FreeLLM判断用モデルのランキング
判断用モデルは文章を書きません。一瞬で、選択肢を1つ選ぶか、スコアを出すか、確率つきではい／いいえで答えます。TypeSafe AI が2026年9月に最初のモデル Jev を公開し、いまではそれを真似たオープンモデルが数十個あります。
ランキング入りのモデル208Hugging Faceのページがあるもの180件
最高のオープンモデル71.2mammoth-1（27B）
Jev 1.14（TypeSafe）62.2クローズドモデル、基準
Jevより優れたもの27最初の判断用モデルである Jev より高いスコアのオープンモデル
ビジネス利用に最適69.4Perplexity Decider v1.2（27B） · apache-2.0
ランキング全体
| 順位 | モデル | Decision Index | 分野 | 速度 | 画像 | キャリブレーション誤差 | サイズ | ダウンロード | 商用利用 | 種類 |
|---|---|---|---|---|---|---|---|---|---|---|
| 1 | mammoth-1（27B） baselabs · Qwen3.5-27Bベース |
71.2 Jevより+9.0 |
最良：ツールと自動化 88.5 |
219 ms 毎秒4.6 · 遅い場合は715 ms |
テキストのみ | 4.1% | 27.4 B 4ビットで18 GB |
はい その他 |
ライセンスを確認 | ファインチューニング済みモデル |
| 2 | Perplexity Decider v1.2（27B） Perplexity · Qwen3.8-27Bベース |
69.4 Jevより+7.2 |
最良：ツールと自動化 85.4 |
144 ms 毎秒6.9 · 遅い場合は1552 ms |
はい ビジョンスコア 71.7 · 395 ms |
5.5% | 26.1 B 4ビットで17 GB |
はい apache-2.0 |
はい | ファインチューニング済みモデル |
| 3 | StartLux-Decision v1.1 27B StartLux · Qwen3.8-27Bベース |
69.3 Jevより+7.1 |
最良：ツールと自動化 87.9 |
80 ms 毎秒13 · 遅い場合は854 ms |
はい ビジョンスコア 71.6 · 252 ms |
2.6% | 27.8 B 4ビットで18 GB |
はい cc-by-nc-4.0 |
不可（非商用） | ファインチューニング済みモデル |
| 4 | vLLM-SR d3（27B） vLLM Semantic Router · Qwen3.8-27Bベース |
69.1 Jevより+6.8 |
最良：ツールと自動化 82.6 |
97 ms 毎秒10 · 遅い場合は1144 ms |
はい ビジョンスコア 71.3 · 299 ms |
4.3% | 26.1 B 4ビットで17 GB |
はい apache-2.0 |
はい | ファインチューニング済みモデル |
| 5 | AJev lm6q（Gemma 4 31B） · gemma-4-31B-it ベース |
69.0 Jevより+6.8 |
最良：ツールと自動化 81.5 |
144 ms 毎秒6.9 · 遅い場合は2245 ms |
テキストのみ | 9.6% | 31.3 B 4ビットで20 GB |
はい apache-2.0 |
はい | LoRAアダプター |
| 6 | vLLM-SR d3-turbo（27B） vLLM Semantic Router · Qwen3.8-27Bベース |
69.0 Jevより+6.8 |
最良：ツールと自動化 86.9 |
195 ms 毎秒5.1 · 遅い場合は582 ms |
はい ビジョンスコア 72.3 · 372 ms |
5.4% | 26.1 B 4ビットで17 GB |
はい apache-2.0 |
はい | ファインチューニング済みモデル |
| 7 | linne-oak 1.0（31B） MISA-AICORE · gemma-4-31B-it ベース |
68.5 Jevより+6.3 |
最良：ツールと自動化 78.5 |
105 ms 毎秒9.5 · 遅い場合は1540 ms |
テキストのみ | 10.5% | 31.3 B 4ビットで20 GB |
はい apache-2.0 |
はい | ファインチューニング済みモデル |
| 8 | Nace.AI Drex Max v1（27B） Nace-Deepinfra · Qwen3.8-27Bベース |
68.5 Jevより+6.3 |
最良：ツールと自動化 81.9 |
104 ms 毎秒9.7 · 遅い場合は1159 ms |
テキストのみ | 5.7% | 26.1 B 4ビットで17 GB |
オープンウェイトは近日公開 | — | ファインチューニング済みモデル |
| 9 | Lychee-27B · Qwen3.8-27Bベース |
68.3 Jevより+6.1 |
最良：ツールと自動化 80.8 |
97 ms 毎秒10 · 遅い場合は1158 ms |
テキストのみ | 10.8% | 26.1 B 4ビットで17 GB |
はい cc-by-nc-4.0 |
不可（非商用） | ファインチューニング済みモデル |
| 10 | Amos 1 Large（27B） · Qwen3.8-27Bベース |
67.5 Jevより+5.3 |
最良：ツールと自動化 79.2 |
148 ms 毎秒6.8 · 遅い場合は1366 ms |
はい ビジョンスコア 72.4 · 386 ms |
3.2% | 27.8 B 4ビットで18 GB |
はい apache-2.0 |
はい | ファインチューニング済みモデル |
| 11 | Decider 31B (NVFP4) · gemma-4-31B-it ベース |
67.0 Jevより+4.8 |
最良：ツールと自動化 84.2 |
72 ms 毎秒14 · 遅い場合は615 ms |
テキストのみ | 2.4% | 32.7 B 4ビットで21 GB |
はい apache-2.0 |
はい | ファインチューニング済みモデル |
| 12 | Matilda Decision v1 Maincode · Qwen3.8-27Bベース |
65.9 Jevより+3.7 |
最良：ツールと自動化 84.6 |
92 ms 毎秒11 · 遅い場合は1150 ms |
テキストのみ | 8.6% | 26.1 B 4ビットで17 GB |
はい apache-2.0 |
はい | ファインチューニング済みモデル |
| 13 | Bobcat 1.3（31B） · gemma-4-31B-it ベース |
65.6 Jevより+3.4 |
最良：ツールと自動化 76.1 |
64 ms 毎秒16 · 遅い場合は767 ms |
テキストのみ | 10.2% | 31.3 B 4ビットで20 GB |
はい apache-2.0 |
はい | LoRAアダプター |
| 14 | frontier-infra Jebadiah 27B v2.1 (t1e) Frontier Infra · Qwen3.8-27Bベース |
65.4 Jevより+3.2 |
最良：ツールと自動化 79.3 |
303 ms 毎秒3.3 · 遅い場合は2950 ms |
テキストのみ | 5.6% | 27.8 B 4ビットで18 GB |
はい apache-2.0 |
はい | LoRAアダプター |
| 15 | jev-brain · Gemma-4-31B · gemma-4-31B-it ベース |
65.3 Jevより+3.1 |
最良：ツールと自動化 76.7 |
101 ms 毎秒10.0 · 遅い場合は819 ms |
テキストのみ | 13.3% | 31.3 B 4ビットで20 GB |
いいえ | — | 市販モデルに適用した手法 |
| 16 | Sieve 31B Sthānika AI · gemma-4-31B-itベース |
65.2 Jevより+3.0 |
最良：ツールと自動化 78.7 |
253 ms 毎秒4.0 · 遅い場合は2459 ms |
テキストのみ | 3.3% | 31.3 B 4ビットで20 GB |
はい apache-2.0 |
はい | LoRAアダプター |
| 17 | OneJev1.6-27B OmniJev · Qwen3.8-27Bベース |
64.5 Jevより+2.3 |
最良：ツールと自動化 85.5 |
112 ms 毎秒9.0 · 遅い場合は894 ms |
テキストのみ | 2.7% | 27.4 B 4ビットで18 GB |
はい apache-2.0 |
はい | ファインチューニング済みモデル |
| 18 | MORJ 1.0.1 (Gemma 4 31B) · gemma-4-31B-it ベース |
64.5 Jevより+2.3 |
最良：ツールと自動化 77.5 |
202 ms 毎秒4.9 · 遅い場合は871 ms |
テキストのみ | 9.2% | 31.3 B 4ビットで20 GB |
いいえ | — | 市販モデルに適用した手法 |
| 19 | AnyJev L0 · Gemma-4-31B · gemma-4-31B-it ベース |
64.2 Jevより+2.0 |
最良：ツールと自動化 76.4 |
98 ms 毎秒10 · 遅い場合は1080 ms |
テキストのみ | 24.0% | 31.3 B 4ビットで20 GB |
いいえ | — | 市販モデルに適用した手法 |
| 20 | Darwin-27B-ZTC FINAL_Bench · Darwin-27B-RSIベース |
64.0 Jevより+1.8 |
最良：ツールと自動化 86.7 |
104 ms 毎秒9.6 · 遅い場合は1157 ms |
テキストのみ | 4.5% | 25.6 B 4ビットで17 GB |
はい apache-2.0 |
はい | ファインチューニング済みモデル |
| 21 | deck31b (Gemma 4 31B) · gemma-4-31B-it ベース |
63.5 Jevより+1.3 |
最良：ツールと自動化 75.6 |
219 ms 毎秒4.6 · 遅い場合は2027 ms |
テキストのみ | 20.4% | 32.7 B 4ビットで21 GB |
いいえ | — | 市販モデルに適用した手法 |
| 22 | decisio 0.6.0 (Gemma 4 31B) · gemma-4-31B-it ベース |
63.3 Jevより+1.1 |
最良：ツールと自動化 75 |
54 ms 毎秒19 · 遅い場合は475 ms |
テキストのみ | 14.2% | 31.3 B 4ビットで20 GB |
いいえ | — | 市販モデルに適用した手法 |
| 23 | Fastino GLiDE no-thinking (28B) Fastino |
63.2 Jevより+1.0 |
最良：ツールと自動化 83.6 |
98 ms 毎秒10 |
テキストのみ | 4.0% | 27.8 B 4ビットで18 GB |
オープンウェイトは近日公開 | — | ファインチューニング済みモデル |
| 24 | Torchcast Decision 27B Torchcast AI · Qwen3.8-27Bベース |
63.1 Jevより+0.9 |
最良：ツールと自動化 84.6 |
100 ms 毎秒10 · 遅い場合は1240 ms |
テキストのみ | 2.4% | 27.8 B 4ビットで18 GB |
はい cc-by-nc-4.0 |
不可（非商用） | LoRAアダプター |
