Разработчики представили компактную модель NanoJev для принятия решений

Исследователи выпустили NanoJev — специализированную модель с параметрами 0.6B, предназначенную для задач принятия решений в реальном времени. Архитектура системы поддерживает параллельную обработку данных, что позволяет ей генерировать полные вероятностные распределения без необходимости классического авторегрессионного декодирования.

В ходе тестирования модель продемонстрировала высокую эффективность в игровых средах, включая симуляции лабиринтов и игру «Змейка». По результатам бенчмарков, NanoJev превосходит показатели моделей Jev и Qwen в аналогичных сценариях. Скорость работы системы составила 9 баллов по внутренней шкале оценки при времени обучения или инференса в 10 часов.

Техническая реализация модели ориентирована на минимизацию вычислительных затрат при сохранении точности прогнозирования состояний. Отказ от пошагового декодирования токенов позволяет системе быстрее реагировать на изменения среды, что критично для задач управления агентами в динамических условиях.

Релиз доступен в открытом доступе на GitHub под свободной лицензией. Разработчики отмечают, что малый размер модели позволяет запускать её на потребительском оборудовании без использования мощных серверных GPU, что упрощает интеграцию в локальные AI-системы и автономные игровые движки.