/ Модель

Характеристики

Контекст
262 144 токена
Размер весов
9,1 ГБ
Лицензия
Apache 2.0
Архитектура
qwen3_5 · dense
Базовая модель
Qwen3.5-4B
Библиотека
transformers
Опубликована
25 сен 2026

TinyJev-4B

Классификация текстаТекст → label7 профессий

TinyJev 4B v2 — дообученная на базе Qwen3.5-4B модель для оценки заданных вариантов ответа по длинным текстам через decision API Ollama.

306скачиваний за 30 дней1лайквеса обновлены1 окт 2026

Бенчмарки

Как модель справилась с задачами пользователей ailist и что о ней публикуют открытые лидерборды

Тесты пользователейпока нет

Никто ещё не опубликовал тест этой модели. Соберите бенчмарк из своих задач — результат появится здесь.

  1. Добавьте модель в бенчмарк

    Вместе с другими моделями категории «Текст» — сравнение идёт внутри одной категории.

  2. Опишите свои задачи

    Напишите запросы, при необходимости приложите файлы и эталонные ответы.

  3. Запустите и опубликуйте

    Модели ответят на каждую задачу, судья оценит ответы. Опубликованный результат появится на этой странице.

Публичные оценки

Из открытых лидербордов. Сравнивайте результаты одного теста при одинаковых условиях — отсутствие оценки не значит, что модель хуже.

В подключённых источниках результатов для этой модели пока нет.

Что умеет модель

Описание составлено по карточке модели и метаданным Hugging Face

TinyJev 4B v2 — модель Анкита с открытыми весами, дообученная на базе Qwen3.5-4B для принятия решений по тексту. Она предназначена для интерфейса decision API в Ollama 0.35.1 и новее: модель получает текст документа и вопрос с заданными вариантами ответа, затем оценивает каждый вариант и возвращает вероятности без поясняющего текста. Окно контекста — 16 тысяч токенов, поэтому в один запрос могут помещаться длинные документы, например договоры и цепочки писем. Архитектура — плотная Qwen3.5 на 4 млрд параметров; доступны веса Safetensors и GGUF в вариантах Q4_K_M и Q8_0.

Модель подходит для классификации по заданным вариантам, проверки положений договора и других задач, где требуется выбрать один из допустимых ответов. В опубликованных тестах она показывает результаты, сопоставимые с Tev1 на коротких запросах и лучшие результаты на длинных договорах, однако эти оценки относятся к наборам тестов, описанным автором. Измеренная слабость — многошаговые рассуждения о датах и числах. Для использования в Ollama требуется версия 0.35.1 или новее. Лицензия модели — Apache-2.0; в карточке также указаны источники обучающих данных и их лицензии.

Сценарии применения

  • проверка условий договора по заданным вариантам ответа
  • классификация положений политики или регламента
  • извлечение ответа из длинной цепочки писем
  • оценка вероятностей вариантов в локальном приложении на Ollama

Ограничения

Модель возвращает оценки только для предложенных вариантов и не предназначена для свободных текстовых ответов. В тестах отмечена слабость в многошаговых рассуждениях о датах и числах.

Для каких профессий подходит7

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

Также подходит для

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

Send this model some text and questions with the answers you will accept. It returns a probability for every option you offered and nothing else: it never writes prose, it scores your options and stops.

TinyJev 4B v2 is built for Ollama's decision API (/v1/systemone, Ollama 0.35.1 or newer). It was trained on the exact bytes Ollama sends to a decision model, and it ships with a 16k-token window, so a whole contract, policy or email thread fits in one request. Of Ollama's launch decision models, Tev1 (4B and 0.8B) ships with a 2k window and Nimble 9B with 8k.

One lap of Jev Grand Prix, driven through a local Ollama: every decision picks the racing line and the pedals, and code steers. An M1 Mac mini needs about 5 s per decision, so the race clock ran at 5% and the clip plays back at race speed. Its first lap from a standing start: 59.0 s, no off-tracks; the game's README reports 59.2 s for TypeSafe's hosted Jev on its first lap.