| 25 | elephant-1 (9B) baselabs · Qwen3.5-9Bベース |
62.6 Jevより+0.4 |
最良：ツールと自動化 88 |
114 ms 毎秒8.8 · 遅い場合は253 ms |
テキストのみ | 5.8% | 9.4 B 4ビットで6.9 GB |
はい その他 |
ライセンスを確認 | ファインチューニング済みモデル |
| 26 | Cerno 27B · Qwen3.8-27Bベース |
62.6 Jevより+0.4 |
最良：ツールと自動化 86.7 |
54 ms 毎秒19 · 遅い場合は418 ms |
テキストのみ | 7.2% | 26.9 B 4ビットで18 GB |
はい apache-2.0 |
はい | ファインチューニング済みモデル |
| 27 | KnowLine 35B-A3B Gen1 PelaAI · Qwen3.5-35B-A3Bベース |
62.3 Jevより+0.1 |
最良：ツールと自動化 88.1 |
41 ms 毎秒24 · 遅い場合は147 ms |
はい ビジョンスコア 68.1 · 159 ms |
4.8% | 36 B 4ビットで23 GB |
はい apache-2.0 |
はい | LoRAアダプター |
| 28 | Decider chat · Gemma-4-31B · gemma-4-31Bベース |
62.0 Jevより-0.2 |
最良：ツールと自動化 75.6 |
109 ms 毎秒9.2 · 遅い場合は1115 ms |
テキストのみ | 4.7% | 32.7 B 4ビットで21 GB |
いいえ | — | 市販モデルに適用した手法 |
| 29 | Quyet-1.0-Large · gemma-4-31B-it ベース |
61.9 Jevより-0.3 |
最良：ツールと自動化 72.5 |
105 ms 毎秒9.5 · 遅い場合は1589 ms |
テキストのみ | 7.8% | 32.7 B 4ビットで21 GB |
はい apache-2.0 |
はい | LoRAアダプター |
| 30 | garum (Gemma 4 31B) · gemma-4-31B-it ベース |
61.7 Jevより-0.5 |
最良：ツールと自動化 75 |
119 ms 毎秒8.4 · 遅い場合は1705 ms |
テキストのみ | 5.1% | 31.3 B 4ビットで20 GB |
はい apache-2.0 |
はい | LoRAアダプター |
| 31 | Qwen Decision 27B noncausal LoRA · Qwen3.8-27Bベース |
61.6 Jevより-0.6 |
最良：ツールと自動化 80.2 |
127 ms 毎秒7.9 · 遅い場合は1538 ms |
テキストのみ | 5.1% | 27.8 B 4ビットで18 GB |
はい apache-2.0 |
はい | LoRA＋判断ヘッド |
| 32 | Sieve 27B v2 Sthānika AI · Qwen3.8-27Bベース |
61.5 Jevより-0.8 |
最良：ツールと自動化 85.8 |
106 ms 毎秒9.4 · 遅い場合は602 ms |
テキストのみ | 5.3% | 27.8 B 4ビットで18 GB |
はい apache-2.0 |
はい | LoRA＋判断ヘッド |
| 33 | Jev 1.13 | 61.3 Jevより-1.0 |
最良：ツールと自動化 75.1 |
524 ms 毎秒1.9 · 遅い場合は536 ms |
テキストのみ | 7.8% | — | いいえ | — | ホスト型API |
| 34 | mogan-decision-31B-it Mogan AI · gemma-4-31B-itベース |
61.1 Jevより-1.2 |
最良：ツールと自動化 79.7 |
109 ms 毎秒9.2 · 遅い場合は1690 ms |
テキストのみ | 5.4% | 31.3 B 4ビットで20 GB |
はい cc-by-nc-4.0 |
不可（非商用） | LoRAアダプター |
| 35 | RSI-Jev v6.1 VL 27B (effort auto) · Qwen3.8-27Bベース |
60.9 Jevより-1.3 |
最良：ツールと自動化 81.2 |
76 ms 毎秒13 · 遅い場合は565 ms |
はい ビジョンスコア 64 · 200 ms |
7.7% | 27.8 B 4ビットで18 GB |
はい apache-2.0 |
はい | LoRAアダプター |
| 36 | Kev 27B · Qwen3.8-27Bベース |
60.8 Jevより-1.4 |
最良：ツールと自動化 72.7 |
135 ms 毎秒7.4 |
テキストのみ | 2.2% | 27.8 B 4ビットで18 GB |
はい apache-2.0 |
はい | ファインチューニング済みモデル |
| 37 | Eikos-27B · Qwen3.8-27Bベース |
60.4 Jevより-1.9 |
最良：ツールと自動化 74.4 |
130 ms 毎秒7.7 · 遅い場合は510 ms |
テキストのみ | 5.7% | 27.8 B 4ビットで18 GB |
はい mit |
はい | LoRAアダプター |
| 38 | linne-fern 1.0 (27B) MISA-AICORE · Qwen3.8-27Bベース |
60.3 Jevより-1.9 |
最良：ツールと自動化 79 |
108 ms 毎秒9.3 · 遅い場合は1043 ms |
テキストのみ | 7.9% | 27.8 B 4ビットで18 GB |
はい apache-2.0 |
はい | ファインチューニング済みモデル |
| 39 | span-02 (Gemma 4 26B-A4B) · gemma-4-26B-A4B-itベース |
60.2 Jevより-2.0 |
最良：ツールと自動化 83.9 |
33 ms 毎秒30 · 遅い場合は822 ms |
はい ビジョンスコア 65.8 · 265 ms |
11.4% | 25.8 B 4ビットで17 GB |
はい apache-2.0 |
はい | ファインチューニング済みモデル |
| 40 | vLLM-SR Decision 2.0 Vega 27B vLLM Semantic Router · Qwen3.8-27Bベース |
60.2 Jevより-2.0 |
最良：ツールと自動化 73.5 |
120 ms 毎秒8.4 |
テキストのみ | 8.6% | 27.8 B 4ビットで18 GB |
はい apache-2.0 |
はい | LoRA＋判断ヘッド |
| 41 | garas (Gemma 4 31B) · gemma-4-31B-it ベース |
60.1 Jevより-2.1 |
最良：ツールと自動化 73.8 |
117 ms 毎秒8.5 · 遅い場合は1858 ms |
テキストのみ | 4.9% | 31.3 B 4ビットで20 GB |
はい apache-2.0 |
はい | LoRAアダプター |
| 42 | Xor 26B-A4B v1.2 Juspay Technologies · gemma-4-26B-A4B-itベース |
60.0 Jevより-2.2 |
最良：ツールと自動化 72.2 |
110 ms 毎秒9.1 · 遅い場合は480 ms |
テキストのみ | 6.8% | 25.8 B 4ビットで17 GB |
はい apache-2.0 |
はい | LoRAアダプター |
| 43 | StartLux-Decision v1.1 9B StartLux · Qwen3.5-9Bベース |
59.5 Jevより-2.8 |
最良：ツールと自動化 88.2 |
39 ms 毎秒26 · 遅い場合は261 ms |
テキストのみ | 4.6% | 9.7 B 4ビットで7.1 GB |
はい cc-by-nc-4.0 |
不可（非商用） | ファインチューニング済みモデル |
| 44 | JEV-35B AutoTrust AI Lab · Qwen3.5-35B-A3Bベース |
59.0 Jevより-3.3 |
最良：ツールと自動化 76.4 |
51 ms 毎秒20 · 遅い場合は258 ms |
テキストのみ | 8.5% | 36 B 4ビットで23 GB |
はい apache-2.0 |
はい | LoRA＋判断ヘッド |
| 45 | reflex Qwen3.8-27B-FP8 (pmscr) · Qwen3.8-27B-FP8ベース |
58.9 Jevより-3.3 |
最良：ツールと自動化 77.2 |
149 ms 毎秒6.7 · 遅い場合は1251 ms |
テキストのみ | 4.5% | 27.8 B 4ビットで18 GB |
いいえ | — | 市販モデルに適用した手法 |
| 46 | JEV-27B AutoTrust AI Lab · Qwen3.8-27Bベース |
58.5 Jevより-3.7 |
最良：ツールと自動化 73.5 |
102 ms 毎秒9.8 |
テキストのみ | 7.6% | 27.8 B 4ビットで18 GB |
はい apache-2.0 |
はい | ファインチューニング済みモデル |
| 47 | Shisa DE-2 (repeat) Shisa.AI · gemma-4-26B-A4B-itベース |
58.1 Jevより-4.1 |
最良：ツールと自動化 72.2 |
57 ms 毎秒18 · 遅い場合は519 ms |
はい ビジョンスコア 52.9 · 84 ms |
20.7% | 25.8 B 4ビットで17 GB |
はい apache-2.0 |
はい | LoRAアダプター |
| 48 | JADE · Qwen3.8-27Bベース |
57.9 Jevより-4.3 |
最良：ツールと自動化 73.2 |
133 ms 毎秒7.5 |
テキストのみ | 23.8% | 27.8 B 4ビットで18 GB |
はい apache-2.0 |
はい | LoRAアダプター |
| 49 | Surogate Rune 26B-A4B v3 Surogate · gemma-4-26B-A4B-itベース |
56.6 Jevより-5.6 |
最良：ツールと自動化 71.2 |
121 ms 毎秒8.3 · 遅い場合は683 ms |
はい ビジョンスコア 58.6 · 143 ms |
12.0% | 25.8 B 4ビットで17 GB |
はい apache-2.0 |
はい | ファインチューニング済みモデル |
| 50 | SynACK Decide 26B-A4B v7 · gemma-4-26B-A4B-itベース |
56.5 Jevより-5.7 |
最良：ツールと自動化 79.1 |
129 ms 毎秒7.7 · 遅い場合は364 ms |
テキストのみ | 6.9% | 25.8 B 4ビットで17 GB |
はい apache-2.0 |
はい | LoRAアダプター |
| 51 | simple-jev · Qwen3.8-27B (featherless) · Qwen3.8-27Bベース |
56.5 Jevより-5.7 |
最良：ツールと自動化 76.2 |
373 ms 毎秒2.7 · 遅い場合は2797 ms |
テキストのみ | 11.3% | 27.8 B 4ビットで18 GB |
いいえ | — | 市販モデルに適用した手法 |
| 52 | StartLux-Decision v1.1 4B StartLux · Qwen3.5-4Bベース |
56.4 Jevより-5.9 |
