Разработчики представили модель AgentJev для агентных циклов

Разработчики выпустили AgentJev-0.6B — специализированную языковую модель, предназначенную для работы в составе агентных систем. Релиз ориентирован на выполнение задач, требующих высокой скорости принятия решений без генерации длинных текстовых последовательностей.

В основе архитектуры лежит модель Qwen3-0.6B, дообученная для работы в режиме zero-token-decoding. Вместо стандартного текстового вывода система возвращает вероятностные распределения для типизированных решений, таких как логические значения (boolean), выбор из списка (choices) и числовые оценки (scores). Такой подход позволяет интегрировать модель в качестве «рефлекторного» узла в агентные циклы.

Инструмент демонстрирует производительность на уровне 76 баллов при выполнении задач за 21 час тестирования. Модель оптимизирована для сценариев, где требуется мгновенная реакция агента на входящие данные без необходимости декодирования токенов, что снижает задержки в цепочках рассуждений.

Репозиторий проекта доступен на GitHub под открытой лицензией. Использование AgentJev позволяет разработчикам агентных систем заменить тяжелые LLM на легкий модуль для классификации и принятия дискретных решений, что существенно ускоряет работу автономных исполнителей в реальном времени.