Labqoat 推出决策模型 qev-0.8b，参数量为 8 亿，面向提示词注入检测、工具选择、客服工单分流等任务。它不生成文本，而是输出判断的概率。发布方自测显示，该模型在 Benchmark Heaven 公开集上的准确率为 77.1%，在参与比较的 27 款决策模型中排名第一；在单张 NVIDIA L40S 上，单次请求的中位延迟为 3.5 毫秒，也是此次比较中最快的。
据项目页介绍，qev-0.8b 是基于 Qwen3.5-0.8B-Base 的全量微调模型，采用 Apache-2.0 许可。其接口支持选择题、是否判断和评分题，返回概率分布，供调用方按阈值决定执行操作，或转交人工及更大的模型处理。
接口每次最多接收 16 个问题，每个选择题最多支持 255 个选项；批量接口一次最多处理 64 个请求。官方还展示了收据识别和截图判断：据发布方测试，在 100 张生成的收据上，总额、类别及限额判断全部正确；在 100 张生成的截图上，屏幕类型和错误判断全部正确。
本地部署方面，项目提供 CUDA、面向 Apple silicon 的 MLX，以及供 llama.cpp 使用的 GGUF 格式。官方列出的 bf16 权重大小为 1.7 GB，8-bit 权重为 0.8 GB；Mac 上运行 8-bit 版本约需 1.3 GB 内存，M4 Pro 上的延迟为 109 毫秒。
此次比较使用相同题目和评分方式，各模型在单张 NVIDIA L40S 上采用各自公布的推理方案运行。Benchmark Heaven 公开集包含 231 道题，项目页标注的抽样误差约为 ±2.8 个百分点。
发布方表格中，排名第二的 decision-2b 准确率为 76.2%，参数量为 20 亿；第三名 decider-2b 为 75.8%，参数量为 19 亿。两者的单次请求中位延迟分别为 81.3 毫秒和 7.2 毫秒，延迟测试的批大小为 1。
在另外两项评测中，发布方报告 qev-0.8b 的 JevExtra 得分为 72.0%，次优模型为 64.1%；JevSpatial 得分为 74.2%。项目页称，Tetris、Pac-Man、Breakout、2048 和 Whac-A-Mole 均未进入训练数据。
这些成绩均来自发布方测试。官方注明，qev 使用自家评测脚本，其余 26 款模型使用另一套对比脚本；后者曾给上一版 qev 少算对一道题，结果为 76.6%，而非 77.1%。表中带脚注标记的部分模型有 100 道以上题目运行失败，被按均匀猜测计分，官方称这低估了它们的成绩。此外，decider-2b 和 lev-350m 缺少 JevSpatial 与 Rules-7 的测试结果。