最良：ツールと自動化 86.4 |
38 ms 毎秒26 · 遅い場合は166 ms |
テキストのみ | 5.2% | 4.7 B 4ビットで4.0 GB |
はい cc-by-nc-4.0 |
不可（非商用） | ファインチューニング済みモデル |
| 53 | vLLM-SR d3-flash (9B) vLLM Semantic Router · Qwen3.5-9Bベース |
56.2 Jevより-6.0 |
最良：ツールと自動化 76 |
54 ms 毎秒19 · 遅い場合は353 ms |
はい ビジョンスコア 66.9 · 150 ms |
5.6% | 8.4 B 4ビットで6.3 GB |
はい apache-2.0 |
はい | ファインチューニング済みモデル |
| 54 | Wald-26B-A4B ORG2 AI · gemma-4-26B-A4B-itベース |
56.0 Jevより-6.2 |
最良：ツールと自動化 83.3 |
90 ms 毎秒11 · 遅い場合は340 ms |
テキストのみ | 4.3% | 25.8 B 4ビットで17 GB |
はい apache-2.0 |
はい | ファインチューニング済みモデル |
| 55 | Blink v0.3 26B-A4B (NVFP4) Pixilab.ai · gemma-4-26B-A4B-itベース |
55.9 Jevより-6.3 |
最良：ツールと自動化 70 |
25 ms 毎秒40 |
テキストのみ | 4.0% | 25.8 B 4ビットで17 GB |
はい apache-2.0 |
はい | ファインチューニング済みモデル |
| 56 | AJev lora1 (Gemma 4 26B-A4B) · gemma-4-26B-A4B-itベース |
55.8 Jevより-6.4 |
最良：ツールと自動化 73.2 |
89 ms 毎秒11 · 遅い場合は247 ms |
テキストのみ | 4.8% | 25.8 B 4ビットで17 GB |
はい apache-2.0 |
はい | LoRAアダプター |
| 57 | Cloudflare clef Cloudflare · Qwen3.8-27Bベース |
55.7 Jevより-6.5 |
最良：ツールと自動化 80.7 |
102 ms 毎秒9.8 |
テキストのみ | 4.0% | 27.8 B 4ビットで18 GB |
はい apache-2.0 |
はい | ファインチューニング済みモデル |
| 58 | Perplexity Decider Flash v1.2 (4B) Perplexity · Qwen3.5-4Bベース |
55.4 Jevより-6.8 |
最良：ツールと自動化 81 |
75 ms 毎秒13 · 遅い場合は381 ms |
はい ビジョンスコア 66 · 174 ms |
5.2% | 4.5 B 4ビットで3.9 GB |
はい apache-2.0 |
はい | ファインチューニング済みモデル |
| 59 | Decider chat · Qwen3.6-27B · Qwen3.6-27Bベース |
55.4 Jevより-6.9 |
最良：ツールと自動化 71.4 |
84 ms 毎秒12 · 遅い場合は966 ms |
テキストのみ | 2.1% | 27.8 B 4ビットで18 GB |
いいえ | — | 市販モデルに適用した手法 |
| 60 | JPT-35B-A3B · Qwen3.5-35B-A3Bベース |
54.9 Jevより-7.4 |
最良：ツールと自動化 69.2 |
250 ms 毎秒4.0 · 遅い場合は795 ms |
テキストのみ | 4.9% | 36 B 推定 4ビットで23 GB |
はい cc-by-nc-4.0 |
不可（非商用） | LoRAアダプター |
| 61 | Nace.AI Drex v2.0 (35B-A3B) Nace.AI · Qwen3.6-35B-A3Bベース |
54.6 Jevより-7.6 |
最良：ツールと自動化 76.5 |
276 ms 毎秒3.6 · 遅い場合は529 ms |
テキストのみ | 1.8% | 35.1 B 4ビットで22 GB |
はい その他 |
ライセンスを確認 | ファインチューニング済みモデル |
| 62 | Xor 1.2 Juspay Technologies · Qwen3.6-35B-A3Bベース |
54.5 Jevより-7.7 |
最良：ツールと自動化 71.2 |
150 ms 毎秒6.7 |
はい ビジョンスコア 64.2 · 242 ms |
2.4% | 36 B 4ビットで23 GB |
はい apache-2.0 |
はい | LoRAアダプター |
| 63 | OneJev1.6-9B OmniJev · Qwen3.5-9Bベース |
54.0 Jevより-8.3 |
最良：ツールと自動化 83 |
42 ms 毎秒24 · 遅い場合は305 ms |
テキストのみ | 2.2% | 9.4 B 4ビットで6.9 GB |
はい apache-2.0 |
はい | ファインチューニング済みモデル |
| 64 | GEV-26B-Decide AutoTrust AI Lab · gemma-4-26B-A4B-itベース |
53.5 Jevより-8.7 |
最良：ツールと自動化 69.7 |
129 ms 毎秒7.8 |
テキストのみ | 7.2% | 25.8 B 4ビットで17 GB |
はい apache-2.0 |
はい | LoRAアダプター |
| 65 | Bespoke Nimble 9B v3 Bespoke Labs · Qwen3.5-9Bベース |
52.6 Jevより-9.6 |
最良：ツールと自動化 84.2 |
74 ms 毎秒14 |
テキストのみ | 12.3% | 9.7 B 4ビットで7.1 GB |
はい cc-by-nc-4.0 |
不可（非商用） | LoRAアダプター |
| 66 | vLLM-SR d3-mini (4B) vLLM Semantic Router · Qwen3.5-4Bベース |
51.3 Jevより-11.0 |
最良：ツールと自動化 72 |
50 ms 毎秒20 · 遅い場合は237 ms |
はい ビジョンスコア 63.2 · 118 ms |
5.6% | 4.5 B 4ビットで3.9 GB |
はい apache-2.0 |
はい | ファインチューニング済みモデル |
| 67 | decisio 0.4.0 (Qwen3.6-35B-A3B) · Qwen3.6-35B-A3Bベース |
50.9 Jevより-11.4 |
最良：ツールと自動化 68.4 |
71 ms 毎秒14 · 遅い場合は261 ms |
テキストのみ | 5.5% | 36 B 4ビットで23 GB |
いいえ | — | 市販モデルに適用した手法 |
| 68 | frontier-infra Jebadiah 9B v2.1 (t1e) Frontier Infra · Qwen3.5-9Bベース |
50.5 Jevより-11.7 |
最良：ツールと自動化 70.4 |
125 ms 毎秒8.0 · 遅い場合は968 ms |
テキストのみ | 5.5% | 9.7 B 4ビットで7.1 GB |
はい apache-2.0 |
はい | LoRAアダプター |
| 69 | OneJev1.6-4B OmniJev · Qwen3.5-4Bベース |
49.5 Jevより-12.7 |
最良：ツールと自動化 81.5 |
27 ms 毎秒37 · 遅い場合は201 ms |
テキストのみ | 2.5% | 4.5 B 4ビットで3.9 GB |
はい apache-2.0 |
はい | ファインチューニング済みモデル |
| 70 | Verdin-4B · Qwen3.5-4Bベース |
49.3 Jevより-12.9 |
最良：ツールと自動化 85.6 |
100 ms 毎秒10 · 遅い場合は190 ms |
テキストのみ | 3.5% | 4.2 B 4ビットで3.7 GB |
はい cc-by-nc-4.0 |
不可（非商用） | ファインチューニング済みモデル |
| 71 | AJev lora7 (Gemma 4 12B) · gemma-4-12B-it ベース |
49.1 Jevより-13.1 |
最良：ツールと自動化 68.4 |
69 ms 毎秒14 · 遅い場合は453 ms |
テキストのみ | 8.2% | 12 B 4ビットで8.5 GB |
はい apache-2.0 |
はい | LoRAアダプター |
| 72 | JoshuaSP diffusiongemma (open-jev) · diffusiongemma-26B-A4B-itベース |
49.1 Jevより-13.1 |
最良：ツールと自動化 70.2 |
260 ms 毎秒3.8 · 遅い場合は537 ms |
テキストのみ | 21.6% | 25.8 B 4ビットで17 GB |
いいえ | — | 市販モデルに適用した手法 |
| 73 | Sieve 9B v2 Sthānika AI · Qwen3.5-9Bベース |
48.2 Jevより-14.0 |
最良：ツールと自動化 69.8 |
51 ms 毎秒20 · 遅い場合は191 ms |
テキストのみ | 7.3% | 9.7 B 4ビットで7.1 GB |
はい apache-2.0 |
はい | LoRA＋判断ヘッド |
| 74 | PurpleMIST-Flash-1.0 Olaverse Lab · Qwen3.5-9B-Baseベース |
48.1 Jevより-14.1 |
最良：ツールと自動化 65.1 |
53 ms 毎秒19 · 遅い場合は164 ms |
テキストのみ | 3.2% | 7.9 B 4ビットで6.0 GB |
はい apache-2.0 |
はい | LoRA＋判断ヘッド |
| 75 | decisio 0.4.0 (Gemma 4 12B) · gemma-4-12B-it ベース |
47.9 Jevより-14.3 |
最良：ツールと自動化 71.6 |
38 ms 毎秒26 · 遅い場合は276 ms |
テキストのみ | 10.3% | 12 B 4ビットで8.5 GB |
いいえ | — | 市販モデルに適用した手法 |
| 76 | Cerno 9B · Qwen3.5-9B-Baseベース |
47.8 Jevより-14.4 |
最良：ツールと自動化 78.3 |
26 ms 毎秒38 · 遅い場合は170 ms |
テキストのみ | 4.0% | 9 B 4ビットで6.7 GB |
はい apache-2.0 |
はい | ファインチューニング済みモデル |
| 77 | Decider 35B-A3B · Qwen3.5-35B-A3B-Baseベース |
47.2 Jevより-15.0 |
最良：ツールと自動化 56.5 |
101 ms 毎秒9.9 · 遅い場合は211 ms |
テキストのみ | 2.3% | 36 B 4ビットで23 GB |
はい apache-2.0 |
はい | ファインチューニング済みモデル |
| 78 | vLLM-SR Decision 2.0 Lux 9B vLLM Semantic Router · Qwen3.5-9Bベース |
47.1 Jevより-15.1 |
最良：ツールと自動化 60.4 |
37 ms 毎秒27 |
テキストのみ | 5.6% | 9.7 B 4ビットで7.1 GB |
はい apache-2.0 |
はい | ファインチューニング済みモデル |
| 79 | Winnow-12B · gemma-4-12Bベース |
