Jared PalmerEntscheidungs-Duell
Kev 4Bvs.Kev 9B
Welches Modell entscheidet besser?
Kev 9B schneidet in unabhängigen Tests besser ab.
Nimm Kev 4B für
Nimm Kev 9B für
Gemeinsame Tests
Nur unabhängige Auswerter und Bestenlisten, je Auswerter der neueste gemeinsame Stand. Mit 95-%-Bereichen zählt ein Vorsprung, wenn sie sich nicht überlappen; bei Trefferquoten, wenn er im 95-%-Test hält. Ohne Unsicherheitsangabe höchstens „leicht vorn“.
Jev Decision Index
Kev 9B vornKev 9B ist in 12 von 37 Teiltests klar vorn und in 6 leicht, Kev 4B in 3 klar und in 1 leicht. 15 sind gleichauf.
POP909 · Decision Index 0.4.1
2.000 Aufgaben, Stand 28. Oktober 2026
ChessBench · Decision Index 0.4.1
5.000 Aufgaben, Stand 28. Oktober 2026
API-Bank · Decision Index 0.4.1
508 Aufgaben, Stand 28. Oktober 2026
Alle 37 Teiltests zeigen
| Teiltest | Kev 4B | Kev 9B | Urteil |
|---|---|---|---|
| POP909 · Decision Index 0.4.1 | 1,2 | 10,2 | Kev 9B vorn |
| ChessBench · Decision Index 0.4.1 | 8,9 | 12,0 | Kev 9B vorn |
| API-Bank · Decision Index 0.4.1 | 53,3 | 65,4 | Kev 9B vorn |
| GSM8K · Decision Index 0.4.1 | 46,5 | 54,4 | Kev 9B vorn |
| CRUXEval · Decision Index 0.4.1 | 48,1 | 55,4 | Kev 9B vorn |
| MMLU-Pro · Decision Index 0.4.1 | 50,7 | 56,5 | Kev 9B vorn |
| PhishNChips · Decision Index 0.4.1 | 55,3 | 61,6 | Kev 9B vorn |
| BPoMP · Decision Index 0.4.1 | 65,1 | 58,9 | Kev 4B vorn |
| When2Call · Decision Index 0.4.1 | 66,7 | 60,7 | Kev 4B vorn |
| cfcolor · Decision Index 0.4.1 | 57,9 | 53,0 | Kev 4B vorn |
| WinoGrande · Decision Index 0.4.1 | 70,2 | 75,1 | Kev 9B vorn |
| BBH · Decision Index 0.4.1 | 62,5 | 66,3 | Kev 9B vorn |
| Humicroedit · Decision Index 0.4.1 | 54,4 | 57,3 | Kev 9B vorn |
| HellaSwag · Decision Index 0.4.1 | 78,9 | 82,7 | Kev 9B vorn |
| BFCL · Decision Index 0.4.1 | 93,1 | 95,2 | Kev 9B vorn |
| ACOS · Decision Index 0.4.1 | 9,8 | 17,0 | Kev 9B leicht vorn |
| Amazon ESCI · Decision Index 0.4.1 | 39,7 | 49,1 | Kev 9B leicht vorn |
| ANLI · Decision Index 0.4.1 | 48,1 | 58,1 | Kev 9B leicht vorn |
| iSarcasmEval · Decision Index 0.4.1 | 46,8 | 43,2 | Kev 4B leicht vorn |
| VAST · Decision Index 0.4.1 | 52,4 | 56,7 | Kev 9B leicht vorn |
| ToolRet · Decision Index 0.4.1 | 61,0 | 63,8 | Kev 9B leicht vorn |
| RAGTruth · Decision Index 0.4.1 | 67,5 | 70,6 | Kev 9B leicht vorn |
| Home appliances · Decision Index 0.4.1 | 14,8 | 11,4 | gleichauf |
| New Yorker · Decision Index 0.4.1 | 52,3 | 56,6 | gleichauf |
| HLE · Decision Index 0.4.1 | 10,2 | 11,0 | gleichauf |
| SATA-Bench · Decision Index 0.4.1 | 28,8 | 30,7 | gleichauf |
| Habermas · Decision Index 0.4.1 | 42,0 | 40,0 | gleichauf |
