oui/non, choisir la prochaine action d'un agent, noter des réponses. Partout où un LLM écrirait une longue réponse juste pour dire « B ».

Jev est-il gratuit ?

Jev lui-même est un modèle fermé et hébergé de TypeSafe AI. Les modèles de ce classement sont des reproductions ouvertes ; la plupart ont des poids sur Hugging Face que vous pouvez télécharger et utiliser gratuitement.

D'où viennent ces scores ?

Du Jev Decision Index, un classement communautaire sur Hugging Face (Decision Index decision-index-0.3, 42 benchmarks publics plus des tests privés), dernière mise à jour le 20 oct. 2026. Il n'est pas officiel et n'est pas affilié à TypeSafe AI ; nous non plus. Nous copions ses scores une fois par nuit et renvoyons chaque modèle vers sa page.

Partager cette page :X LinkedIn Reddit WhatsApp

Un chiffre erroné ou un lien cassé ? Signalez une erreur