47.1 Jevより-15.1 |
最良：ツールと自動化 71 |
73 ms 毎秒14 · 遅い場合は356 ms |
はい ビジョンスコア 58.8 · 568 ms |
16.8% | 12 B 4ビットで8.5 GB |
はい apache-2.0 |
はい | LoRAアダプター |
| 80 | CoCo-Decision-4B 2.4 Corners · Qwen3.5-4Bベース |
47.0 Jevより-15.2 |
最良：ツールと自動化 77.3 |
62 ms 毎秒16 · 遅い場合は398 ms |
テキストのみ | 11.4% | 4.2 B 4ビットで3.7 GB |
はい apache-2.0 |
はい | LoRA＋判断ヘッド |
| 81 | Cloudflare clef-omni (30B-A3B) Cloudflare · Qwen3-Omni-30B-A3B-Instructベース |
46.5 Jevより-15.7 |
最良：ツールと自動化 72.6 |
191 ms 毎秒5.2 · 遅い場合は282 ms |
はい ビジョンスコア 59.5 · 281 ms |
4.0% | 31.8 B 4ビットで20 GB |
はい apache-2.0 |
はい | ファインチューニング済みモデル |
| 82 | Jegue 0.1 (9B) · Qwen3.5-9Bベース |
46.2 Jevより-16.1 |
最良：ツールと自動化 72.3 |
46 ms 毎秒22 · 遅い場合は399 ms |
テキストのみ | 11.6% | 9.7 B 4ビットで7.1 GB |
はい apache-2.0 |
はい | LoRA＋判断ヘッド |
| 83 | JevK5 9B v0.3.3 · Qwen3.5-9Bベース |
46.1 Jevより-16.1 |
最良：ツールと自動化 64.1 |
40 ms 毎秒25 |
テキストのみ | 6.0% | 9.7 B 4ビットで7.1 GB |
はい apache-2.0 |
はい | LoRAアダプター |
| 84 | Nace.AI Drex v1.5 Nace.AI · MiMo-V2.6-Distill-Qwen-9Bベース |
45.4 Jevより-16.9 |
最良：ツールと自動化 75 |
54 ms 毎秒19 · 遅い場合は342 ms |
テキストのみ | 9.0% | 8.9 B 4ビットで6.6 GB |
はい その他 |
ライセンスを確認 | ファインチューニング済みモデル |
| 85 | Standard One 8B SH (v4) Standard Thinking · StandardOne-8Bベース |
45.3 Jevより-17.0 |
最良：ツールと自動化 84 |
90 ms 毎秒11 · 遅い場合は220 ms |
テキストのみ | 10.7% | 8.9 B 4ビットで6.6 GB |
はい apache-2.0 |
はい | LoRA＋判断ヘッド |
| 86 | Hopper 12B (trained) HopitAI · gemma-4-12B-itベース |
45.1 Jevより-17.1 |
最良：ツールと自動化 66.3 |
290 ms 毎秒3.5 · 遅い場合は3910 ms |
テキストのみ | 7.6% | 12 B 4ビットで8.5 GB |
はい その他 |
ライセンスを確認 | LoRAアダプター |
| 87 | ezjev 4B s2 · Qwen3.5-4Bベース |
44.6 Jevより-17.6 |
最良：ツールと自動化 69.9 |
36 ms 毎秒28 · 遅い場合は192 ms |
テキストのみ | 6.3% | 4.7 B 4ビットで4.0 GB |
はい その他 |
ライセンスを確認 | LoRAアダプター |
| 88 | RSI-Jev v6.1 VL 4B · Qwen3.5-4B-Baseベース |
44.4 Jevより-17.8 |
最良：ツールと自動化 68.4 |
58 ms 毎秒17 · 遅い場合は158 ms |
はい ビジョンスコア 57.4 · 86 ms |
4.9% | 4.7 B 4ビットで4.0 GB |
はい apache-2.0 |
はい | ファインチューニング済みモデル |
| 89 | jiwo 4B v2 · Qwen3.5-4Bベース |
44.3 Jevより-17.9 |
最良：ツールと自動化 63.1 |
50 ms 毎秒20 · 遅い場合は258 ms |
テキストのみ | 6.8% | 4.2 B 4ビットで3.7 GB |
はい apache-2.0 |
はい | ファインチューニング済みモデル |
| 90 | JPT-9B · Qwen3.5-9B-Baseベース |
44.2 Jevより-18.0 |
最良：ツールと自動化 67 |
149 ms 毎秒6.7 · 遅い場合は462 ms |
はい ビジョンスコア 61.7 · 301 ms |
7.7% | 9.7 B 4ビットで7.1 GB |
はい cc-by-nc-4.0 |
不可（非商用） | LoRAアダプター |
| 91 | Jevfire · Qwen3.8-27Bベース |
44.2 Jevより-18.0 |
最良：ツールと自動化 72.3 |
90 ms 毎秒11 · 遅い場合は448 ms |
テキストのみ | 5.2% | 27.8 B 4ビットで18 GB |
いいえ | — | 市販モデルに適用した手法 |
| 92 | Cloudflare clef-flash Cloudflare · Qwen3.5-9Bベース |
43.9 Jevより-18.4 |
最良：ツールと自動化 81.9 |
53 ms 毎秒19 |
テキストのみ | 2.5% | 9.7 B 4ビットで7.1 GB |
はい apache-2.0 |
はい | ファインチューニング済みモデル |
| 93 | Jev-Omni · gemma-4-12Bベース |
43.5 Jevより-18.7 |
最良：ツールと自動化 60.8 |
55 ms 毎秒18 · 遅い場合は628 ms |
はい ビジョンスコア 56.1 · 269 ms |
16.1% | 12 B 4ビットで8.5 GB |
はい apache-2.0 |
はい | LoRA＋判断ヘッド |
| 94 | Solomon v1.1 Doccy Health · Qwen3.8-27Bベース |
43.3 Jevより-18.9 |
最良：言語理解 56.7 |
224 ms 毎秒4.5 · 遅い場合は1177 ms |
はい ビジョンスコア 66.8 · 562 ms |
8.1% | 27.8 B 4ビットで18 GB |
はい apache-2.0 |
はい | 判断ヘッド |
| 95 | JEV-9B AutoTrust AI Lab · Qwen3.5-9Bベース |
43.3 Jevより-18.9 |
最良：ツールと自動化 62.1 |
50 ms 毎秒20 |
テキストのみ | 7.3% | 9.7 B 4ビットで7.1 GB |
はい apache-2.0 |
はい | ファインチューニング済みモデル |
| 96 | Cerno 4B · Qwen3.5-4B-Baseベース |
43.2 Jevより-19.0 |
最良：ツールと自動化 81.2 |
26 ms 毎秒39 · 遅い場合は141 ms |
テキストのみ | 6.2% | 4.2 B 4ビットで3.7 GB |
はい apache-2.0 |
はい | ファインチューニング済みモデル |
| 97 | Kev 9B v2 · Qwen3.5-9B-Baseベース |
42.9 Jevより-19.3 |
最良：ツールと自動化 56.9 |
60 ms 毎秒17 |
テキストのみ | 4.5% | 9.7 B 4ビットで7.1 GB |
はい apache-2.0 |
はい | LoRA＋判断ヘッド |
| 98 | Sieve 9B Sthānika AI · Qwen3.5-9Bベース |
42.5 Jevより-19.7 |
最良：ツールと自動化 61.3 |
50 ms 毎秒20 |
テキストのみ | 4.3% | 9.7 B 4ビットで7.1 GB |
はい apache-2.0 |
はい | LoRA＋判断ヘッド |
| 99 | Bespoke Nimble 9B v2 Bespoke Labs · Qwen3.5-9B-Baseベース |
42.5 Jevより-19.7 |
最良：ツールと自動化 59.2 |
77 ms 毎秒13 · 遅い場合は621 ms |
テキストのみ | 2.4% | 9.7 B 4ビットで7.1 GB |
はい apache-2.0 |
はい | LoRAアダプター |
| 100 | vLLM-SR Decision 2.0 Nox 4B vLLM Semantic Router · Qwen3.5-4B-Baseベース |
42.5 Jevより-19.7 |
最良：ツールと自動化 60.1 |
34 ms 毎秒30 |
テキストのみ | 3.0% | 4.2 B 4ビットで3.7 GB |
はい apache-2.0 |
はい | LoRA＋判断ヘッド |
| 101 | Sieve 4B Sthānika AI · Qwen3.5-4Bベース |
42.4 Jevより-19.8 |
最良：ツールと自動化 66.8 |
93 ms 毎秒11 · 遅い場合は157 ms |
テキストのみ | 3.1% | 4.7 B 4ビットで4.0 GB |
はい apache-2.0 |
はい | LoRA＋判断ヘッド |
| 102 | Nari Decision 4B v3.2 blackmallangcow · Qwen3.5-4Bベース |
41.4 Jevより-20.8 |
最良：ツールと自動化 62.1 |
23 ms 毎秒43 · 遅い場合は125 ms |
テキストのみ | 6.9% | 4.2 B 4ビットで3.7 GB |
はい apache-2.0 |
はい | ファインチューニング済みモデル |
| 103 | Aplomb 1 EmpirioLabs AI · Qwen3.5-4Bベース |
41.0 Jevより-21.2 |
最良：ツールと自動化 61.6 |
54 ms 毎秒19 · 遅い場合は582 ms |
はい ビジョンスコア 57.3 · 130 ms |
7.5% | 5.3 B 4ビットで4.4 GB |
はい その他 |
ライセンスを確認 | LoRA＋判断ヘッド |
| 104 | FlyMy.AI Decision 4B v1.6 FlyMy.AI · Qwen3.5-4Bベース |
40.2 Jevより-22.0 |
最良：ツールと自動化 59.8 |
27 ms 毎秒37 · 遅い場合は269 ms |
テキストのみ | 4.6% | 4.7 B 4ビットで4.0 GB |
はい apache-2.0 |
はい | LoRAアダプター |
| 105 | StartLux-Decision v1.1 2B StartLux · Qwen3.5-2Bベース |
40.1 Jevより-22.1 |
最良：ツールと自動化 79 |
30 ms 毎秒33 · 遅い場合は88 ms |
テキストのみ | 3.5% | 2.3 B 4ビットで2.6 GB |
はい cc-by-nc-4.0 |
不可（非商用） | ファインチューニング済みモデル |
| 106 | JPT-4B · Qwen3.5-4B-Baseベース |
39.8 Jevより-22.4 |
最良：ツールと自動化 57.2 |
139 ms 毎秒7.2 · 遅い場合は406 ms |
