Kev模型技术解析：基于Qwen3.5的轻量级结构化决策建模方法
Hacker News 最近在讨论 Kev 模型——一个基于通义千问 Qwen3.5 的轻量级决策建模实验项目。它不是官方发布，没开源，也没有 API，只在 Hugging Face 上放了少量推理权重和微调脚本。Kev 不是通用大模型，目标很窄：把自然语言指令 + 网页 DOM 摘要，映射成可执行的结构化操作序列。它能在单卡 24GB 显存上跑 1.8B 参数版本，支持 4k 上下文，输出强制结构化，比如：
<act>click</act><pos>128,304</pos>
<act>type</act><text>hello world</text>技术路线上，它和 Jev 类似，走轻量化路线，但没用强化学习，而是监督式轨迹蒸馏 + 输出格式硬约束。泛化能力弱了，换来的是确定性输出和低延迟。
Kev 是什么？不是什么？
Kev 不是新开源模型，也不是 Qwen 官方分支。它由匿名研究者用 Qwen3.5-0.5B 和 Qwen3.5-1.8B 微调而来，主要改动有三处：
- 替换最终层为多头动作分类头：分别预测 action type、target ID、坐标偏移；
- 注入 12K 条人工构造的 WebUI 决策轨迹（Selenium 自动回放 + 人工校验）；
- 关闭所有自回归生成能力，只允许 forced decoding。
它不续写文本，不回答问题，不写诗。输入是带 DOM 摘要的 HTML 片段 + 自然语言指令，输出只能是 <act> <pos> 这类结构化标记。
实用门槛高：无 API、无文档、无基准
目前只有 PyTorch 权重和一个极简推理脚本 run_kve.py。没有 ONNX 导出，不支持 vLLM，也没 REST 接口。Hugging Face 页面里缺训练配置、超参记录、评估方法。社区复现发现：相同 prompt 下不同 seed 微调的 F1 值能差 ±17%；输入 DOM 若没按它预设方式截断/归一化节点属性（比如 class 名截到 32 字符、href 去 query 参数），准确率直接掉 40% 以上。更关键的是，它没在 WebShop、Mind2Web 或 ALFWorld 这类标准决策基准上报告任何分数。“85% 精确匹配”全出自非公开测试集，不可比。
轻量化决策建模的试探性价值
工程成熟度低，但设计思路值得细看：不到 2B 参数，端到端建模 UI 操作，A10G 上推理延迟稳定在 320±40ms。对比 Llama-3-8B + ReAct 方案（>1.2s），快了三倍多。强制结构化解码堵死了 token hallucination，自动化测试、无障碍辅助这类需要行为确定性的场景里，比“LLM+Parser”流水线故障面更小。这说明一条被忽略的路径：决策智能不一定靠更大模型，而可以靠更紧的指令-动作耦合、更窄的输出空间压缩。
👉 Binance · OKX · Gate.io · HTX · Bitget
生态支持近乎空白
Kev 没接入任何主流 Agent 框架：
- LangChain 不认它的输出 schema；
- LlamaIndex 无法索引
<act>这类 action token； - AutoGen 默认拒绝加载——它 config.json 不符合标准格式；
- OpenClaw 也不兼容：
step_executor依赖 OpenAI-style function calling，而 Kev 输出是 XML tag 流。
想用它？得自己写 adapter 解析 <act> 块，再映射到 Playwright 或 WebDriver 命令。这种碎片化，暴露了轻量决策模型和现有工具链之间的结构性断层。
行业意义：小模型不是妥协，而是新接口范式
Kev 的真正价值不在跑分，而在接口设计哲学。当大厂还在堆参数、扩上下文时，它反问：如果任务明确（如“把购物车第2件商品数量改为3”）、环境可控（Chromium DevTools 协议）、反馈极短（点击即生效），还非得保留通用语言理解能力吗？答案可能是否定的。Kev 加速了从「通用代理」向「专用决策单元」的迁移——未来 Agent 架构大概率分层：顶层用 7B 模型做意图分解，底层用多个 <2B 的 Kev-like 模块，分别处理 UI、API、CLI 等原子动作域。
如果你在探索低资源决策智能，可以下载权重，本地跑通 run_kve.py，重点测它对 DOM 输入扰动的鲁棒性边界；但别用在生产环境。真正的机会不在复刻 Kev，而在构建适配这类轻量决策单元的 runtime：支持动态 schema 注册、action token 到 WebDriver 命令的零代码映射、跨模型动作空间对齐的中间表示层。这才是下一代 Agent 开发者的实战场。
相关阅读