Modelos de decisão, classificados

Um modelo de decisão não escreve texto. Ele escolhe uma opção, dá uma pontuação ou responde sim ou não com uma probabilidade, em uma fração de segundo. A TypeSafe AI lançou o primeiro, o Jev, em setembro de 2026; dezenas de modelos abertos agora copiam a ideia.

Modelos classificados208180 com página no Hugging Face

Melhor modelo aberto71.2mammoth-1 (27B)

Jev 1.14 (TypeSafe)62.2modelo fechado, a referência

Melhores que o Jev27modelos abertos pontuam mais que o Jev, o primeiro modelo de decisão

Melhor para uso comercial69.4Perplexity Decider v1.2 (27B) · apache-2.0

Ranking completo

Uso comercial permitido Entende imagens Cabe no meu hardware × placas

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

Decision Index: pontuação corrigida pelo acaso, de 0 (chute aleatório) a 100 (perfeito), combinando benchmarks públicos (20%), testes privados das mesmas habilidades (50%) e tarefas privadas de domínios novos (30%). Áreas, da esquerda para a direita: Conhecimento & Raciocínio, Compreensão de linguagem, Busca & Classificação, Ferramentas & Automação, Artes & Gosto humano, Jogos & Estratégia (barra vazia: ainda não medido). Velocidade: tempo mediano por decisão e o pior caso (percentil 95), medidos pelo ranking em uma 1 x NVIDIA RTX PRO 6000; um modelo de decisão devolve uma só resposta, então tokens por segundo não se aplicam. Imagens: pontuação no ranking de Visão separado do ranking (0.4). Erro de calibração (ECE): quão distantes as probabilidades declaradas estão da frequência com que o modelo acerta; quanto menor, melhor. Uso comercial: conforme a licença na página do modelo no Hugging Face; licenças “não comerciais” (NC) proíbem o uso empresarial. O tamanho com 4 bits e “cabe no meu hardware” são estimativas nossas. As linhas destacadas pontuam melhor que o Jev.

Os 15 melhores modelos de decisão

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

Pontuação Decision Index, o eixo começa em 50. Os cinco melhores modelos têm a mesma cor nos dois gráficos. Barra escura e linha tracejada: Jev 1.14, o modelo da própria TypeSafe (62.22). As barras que passam da linha pontuam melhor que o Jev.

O que isto mostra · Como ler

O que mostra. Os 15 melhores modelos de decisão abertos no Jev Decision Index, com o próprio Jev (a barra escura listrada) como referência.

Como ler. Barra mais longa, modelo melhor. As barras que passam da linha tracejada pontuam melhor que o Jev. Os cinco melhores têm as mesmas cores nos dois gráficos.

Pontuação por tamanho

Pequenos e fortes 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

Cada ponto é um modelo aberto; mais alto é melhor, mais à esquerda é menor. A linha une os modelos que superam todos os menores. Parâmetros em escala logarítmica. Linha tracejada: Jev 1.14. Pontos coloridos: os cinco melhores modelos, com as mesmas cores das barras. Os pontos acima da linha tracejada superam o Jev.

O que isto mostra · Como ler

O que mostra. Todos os modelos de decisão de tamanho conhecido: pontuação Decision Index contra o número de parâmetros.

Como ler. Mais alto é melhor, mais à esquerda é menor. Os pontos acima da linha tracejada do Jev superam o Jev; o canto verde reúne os pequenos e fortes, os mais baratos de rodar.

Sobre os modelos de decisão

Para que serve?

Encaminhar um pedido ao modelo certo, classificar chamados ou e-mails, verificações de sim/não, escolher a próxima ação de um agente, pontuar respostas. Em qualquer lugar onde um LLM escreveria uma resposta longa só para dizer “B”.

O Jev é grátis?

O Jev em si é um modelo fechado e hospedado da TypeSafe AI. Os modelos deste ranking são reproduções abertas; a maioria tem pesos no Hugging Face que você pode baixar e rodar de graça.

De onde vêm estas pontuações?

Do Jev Decision Index, um ranking da comunidade no Hugging Face (Decision Index decision-index-0.3, 42 benchmarks públicos mais testes privados), atualizado pela última vez em 20 out. 2026. Ele não é oficial nem afiliado à TypeSafe AI; nós também não. Copiamos as pontuações dele uma vez por noite e ligamos cada modelo à sua página.

Compartilhe esta página:X LinkedIn Reddit WhatsApp

Viu um número errado ou um link quebrado? Informe um erro