はい ビジョンスコア 59 · 178 ms |
7.9% | 4.7 B 4ビットで4.0 GB |
はい cc-by-nc-4.0 |
不可（非商用） | LoRAアダプター |
| 107 | djev · diffusiongemma-26B-A4B-itベース |
39.2 Jevより-23.0 |
最良：ツールと自動化 51.7 |
84 ms 毎秒12 · 遅い場合は211 ms |
はい ビジョンスコア 47.8 · 154 ms |
21.2% | 25.8 B 4ビットで17 GB |
いいえ | — | 市販モデルに適用した手法 |
| 108 | Hopper (G) 1.2 HopitAI · Qwen3.5-4B-Baseベース |
39.1 Jevより-23.1 |
最良：ツールと自動化 60.1 |
23 ms 毎秒43 · 遅い場合は238 ms |
テキストのみ | 9.3% | 4.7 B 4ビットで4.0 GB |
はい その他 |
ライセンスを確認 | LoRAアダプター |
| 109 | razorback16 openjev diffusiongemma (NVFP4, vLLM) · diffusiongemma-26B-A4B-itベース |
38.8 Jevより-23.4 |
最良：ツールと自動化 47.2 |
38 ms 毎秒27 · 遅い場合は118 ms |
はい ビジョンスコア 47.7 · 255 ms |
23.2% | 25.8 B 4ビットで17 GB |
いいえ | — | 市販モデルに適用した手法 |
| 110 | Valen-4B Valen · Qwen3.5-4Bベース |
38.6 Jevより-23.6 |
最良：ツールと自動化 52 |
167 ms 毎秒6.0 · 遅い場合は452 ms |
テキストのみ | 10.8% | 4.5 B 4ビットで3.9 GB |
はい apache-2.0 |
はい | ファインチューニング済みモデル |
| 111 | RSI-Jev v5.0 VL 3B · Qwen3.5-4B-Baseベース |
37.8 Jevより-24.4 |
最良：ツールと自動化 52.8 |
19 ms 毎秒53 · 遅い場合は79 ms |
はい ビジョンスコア 57.3 · 144 ms |
4.8% | 4.7 B 4ビットで4.0 GB |
はい apache-2.0 |
はい | ファインチューニング済みモデル |
| 112 | Intern-Decision-4B Intern Large Models · Qwen3.5-4B-Baseベース |
37.6 Jevより-24.7 |
最良：ツールと自動化 55.7 |
44 ms 毎秒23 · 遅い場合は115 ms |
はい ビジョンスコア 56.5 · 142 ms |
2.8% | 4.7 B 4ビットで4.0 GB |
はい apache-2.0 |
はい | ファインチューニング済みモデル |
| 113 | JevK5 v0.3 · Qwen3.5-4Bベース |
37.3 Jevより-24.9 |
最良：ツールと自動化 56.9 |
26 ms 毎秒38 |
テキストのみ | 6.0% | 4.7 B 4ビットで4.0 GB |
はい apache-2.0 |
はい | LoRAアダプター |
| 114 | NeoHorse-Jev-4B TokenRhythm · Qwen3.5-4B-Baseベース |
36.8 Jevより-25.5 |
最良：ツールと自動化 58.9 |
49 ms 毎秒20 · 遅い場合は274 ms |
はい ビジョンスコア 51.1 · 104 ms |
10.4% | 4.7 B 4ビットで4.0 GB |
はい apache-2.0 |
はい | 判断ヘッド |
| 115 | lev Interfaze · Qwen3.5-4B-Baseベース |
36.5 Jevより-25.7 |
最良：ツールと自動化 57.5 |
71 ms 毎秒14 · 遅い場合は688 ms |
テキストのみ | 6.4% | 4.7 B 4ビットで4.0 GB |
はい apache-2.0 |
はい | LoRA＋判断ヘッド |
| 116 | Decider 4B · Qwen3.5-4B-Baseベース |
36.2 Jevより-26.1 |
最良：ツールと自動化 58.6 |
13 ms 毎秒79 · 遅い場合は189 ms |
テキストのみ | 8.4% | 4.7 B 4ビットで4.0 GB |
はい apache-2.0 |
はい | ファインチューニング済みモデル |
| 117 | Kev 4B r10 · Qwen3.5-4B-Baseベース |
35.7 Jevより-26.5 |
最良：ツールと自動化 55 |
59 ms 毎秒17 |
テキストのみ | 3.2% | 4.7 B 4ビットで4.0 GB |
はい apache-2.0 |
はい | LoRA＋判断ヘッド |
| 118 | Lev1 3.7B · K2-Horizon-3.7Bベース |
35.7 Jevより-26.6 |
最良：ツールと自動化 68.8 |
29 ms 毎秒35 · 遅い場合は170 ms |
テキストのみ | 5.8% | 3.7 B 推定 4ビットで3.4 GB |
はい apache-2.0 |
はい | LoRAアダプター |
| 119 | Sieve 2B v3 Sthānika AI · Qwen3.5-2Bベース |
35.6 Jevより-26.6 |
最良：ツールと自動化 80.5 |
43 ms 毎秒23 · 遅い場合は98 ms |
テキストのみ | 7.2% | 2.3 B 4ビットで2.6 GB |
はい apache-2.0 |
はい | LoRAアダプター |
| 120 | mmastrac diffusiongemma (vLLM PR 57250) · diffusiongemma-26B-A4B-itベース |
35.5 Jevより-26.8 |
最良：言語理解 46.5 |
127 ms 毎秒7.9 · 遅い場合は275 ms |
はい ビジョンスコア 46.3 · 457 ms |
20.2% | 25.8 B 4ビットで17 GB |
いいえ | — | 市販モデルに適用した手法 |
| 121 | Jevstral 8B · Ministral-3-8B-Base-2512ベース |
35.4 Jevより-26.8 |
最良：ツールと自動化 52.9 |
28 ms 毎秒35 · 遅い場合は185 ms |
テキストのみ | 4.7% | 8 B 推定 4ビットで6.0 GB |
はい apache-2.0 |
はい | LoRAアダプター |
| 122 | Standard One 3B SH (v2) Standard Thinking · StandardOne-3Bベース |
35.2 Jevより-27.0 |
最良：ツールと自動化 60.3 |
76 ms 毎秒13 · 遅い場合は140 ms |
テキストのみ | 10.1% | 3.8 B 4ビットで3.5 GB |
はい apache-2.0 |
はい | LoRA＋判断ヘッド |
| 123 | Kas 4B · Qwen3-4Bベース |
35.2 Jevより-27.0 |
最良：ツールと自動化 48.9 |
69 ms 毎秒14 · 遅い場合は1242 ms |
テキストのみ | 9.8% | 4 B 4ビットで3.6 GB |
はい apache-2.0 |
はい | LoRAアダプター |
| 124 | Saracura PT-BR 4B Felhen · Qwen3.5-4B-Baseベース |
34.8 Jevより-27.4 |
最良：ツールと自動化 53.9 |
62 ms 毎秒16 · 遅い場合は242 ms |
テキストのみ | 17.9% | 4.7 B 4ビットで4.0 GB |
はい apache-2.0 |
はい | LoRA＋判断ヘッド |
| 125 | vLLM-SR d3-nano (2B) vLLM Semantic Router · Qwen3.5-2Bベース |
34.5 Jevより-27.7 |
最良：ツールと自動化 58.9 |
38 ms 毎秒26 · 遅い場合は101 ms |
はい ビジョンスコア 54.7 · 93 ms |
11.2% | 2.2 B 4ビットで2.5 GB |
はい apache-2.0 |
はい | ファインチューニング済みモデル |
| 126 | Tev1-4B-experimental Together · Qwen3.5-4B-Baseベース |
33.6 Jevより-28.6 |
最良：ツールと自動化 41.8 |
36 ms 毎秒28 · 遅い場合は166 ms |
テキストのみ | 10.4% | 4.7 B 4ビットで4.0 GB |
はい | — | ファインチューニング済みモデル |
| 127 | Winnow-E4B · gemma-4-E4Bベース |
33.5 Jevより-28.7 |
最良：ツールと自動化 62.5 |
45 ms 毎秒22 · 遅い場合は188 ms |
はい ビジョンスコア 42.1 · 153 ms |
5.8% | 8 B 4ビットで6.0 GB |
はい apache-2.0 |
はい | LoRAアダプター |
| 128 | Cam1 · Qwen3.5-4Bベース |
33.5 Jevより-28.7 |
最良：ツールと自動化 46.3 |
249 ms 毎秒4.0 · 遅い場合は906 ms |
テキストのみ | 6.3% | 4.7 B 4ビットで4.0 GB |
はい apache-2.0 |
はい | LoRA＋判断ヘッド |
| 129 | Aurelis-2B Leptos Labs · MiniCPM5-2Bベース |
33.3 Jevより-29.0 |
最良：ツールと自動化 79.5 |
74 ms 毎秒13 · 遅い場合は502 ms |
テキストのみ | 6.5% | 2.5 B 4ビットで2.7 GB |
はい apache-2.0 |
はい | ファインチューニング済みモデル |
| 130 | vera-core-2 · Qwen3.5-2Bベース |
32.5 Jevより-29.7 |
最良：ツールと自動化 61.5 |
90 ms 毎秒11 · 遅い場合は170 ms |
テキストのみ | 4.6% | 1.9 B 4ビットで2.4 GB |
はい apache-2.0 |
はい | ファインチューニング済みモデル |
| 131 | Ryotide Qwen v0.3.1 · Qwen3.5-4Bベース |
32.5 Jevより-29.8 |
最良：ツールと自動化 55.1 |
81 ms 毎秒12 |
テキストのみ | 9.2% | 4 B 4ビットで3.6 GB |
いいえ | — | 市販モデルに適用した手法 |
| 132 | LatentMesh Blitz 2B v1 LatentMesh Labs · Qwen3.5-2Bベース |
32.4 Jevより-29.8 |
最良：ツールと自動化 66.5 |
52 ms 毎秒19 · 遅い場合は168 ms |
テキストのみ | 13.7% | 2.3 B 4ビットで2.6 GB |
はい その他 |
ライセンスを確認 | LoRAアダプター |
| 133 | LiquidAI d1-3B Liquid AI · LFM2.5-VL-3Bベース |
32.2 Jevより-30.0 |
最良：ツールと自動化 74.5 |
16 ms 毎秒62 · 遅い場合は56 ms |
テキストのみ | 4.7% | 3.1 B 4ビットで3.1 GB |
はい その他 |
