Kev-0.5B
#10 in Small & Edge-ModelleUnknown · 0.5b · 3× · zuletzt 20. Sept. 2026
48
Momentum
Kev-0.5B ist ein quelloffenes, sehr kleines Entscheidungsmodell ("decision model") von Entwickler Jared Palmer, das auf dem Basismodell Qwen2.5-0.5B aufbaut. Statt Text zu generieren, verarbeitet es ein Dokument zusammen mit mehreren typisierten Fragen in einem einzigen Forward-Pass und liefert kalibrierte Wahrscheinlichkeitsverteilungen als Antwort. Es ist als LoRA-Adapter plus kleinem Pointer-Head konzipiert, bietet eine TypeSafe-kompatible API und lässt sich vollständig lokal auf einem MacBook Pro (Apple Silicon) trainieren und ausführen. Gewichte und Modellkarte sind auf GitHub und Hugging Face frei verfügbar.
Momentum-Verlauf
22.06.20.09.
Features
| Key-Benchmark (%) | 79,9% Accuracy auf Held-out-Split der sechs Trainingsquellen (1.350 Fragen, selbstberichtet) |
| Lizenz | Apache-2.0 (Basis, Adapter und Head) |
| Multimodalität | Nicht multimodal; reine Textverarbeitung, generiert keinen Text, sondern nur Wahrscheinlichkeitsverteilungen auf typisierte Fragen |
| Plattform | Läuft lokal auf MacBook Pro (Apple Silicon, getestet auf MPS); Training auch via Cloud (H100 über Modal) |
| Release-Datum | Nicht offiziell mit exaktem Datum dokumentiert; Ankündigung 2026 via X/Twitter und GitHub-Release v0.1.0 |