| FinEntity · Decision Index 0.4.1 | 87,1 | 89,7 | gleichauf |
| CLINC150 · Decision Index 0.4.1 | 75,0 | 77,1 | gleichauf |
| BRIGHT · Decision Index 0.4.1 | 39,0 | 38,2 | gleichauf |
| HoVer · Decision Index 0.4.1 | 59,7 | 60,7 | gleichauf |
| ContractNLI · Decision Index 0.4.1 | 64,4 | 65,3 | gleichauf |
| NLI4CT · Decision Index 0.4.1 | 74,6 | 75,2 | gleichauf |
| CLadder · Decision Index 0.4.1 | 63,1 | 63,5 | gleichauf |
| BANKING77 · Decision Index 0.4.1 | 82,9 | 83,3 | gleichauf |
| MuSR · Decision Index 0.4.1 | 56,3 | 56,5 | gleichauf |
| GPQA Diamond · Decision Index 0.4.1 | 37,8 | 37,8 | gleichauf |
Quelle · zuletzt 28. Oktober 2026
AIMultiple decision-models evaluation
je nach TeiltestKev 4B ist in 0 von 4 Teiltests klar vorn und in 1 leicht, Kev 9B in 0 klar und in 1 leicht. 2 sind gleichauf.
AIMultiple decision-task benchmark: Recall danger level
500 Aufgaben, Stand 18. Oktober 2026
AIMultiple decision-task benchmark: Task done check
Stand 18. Oktober 2026
AIMultiple decision-task benchmark: Security flaw severity
500 Aufgaben, Stand 18. Oktober 2026
Alle 4 Teiltests zeigen
| Teiltest | Kev 4B | Kev 9B | Urteil |
|---|---|---|---|
| AIMultiple decision-task benchmark: Recall danger level | 61,10 | 56,70 | Kev 4B leicht vorn |
| AIMultiple decision-task benchmark: Task done check | 87,40 | 90,20 | Kev 9B leicht vorn |
| AIMultiple decision-task benchmark: Security flaw severity | 40,40 | 41,40 | gleichauf |
| AIMultiple decision-task benchmark: Research paper topic | 66,40 | 67,60 | gleichauf |
Quelle · zuletzt 18. Oktober 2026
Kevala decision benchmark report
Kev 9B leicht vornKev 9B ist in 0 von 3 Teiltests klar vorn und in 2 leicht, Kev 4B in keinem. 1 ist gleichauf.
Kevala semif-perturbations108 decision accuracy
95-%-Bereiche 81,2 bis 98,8 und 90,7 bis 100,0, 972 Aufgaben, Stand 23. Oktober 2026
Kevala kevala-authored36 decision accuracy
95-%-Bereiche 82,4 bis 98,2 und 89,8 bis 100,0, 324 Aufgaben, Stand 23. Oktober 2026
Kevala semif-authored144 decision accuracy
95-%-Bereiche 85,9 bis 93,1 und 88,2 bis 95,6, 1.296 Aufgaben, Stand 23. Oktober 2026
Quelle · zuletzt 23. Oktober 2026
Duan et al., General Decision Models: Benchmarking and Insights Beyond Jev
Kev 9B vornJEVal aida-testc accuracy
200 Aufgaben, Stand 22. Oktober 2026
Quelle · zuletzt 22. Oktober 2026
Herstellerangaben
Werte aus Berichten der Hersteller, in denen beide Modelle vorkommen. Sie zählen nicht zum Urteil.
1 Herstellerwerte zeigen
| Wert | Quelle | Kev 4B | Kev 9B |
|---|---|---|---|
| 14-public-dataset calibration error, per-dataset average (niedriger ist besser) | Jared Palmer, Introducing Kev | 0,10 | 0,10 |