ライセンスを確認 | ファインチューニング済みモデル |
| 134 | Jobe · Qwen3.5-4B-Baseベース |
31.9 Jevより-30.3 |
最良：ツールと自動化 48.8 |
54 ms 毎秒19 · 遅い場合は2910 ms |
テキストのみ | 12.3% | 4.7 B 4ビットで4.0 GB |
いいえ | — | 市販モデルに適用した手法 |
| 135 | Metask-Jev-4B Metask-AI-Lab · Qwen3.5-4B-Baseベース |
30.9 Jevより-31.3 |
最良：言語理解 40.1 |
57 ms 毎秒17 · 遅い場合は369 ms |
テキストのみ | 10.3% | 4.7 B 4ビットで4.0 GB |
はい apache-2.0 |
はい | LoRAアダプター |
| 136 | Intelif Qwen3-4B · Qwen3-4Bベース |
30.8 Jevより-31.5 |
最良：ツールと自動化 51 |
23 ms 毎秒44 |
テキストのみ | 7.1% | 4 B 4ビットで3.6 GB |
はい cc-by-nc-4.0 |
不可（非商用） | LoRA＋判断ヘッド |
| 137 | openvons · Qwen3-4B-Instruct-2507ベース |
30.3 Jevより-31.9 |
最良：ツールと自動化 44.6 |
21 ms 毎秒47 · 遅い場合は113 ms |
テキストのみ | 37.1% | 4 B 4ビットで3.6 GB |
いいえ | — | 市販モデルに適用した手法 |
| 138 | open-jev (pngwn) · Qwen3.5-4B-Baseベース |
30.3 Jevより-31.9 |
最良：ツールと自動化 45.7 |
112 ms 毎秒8.9 · 遅い場合は724 ms |
テキストのみ | 5.9% | 4.7 B 4ビットで4.0 GB |
はい cc-by-nc-4.0 |
不可（非商用） | LoRAアダプター |
| 139 | Jev-Style 2B v3 · Qwen3.5-2Bベース |
29.8 Jevより-32.4 |
最良：ツールと自動化 52.8 |
70 ms 毎秒14 |
テキストのみ | 11.8% | 2.3 B 4ビットで2.6 GB |
はい apache-2.0 |
はい | ファインチューニング済みモデル |
| 140 | OneJev1.6-0.8B OmniJev · Qwen3.5-0.8Bベース |
29.7 Jevより-32.6 |
最良：ツールと自動化 72.9 |
13 ms 毎秒76 · 遅い場合は104 ms |
テキストのみ | 3.5% | 0.9 B 4ビットで1.7 GB |
はい apache-2.0 |
はい | ファインチューニング済みモデル |
| 141 | StartLux-Decision v1.1 0.8B StartLux · Qwen3.5-0.8Bベース |
29.0 Jevより-33.2 |
最良：ツールと自動化 74.6 |
30 ms 毎秒33 · 遅い場合は87 ms |
テキストのみ | 1.5% | 0.9 B 4ビットで1.7 GB |
はい cc-by-nc-4.0 |
不可（非商用） | ファインチューニング済みモデル |
| 142 | Crivo-1B · ettin-reranker-1b-v1ベース |
29.0 Jevより-33.3 |
最良：ツールと自動化 78.7 |
16 ms 毎秒61 · 遅い場合は71 ms |
テキストのみ | 15.1% | 1 B 4ビットで1.8 GB |
はい cc-by-nc-4.0 |
不可（非商用） | ファインチューニング済みモデル |
| 143 | SemIf · Qwen3.5-4B-Baseベース |
28.3 Jevより-33.9 |
最良：ツールと自動化 39.1 |
113 ms 毎秒8.8 · 遅い場合は215 ms |
テキストのみ | 9.9% | 4.7 B 4ビットで4.0 GB |
いいえ | — | 市販モデルに適用した手法 |
| 144 | Gevva E4B · gemma-4-E4B-itベース |
27.6 Jevより-34.6 |
最良：ツールと自動化 56.9 |
53 ms 毎秒19 |
テキストのみ | 14.5% | 8 B 4ビットで6.0 GB |
はい apache-2.0 |
はい | ファインチューニング済みモデル |
| 145 | vLLM-SR d3-lite (0.8B) vLLM Semantic Router · Qwen3.5-0.8Bベース |
25.9 Jevより-36.3 |
最良：ツールと自動化 56.3 |
37 ms 毎秒27 · 遅い場合は77 ms |
はい ビジョンスコア 42.1 · 80 ms |
9.4% | 0.9 B 4ビットで1.7 GB |
はい apache-2.0 |
はい | ファインチューニング済みモデル |
| 146 | Saina Helm 2.0 v2 Saina · Qwen3.5-0.8Bベース |
25.6 Jevより-36.6 |
最良：ツールと自動化 61.3 |
39 ms 毎秒26 · 遅い場合は49 ms |
テキストのみ | 16.8% | 0.9 B 4ビットで1.7 GB |
はい apache-2.0 |
はい | LoRA＋判断ヘッド |
| 147 | Saina Helm 2 Omni (0.8B) Saina · Qwen3.5-0.8Bベース |
25.5 Jevより-36.8 |
最良：ツールと自動化 59.7 |
39 ms 毎秒26 · 遅い場合は48 ms |
はい ビジョンスコア 40.5 · 169 ms |
10.0% | 0.9 B 4ビットで1.7 GB |
はい apache-2.0 |
はい | LoRA＋判断ヘッド |
| 148 | Amber 0.4B · ModernBERT-largeベース |
25.4 Jevより-36.8 |
最良：ツールと自動化 78.9 |
43 ms 毎秒24 · 遅い場合は47 ms |
テキストのみ | 7.5% | 0.4 B 4ビットで1.4 GB |
はい cc-by-nc-4.0 |
不可（非商用） | ファインチューニング済みモデル |
| 149 | this-that 1.2 FLock.io · decider-2bベース |
24.7 Jevより-37.5 |
最良：ツールと自動化 45 |
44 ms 毎秒23 · 遅い場合は57 ms |
テキストのみ | 19.8% | 1.9 B 4ビットで2.4 GB |
はい mit |
はい | ファインチューニング済みモデル |
| 150 | jiwo 0.8B v2 · Qwen3.5-0.8Bベース |
24.5 Jevより-37.7 |
最良：検索と分類 44.2 |
36 ms 毎秒28 · 遅い場合は75 ms |
テキストのみ | 6.8% | 0.8 B 4ビットで1.7 GB |
はい apache-2.0 |
はい | ファインチューニング済みモデル |
| 151 | Gevva E2B · gemma-4-E2B-itベース |
24.3 Jevより-37.9 |
最良：ツールと自動化 52.5 |
43 ms 毎秒23 |
テキストのみ | 9.0% | 5.1 B 4ビットで4.3 GB |
はい apache-2.0 |
はい | ファインチューニング済みモデル |
| 152 | mini-jev · Qwen3-4B-Instruct-2507ベース |
24.2 Jevより-38.0 |
最良：言語理解 29.8 |
67 ms 毎秒15 · 遅い場合は178 ms |
テキストのみ | 34.6% | 4 B 4ビットで3.6 GB |
いいえ | — | 市販モデルに適用した手法 |
| 153 | vLLM-SR Decision 2.0 Sol 2B vLLM Semantic Router · Qwen3.5-2Bベース |
24.1 Jevより-38.2 |
最良：ツールと自動化 48.8 |
26 ms 毎秒39 |
テキストのみ | 3.7% | 2.3 B 4ビットで2.6 GB |
はい apache-2.0 |
はい | ファインチューニング済みモデル |
| 154 | Decider 2B · Qwen3.5-2B-Baseベース |
23.9 Jevより-38.3 |
最良：ツールと自動化 42.4 |
8 ms 毎秒123 · 遅い場合は135 ms |
テキストのみ | 7.7% | 2.3 B 4ビットで2.6 GB |
はい apache-2.0 |
はい | ファインチューニング済みモデル |
| 155 | Crivo-400M · ettin-reranker-400m-v1ベース |
23.0 Jevより-39.3 |
最良：ツールと自動化 69 |
17 ms 毎秒60 · 遅い場合は40 ms |
テキストのみ | 12.1% | 0.4 B 4ビットで1.4 GB |
はい cc-by-nc-4.0 |
不可（非商用） | ファインチューニング済みモデル |
| 156 | Valen-2B Valen · Qwen3.5-2Bベース |
22.8 Jevより-39.4 |
最良：ツールと自動化 45.1 |
128 ms 毎秒7.8 · 遅い場合は312 ms |
テキストのみ | 10.5% | 2.2 B 4ビットで2.5 GB |
はい apache-2.0 |
はい | ファインチューニング済みモデル |
| 157 | Intern-Decision-2B Intern Large Models · Qwen3.5-2B-Baseベース |
21.7 Jevより-40.5 |
最良：ツールと自動化 33.3 |
34 ms 毎秒30 · 遅い場合は58 ms |
はい ビジョンスコア 47.8 · 107 ms |
6.1% | 2.3 B 4ビットで2.6 GB |
はい apache-2.0 |
はい | ファインチューニング済みモデル |
| 158 | Sieve 0.8B Sthānika AI · Qwen3.5-0.8B-Baseベース |
21.2 Jevより-41.0 |
最良：検索と分類 54.8 |
52 ms 毎秒19 · 遅い場合は110 ms |
テキストのみ | 8.8% | 0.6 B 推定 4ビットで1.6 GB |
はい apache-2.0 |
はい | ファインチューニング済みモデル |
| 159 | wyat-1-800m · Qwen3.5-0.8B-Baseベース |
21.2 Jevより-41.0 |
最良：検索と分類 43 |
112 ms 毎秒8.9 · 遅い場合は924 ms |
テキストのみ | 23.2% | 0.9 B 4ビットで1.7 GB |
はい その他 |
ライセンスを確認 | LoRAアダプター |
| 160 | Sieve 2B Sthānika AI · Qwen3.5-2B-Baseベース |
21.1 Jevより-41.1 |
最良：ツールと自動化 35.3 |
63 ms 毎秒16 |
テキストのみ | 8.8% | 2.3 B 4ビットで2.6 GB |
はい apache-2.0 |
はい | LoRA＋判断ヘッド |
| 161 | EXAONE-4.0-1.2B-JEV v0.3 · EXAONE-4.0-1.2Bベース |
21.1 Jevより-41.2 |
最良：ツールと自動化 56.6 |
149 ms 毎秒6.7 · 遅い場合は1906 ms |
テキストのみ | 7.9% | 1.3 B 推定 4ビットで2.0 GB |