Run it

ollama pull parable/tinyjev        # Ollama 0.35.1 or newer, 4.5 GB
curl http://localhost:11434/v1/systemone -d '{
  "model": "parable/tinyjev",
  "state": "Shoes arrived two weeks late and in the wrong size. Also I see two charges on my card.",
  "questions": {
    "team":     {"type": "choice", "instructions": "Which team should handle this?",
                 "criteria": {"returns": "Exchanges, refunds, wrong or damaged items",
                              "shipping": "Delivery status, delays, lost packages",
                              "billing": "Charges, invoices, payment problems"}},
    "escalate": {"type": "noul", "instructions": "Does this need urgent human attention?"}
  }}'

From Python, pip install tinyjev then tinyjev.load("TinyJev-4B").predict({...}) talks to your local Ollama. Without ollama.com: download TinyJev-4B-Q8_0.gguf and Modelfile from this repo and run ollama create tinyjev -f Modelfile. TinyJev-4B-Q4_K_M.gguf is the smaller file (2.7 GB); change the FROM line to use it.

Measured

Every row runs through Ollama 0.35.1's own /v1/systemone, same inputs, Q8_0 weights.

ModelJevBench public (231)OpenDecision 500Contracts: 60 unseen NDAs (180 questions)
TinyJev 4B v20.7664900.806
Tev1 4B, as shipped in Ollama (2k window)0.6884870.406
Tev1 4B, window raised to 16k0.7624870.728
Qwen3.5-4B, no fine-tuning0.693479—

JevBench is the public split of fstandhartinger/jevbench, scored by its own typesafe adapter; requests Ollama rejects for length count as wrong. OpenDecision is the 500-case suite in benchmarks/opendecision. The contract column asks what each test-split NDA from ContractNLI says about three of its clauses (says so / says the opposite / silent), in wording never used in training. Tev1 as shipped rejects 26 of the 60 NDAs as longer than its window, and those questions count as wrong. Each NDA's rare "says the opposite" clauses are asked first, so 46% of the questions are contradictions.

On short decisions TinyJev v2 is level with Tev1 at a 16k window: 177 against 176 of the 231 JevBench items, 490 against 487 on OpenDecision. The lead is on long contracts. On JevBench's 19 long-policy items Tev1 still wins, 8 to 6.

How it was built

  • Base: Qwen3.5-4B, LoRA r8 / alpha 16 on every linear layer of the language model, merged into these weights.
  • Data: Together AI's public Tev1 training set (37,840 decisions, MIT), re-rendered byte for byte in the prompt Ollama builds, plus 1,269 long-document questions from ContractNLI train-split NDAs (median 2.3k tokens, longest 11.8k).
  • Recipe: loss on the single answer letter, lr 5e-5 cosine, one epoch, one A100 for about two hours.
  • Kept out: no JevBench or OpenDecision item. A 13-gram check against both finds zero overlap.

Ollama scores each question with one forward pass and a softmax over the option letters, so the probabilities are the model's own. Each question in a request costs one read of the prompt: about 1.8 s per question for a 700-token prompt on an M1 Mac mini at Q8_0.

Known weakness, measured: multi-step date and number reasoning. It gets 1 of JevBench's 15 hard temporal items, as does Tev1.

Version 1

The previous TinyJev 4B (Qwen3-4B-Base plus a pointer head, scored in-process with MLX or PyTorch) is kept at revision v1: tinyjev.load("TinyJev-4B-v1"), or revision="v1" with huggingface_hub.

Credits

Built on Qwen3.5-4B (Apache-2.0). Training recipe and the bulk of the data from Tev1 by Together AI (MIT). Contract data from ContractNLI (Koreeda and Manning, 2021, Hitachi America, CC BY 4.0). The decision interface follows TypeSafe's Jev as implemented by Ollama. The racing demo is Jev Grand Prix by enoyola (MIT).

Support the Project

If this model is useful in your work, you can support independent research:

Как запустить

На своей GPU в ailist. Цена — по текущим предложениям провайдеров

GPU в ailist

Универсальный рантайм · transformers

Можно запустить

Подбираем GPU…

Класс архитектуры
Qwen3_5ForConditionalGeneration
Ревизия весов
9c484f2

0 моделей