はい その他 |
ライセンスを確認 | ファインチューニング済みモデル |
| 162 | Strands Decider 2B Strands Agents · Qwen3.5-2B-Baseベース |
20.2 Jevより-42.0 |
最良：ツールと自動化 43.8 |
52 ms 毎秒19 · 遅い場合は126 ms |
テキストのみ | 4.4% | 1.9 B 4ビットで2.4 GB |
はい apache-2.0 |
はい | LoRA＋判断ヘッド |
| 163 | vLLM-SR Decision 2.0 Eos 0.8B vLLM Semantic Router · Qwen3.5-0.8Bベース |
17.7 Jevより-44.5 |
最良：検索と分類 38.4 |
25 ms 毎秒40 |
テキストのみ | 13.0% | 0.9 B 4ビットで1.7 GB |
はい apache-2.0 |
はい | ファインチューニング済みモデル |
| 164 | Crivo-150M v2 · ettin-reranker-150m-v1ベース |
17.7 Jevより-44.5 |
最良：ツールと自動化 62.8 |
13 ms 毎秒75 · 遅い場合は25 ms |
テキストのみ | 11.5% | 0.1 B 4ビットで1.3 GB |
はい cc-by-nc-4.0 |
不可（非商用） | ファインチューニング済みモデル |
| 165 | Crivo-68M · ettin-reranker-68m-v1ベース |
17.7 Jevより-44.5 |
最良：ツールと自動化 64 |
12 ms 毎秒81 · 遅い場合は18 ms |
テキストのみ | 10.3% | 0.1 B 4ビットで1.3 GB |
はい cc-by-nc-4.0 |
不可（非商用） | ファインチューニング済みモデル |
| 166 | vLLM-SR d3-edge (0.6B) vLLM Semantic Router · Qwen3.5-0.8Bベース |
17.1 Jevより-45.1 |
最良：検索と分類 53.6 |
19 ms 毎秒52 · 遅い場合は45 ms |
はい ビジョンスコア 31.7 · 63 ms |
14.1% | 0.6 B 4ビットで1.6 GB |
はい apache-2.0 |
はい | ファインチューニング済みモデル |
| 167 | Valen-0.8B Valen · Qwen3.5-0.8Bベース |
17.1 Jevより-45.1 |
最良：ツールと自動化 35.6 |
128 ms 毎秒7.8 · 遅い場合は314 ms |
テキストのみ | 10.8% | 0.9 B 4ビットで1.7 GB |
はい apache-2.0 |
はい | ファインチューニング済みモデル |
| 168 | DecisionTune 1.0 DecisionTune · ModernBERT-largeベース |
16.9 Jevより-45.3 |
最良：ツールと自動化 46.5 |
14 ms 毎秒72 · 遅い場合は111 ms |
テキストのみ | 14.8% | 0.4 B 4ビットで1.4 GB |
はい apache-2.0 |
はい | ファインチューニング済みモデル |
| 169 | JPT-0.8B · Qwen3.5-0.8B-Baseベース |
16.3 Jevより-46.0 |
最良：ツールと自動化 36.2 |
118 ms 毎秒8.5 · 遅い場合は341 ms |
はい ビジョンスコア 42.1 · 116 ms |
6.9% | 0.9 B 4ビットで1.7 GB |
はい cc-by-nc-4.0 |
不可（非商用） | LoRAアダプター |
| 170 | Mola-150M · ettin-reranker-150m-v1ベース |
16.1 Jevより-46.1 |
最良：検索と分類 51.4 |
13 ms 毎秒78 · 遅い場合は21 ms |
テキストのみ | 8.0% | 0.1 B 4ビットで1.3 GB |
はい cc-by-nc-4.0 |
不可（非商用） | ファインチューニング済みモデル |
| 171 | Dinah-1 · dinah-0-apacheベース |
16.1 Jevより-46.1 |
最良：ツールと自動化 62.2 |
14 ms 毎秒70 · 遅い場合は58 ms |
テキストのみ | 21.8% | 0.1 B 4ビットで1.3 GB |
はい apache-2.0 |
はい | ファインチューニング済みモデル |
| 172 | Bekko System One v0 400M · ettin-encoder-400mベース |
16.0 Jevより-46.2 |
最良：検索と分類 42.2 |
17 ms 毎秒58 · 遅い場合は72 ms |
テキストのみ | 11.1% | 0.4 B 推定 4ビットで1.4 GB |
はい | — | ファインチューニング済みモデル |
| 173 | JEV FLAN-T5 Large public v2 (342M) · flan-t5-largeベース |
16.0 Jevより-46.3 |
最良：検索と分類 35.5 |
17 ms 毎秒61 · 遅い場合は274 ms |
テキストのみ | 4.7% | — | はい | — | ファインチューニング済みモデル |
| 174 | tasksource Decider nano v4 (150M) tasksource · ettin-reranker-150m-v1ベース |
15.6 Jevより-46.6 |
最良：検索と分類 49.4 |
14 ms 毎秒70 · 遅い場合は23 ms |
テキストのみ | 6.9% | 0.1 B 4ビットで1.3 GB |
はい apache-2.0 |
はい | ファインチューニング済みモデル |
| 175 | Bosun v3.1 1.7B Hanno Labs · Qwen3-1.7B-Baseベース |
15.6 Jevより-46.7 |
最良：検索と分類 42.8 |
40 ms 毎秒25 · 遅い場合は174 ms |
テキストのみ | 13.0% | 1.7 B 4ビットで2.2 GB |
はい apache-2.0 |
はい | LoRA＋判断ヘッド |
| 176 | Kev 0.8B r15 · Qwen3.5-0.8B-Baseベース |
15.0 Jevより-47.2 |
最良：ツールと自動化 35.5 |
45 ms 毎秒22 |
テキストのみ | 4.0% | 0.9 B 4ビットで1.7 GB |
はい apache-2.0 |
はい | LoRA＋判断ヘッド |
| 177 | Mola-68M · ettin-reranker-68m-v1ベース |
15.0 Jevより-47.3 |
最良：検索と分類 49.4 |
11 ms 毎秒88 · 遅い場合は18 ms |
テキストのみ | 11.9% | 0.1 B 4ビットで1.3 GB |
はい cc-by-nc-4.0 |
不可（非商用） | ファインチューニング済みモデル |
| 178 | Sifr 0.8B v3.1 · Qwen3.5-0.8Bベース |
14.9 Jevより-47.3 |
最良：検索と分類 45.5 |
35 ms 毎秒29 · 遅い場合は1042 ms |
テキストのみ | 12.0% | 0.9 B 4ビットで1.7 GB |
はい apache-2.0 |
はい | ファインチューニング済みモデル |
| 179 | vLLM-SR Decision 2.0 Kai 0.6B vLLM Semantic Router · Qwen3-0.6B-Baseベース |
14.9 Jevより-47.3 |
最良：検索と分類 32 |
19 ms 毎秒54 |
テキストのみ | 3.8% | 0.6 B 4ビットで1.6 GB |
はい apache-2.0 |
はい | ファインチューニング済みモデル |
| 180 | Crivo-32M v2 · ettin-reranker-32m-v1ベース |
13.7 Jevより-48.5 |
最良：ツールと自動化 50 |
8 ms 毎秒132 · 遅い場合は12 ms |
テキストのみ | 13.3% | — | はい cc-by-nc-4.0 |
不可（非商用） | ファインチューニング済みモデル |
| 181 | Kodiak v0.2 1B (accuracy) Cortex Agent LLC · ettin-encoder-1bベース |
13.3 Jevより-48.9 |
最良：検索と分類 36.2 |
142 ms 毎秒7.0 |
テキストのみ | 7.7% | 3 B 4ビットで3.0 GB |
はい apache-2.0 |
はい | ファインチューニング済みモデル |
| 182 | JEV Ettin 400M · ettin-encoder-400mベース |
13.2 Jevより-49.0 |
最良：検索と分類 26.3 |
16 ms 毎秒62 · 遅い場合は80 ms |
テキストのみ | 9.0% | 0.4 B 推定 4ビットで1.4 GB |
はい | — | ファインチューニング済みモデル |
| 183 | Intern-Decision-0.8B Intern Large Models · Qwen3.5-0.8B-Baseベース |
12.7 Jevより-49.5 |
最良：ツールと自動化 28.4 |
34 ms 毎秒30 · 遅い場合は39 ms |
はい ビジョンスコア 36.3 · 74 ms |
2.5% | 0.9 B 4ビットで1.7 GB |
はい apache-2.0 |
はい | ファインチューニング済みモデル |
| 184 | Tev1-0.8B-experimental Together · Qwen3.5-0.8B-Baseベース |
12.6 Jevより-49.6 |
最良：ツールと自動化 32 |
29 ms 毎秒35 · 遅い場合は134 ms |
テキストのみ | 12.6% | 0.9 B 4ビットで1.7 GB |
はい | — | ファインチューニング済みモデル |
| 185 | Prumo | 12.2 Jevより-50.0 |
最良：ツールと自動化 45.3 |
0 ms 毎秒3333 · 遅い場合は12 ms |
テキストのみ | 4.7% | — | はい apache-2.0 |
はい | 市販モデルに適用した手法 |
| 186 | Jev-Style 0.8B v3 · Qwen3.5-0.8Bベース |
12.1 Jevより-50.1 |
最良：ツールと自動化 35.4 |
36 ms 毎秒28 |
テキストのみ | 8.4% | 0.9 B 4ビットで1.7 GB |
はい apache-2.0 |
はい | ファインチューニング済みモデル |
| 187 | LiquidAI d1-omni-600M Liquid AI · LFM2.5-Encoder-350Mベース |
11.5 Jevより-50.8 |
最良：検索と分類 35 |
11 ms 毎秒92 · 遅い場合は34 ms |
テキストのみ | 12.8% | 0.6 B 4ビットで1.6 GB |
はい その他 |
ライセンスを確認 | ファインチューニング済みモデル |
| 188 | vera-spark · ModernBERT-largeベース |
11.2 Jevより-51.1 |
最良：検索と分類 30.1 |
80 ms 毎秒13 · 遅い場合は130 ms |
テキストのみ | 15.7% | 0.6 B 4ビットで1.6 GB |
はい apache-2.0 |
はい | ファインチューニング済みモデル |
| 189 | Crivo-17M · ettin-reranker-17m-v1ベース |
11.1 Jevより-51.1 |
最良：検索と分類 40.1 |
6 ms 毎秒169 · 遅い場合は10 ms |
テキストのみ | 8.0% | — | はい cc-by-nc-4.0 |
不可（非商用） | ファインチューニング済みモデル |
| 190 | Bosun v3.1 0.6B Hanno Labs · Qwen3-0.6B-Baseベース |
10.6 Jevより-51.6 |
最良：検索と分類 34.2 |
39 ms 毎秒26 · 遅い場合は107 ms |
テキストのみ | 14.2% | 0.6 B 4ビットで1.6 GB |
はい apache-2.0 |
はい | LoRA＋判断ヘッド |
| 191 | Bekko System One v0 68M · ettin-encoder-68mベース |
10.0 Jevより-52.2 |
最良：検索と分類 32.2 |
12 ms 毎秒85 · 遅い場合は31 ms |
テキストのみ | 11.3% | 0.1 B 推定 4ビットで1.3 GB |
はい | — | ファインチューニング済みモデル |
| 192 | Von 1.3 · ModernBERT-largeベース |
9.8 Jevより-52.5 |
最良：検索と分類 30.1 |
18 ms 毎秒56 |
テキストのみ | 21.6% | 0.4 B 4ビットで1.4 GB |
はい apache-2.0 |
はい | ファインチューニング済みモデル |
| 193 | Lavoir Mogan AI · ModernBERT-largeベース |
9.6 Jevより-52.6 |
最良：ツールと自動化 13 |
20 ms 毎秒50 · 遅い場合は50 ms |
テキストのみ | 14.9% | 0.4 B 4ビットで1.4 GB |
はい cc-by-nc-4.0 |
不可（非商用） | ファインチューニング済みモデル |
| 194 | GLiNER2.5-Decide Fastino · gliner2-large-v1ベース |
9.6 Jevより-52.6 |
最良：検索と分類 25.3 |
23 ms 毎秒43 · 遅い場合は229 ms |
テキストのみ | 8.8% | 0.5 B 4ビットで1.5 GB |
はい apache-2.0 |
はい | ファインチューニング済みモデル |
| 195 | JevK5 Lite · deberta-v3-largeベース |
8.8 Jevより-53.5 |
最良：検索と分類 28.7 |
19 ms 毎秒52 |
テキストのみ | 14.9% | 0.3 B 4ビットで1.4 GB |
はい apache-2.0 |
はい | ファインチューニング済みモデル |
| 196 | LFM2.5-2.6B-RLCD · LFM2.5-2.6B-Baseベース |
7.7 Jevより-54.5 |
最良：検索と分類 10.5 |
39 ms 毎秒25 · 遅い場合は95 ms |
テキストのみ | 25.4% | 2.7 B 4ビットで2.8 GB |
はい その他 |
ライセンスを確認 | ファインチューニング済みモデル |
| 197 | Laya | 7.2 Jevより-55.0 |
最良：言語理解 10.1 |
6 ms 毎秒172 · 遅い場合は223 ms |
テキストのみ | 14.0% | 0.4 B 4ビットで1.4 GB |
はい apache-2.0 |
はい | ファインチューニング済みモデル |
| 198 | CLM-v0.1-8B · Qwen3-8B-Baseベース |
6.6 Jevより-55.6 |
最良：ツールと自動化 14 |
47 ms 毎秒21 · 遅い場合は131 ms |
テキストのみ | 32.3% | 8.2 B 4ビットで6.2 GB |
はい apache-2.0 |
はい | ファインチューニング済みモデル |
| 199 | Qwen-2.5-1B-RLCD · Qwen2.5-1.5Bベース |
6.5 Jevより-55.7 |
最良：芸術と人の好み 8.5 |
44 ms 毎秒23 · 遅い場合は75 ms |
テキストのみ | 20.5% | 1.5 B 4ビットで2.1 GB |
いいえ | — | 市販モデルに適用した手法 |
| 200 | Bekko System One v0 17M · ettin-encoder-17mベース |
5.7 Jevより-56.5 |
最良：検索と分類 21.3 |
7 ms 毎秒147 · 遅い場合は17 ms |
テキストのみ | 16.1% | — | はい | — | ファインチューニング済みモデル |
| 201 | jeff · gliformer-large-v1ベース |
4.8 Jevより-57.4 |
最良：検索と分類 21.3 |
22 ms 毎秒46 · 遅い場合は68 ms |
テキストのみ | 9.7% | 0.6 B 推定 4ビットで1.6 GB |
いいえ | — | 市販モデルに適用した手法 |
| 202 | system-one-gemma · gemma-3-270mベース |
4.7 Jevより-57.5 |
最良：検索と分類 17.2 |
32 ms 毎秒31 · 遅い場合は748 ms |
テキストのみ | 23.9% | 0.3 B 4ビットで1.4 GB |
いいえ | — | LoRA＋判断ヘッド |
| 203 | Julia 1 Supersonic Labs · mmBERT-smallベース |
4.2 Jevより-58.0 |
最良：検索と分類 9.9 |
6 ms 毎秒172 · 遅い場合は15 ms |
テキストのみ | 42.0% | 0.1 B 推定 4ビットで1.3 GB |
はい apache-2.0 |
はい | ファインチューニング済みモデル |
| 204 | LFM2.5-350M-RLCD | 4.1 Jevより-58.1 |
最良：ツールと自動化 3.8 |
27 ms 毎秒37 · 遅い場合は174 ms |
テキストのみ | 56.8% | 0.4 B 4ビットで1.4 GB |
はい その他 |
ライセンスを確認 | ファインチューニング済みモデル |
| 205 | DM-JEPA 1.1 Danger Labs · ModernBERT-baseベース |
3.3 Jevより-58.9 |
最良：検索と分類 34 |
63 ms 毎秒16 · 遅い場合は2068 ms |
テキストのみ | 44.5% | 0.1 B 4ビットで1.3 GB |
はい mit |
はい | ファインチューニング済みモデル |
| 206 | Nirnaya 0.4B · loggenix-moe-0.4B-0.2A-sft-s4ベース |
3.2 Jevより-59.0 |
最良：ツールと自動化 5.5 |
14 ms 毎秒69 · 遅い場合は36 ms |
テキストのみ | 4.6% | 0.4 B 4ビットで1.4 GB |
はい | — | ファインチューニング済みモデル |
| 207 | Zev | 1.9 Jevより-60.3 |
最良：芸術と人の好み 6 |
1 ms 毎秒2000 · 遅い場合は2 ms |
テキストのみ | 13.8% | — | いいえ | — | 市販モデルに適用した手法 |
| 208 | Verdict · gliclass-modern-base-v2.0ベース |
1.5 Jevより-60.7 |
最良：ツールと自動化 6.6 |
11 ms 毎秒88 · 遅い場合は60 ms |
テキストのみ | 15.4% | 0.2 B 4ビットで1.3 GB |
はい apache-2.0 |
はい | ファインチューニング済みモデル |
Decision Index：0（ランダムな推測）から100（完璧）までの、偶然分を補正したスコア。公開ベンチマーク（20%）、同じ能力を測る非公開テスト（50%）、新しい分野の非公開タスク（30%）を組み合わせています。分野は左から順に、知識と推論、言語理解、検索と分類、ツールと自動化、芸術と人の好み、ゲームと戦略（空のバーはまだ未測定）。速度：1回の判断にかかる時間の中央値と、遅い場合（95パーセンタイル）で、ボードが1 x NVIDIA RTX PRO 6000で測定したものです。判断用モデルは1つの答えを返すため、トークン/秒は当てはまりません。画像：ボード別のビジョンランキング（0.4）でのスコア。キャリブレーション誤差（ECE）：示された確率が、モデルが実際に正解する頻度からどれだけ離れているか。低いほど優れています。商用利用：モデルのHugging Faceページのライセンスにもとづきます。「非商用」ライセンス（NC）は業務での利用を禁じています。4ビットのサイズと「お使いのハードウェアに収まる」は当サイトの推定です。ハイライトされた行は、Jevより高いスコアです。
判断用モデル上位15件
Decision Indexスコア、軸は50から開始。上位5つのモデルは、2つのグラフで同じ色です。濃いバーと破線：TypeSafe自身のモデル Jev 1.14（62.22）。破線を超えるバーは、Jevより高いスコアです。
この表の内容 · 見方
表示内容。Jev Decision Indexで見た、最高のオープンな判断用モデル15件です。基準として、Jev自身（濃い斜線のバー）も表示しています。
見方。バーが長いほど優れたモデルです。破線を超えるバーは、Jevより高いスコアです。上位5つは、2つのグラフで同じ色になっています。
サイズとスコアの関係
小さくて強い
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
点はそれぞれオープンモデルです。上ほど優秀、左ほど小さいことを表します。線は、それより小さいすべてのモデルに勝つモデルを結んでいます。パラメータ数は対数目盛です。破線：Jev 1.14。色つきの点：上位5つのモデルで、バーと同じ色です。破線より上の点は、Jevに勝っています。
この表の内容 · 見方
表示内容。サイズが判明しているすべての判断用モデルについて、Decision Indexスコアとパラメータ数の関係を示します。
見方。上ほど優秀、左ほど小さいことを表します。破線のJevの線より上の点は、Jevに勝っています。緑の角には、小さくて強く、最も安く動かせるモデルが集まっています。
判断用モデルについて
何に向いていますか？
リクエストを適切なモデルに振り分ける、チケットやメールを分類する、はい／いいえを確認する、エージェントの次の行動を選ぶ、回答を採点する、といった用途です。LLMが「B」と言うためだけに長い返答を書くような場面すべてに向いています。
Jevは無料ですか？
Jev自体は、TypeSafe AIのクローズドなホスト型モデルです。このランキングのモデルはオープンな再現版で、その多くは重みがHugging Faceにあり、ダウンロードして無料で動かせます。
これらのスコアはどこから来ていますか？
Hugging Face上のコミュニティ主導のランキングJev Decision Index（Decision Index decision-index-0.3、公開ベンチマーク42件と非公開テスト）からです。最終更新は2026年10月20日。非公式でTypeSafe AIとは無関係で、当サイトも同様です。スコアは毎晩コピーし、各モデルをそのページにリンクしています。
このページを共有：XLinkedInRedditWhatsApp
数字の誤りやリンク切れを見つけましたか？間違いを報告