# Decision 2.0 et Vela 2.0 contre Kev-4B : benchmark sur un GB10 > vLLM Semantic Router a publié deux familles de modèles de décision ouverts, Decision 2.0 et Vela 2.0. Sur un GB10, Vela 2.0 4B a reconnu le bon type de tâche sur 96,6 % de nos 328 requêtes, contre 92,4 % pour Kev-4B, pour trois fois plus d'attente. Son petit frère de 0,3 milliard de paramètres atteint 85,7 % sans GPU. - Publié : 2026-10-07 - Auteur : Flavien Berwick - Catégorie : Recherche - Page web : https://carouter.ai/fr/blog/decision-2-and-vela-2-vs-kev - En anglais : https://carouter.ai/blog/decision-2-and-vela-2-vs-kev.md - Traduit de l'anglais par une IA. ![Recherche : Decision 2.0 et Vela 2.0 contre Kev-4B, benchmark sur un GB10. Type de tâche bien reconnu sur nos 328 requêtes : Decision 2.0 Nox-4B 93,0 % en 194 ms et 11 Go, Vela 2.0 4B 96,6 % en 319 ms et 23 Go, Kev-4B 92,4 % en 99 ms et 14 Go, Vela 2.0 0.3B sans GPU 85,7 % en 92 ms et 4 Go. Le Qwen3.5-4B d'OpenJev, sans entraînement, reste en tête à 97,0 %, en 192 ms et 9 Go.](https://carouter.ai/blog/decision-2-and-vela-2-vs-kev/illustration.png) Le projet vLLM Semantic Router a publié deux familles de modèles de décision ouverts : Decision 2.0, puis Vela 2.0 cette semaine. Comme Jev et Kev, ils répondent à des questions typées sur un texte. Nous en avons passé trois sur nos deux benchmarks à côté de Kev, sur un GB10 de NVIDIA, la machine qui sert Kev-4B à l'adresse /v1/decisions. Ce sont Decision 2.0 Nox-4B, Vela 2.0 4B et Vela 2.0 0.3B, assez petit pour se passer de GPU. C'est le cinquième article de la série. Son tableau réunit tous les modèles de décision que nous avons testés jusqu'ici, et ses dernières sections disent à quoi chacun peut servir. [Lire le premier benchmark.](https://carouter.ai/fr/blog/jev-kev-laya-decision-models) [Lire le deuxième, paru avec le lancement de Kev.](https://carouter.ai/fr/blog/kev-available-on-carouter) [Lire le troisième, sur OpenJev.](https://carouter.ai/fr/blog/openjev-vs-kev) [Lire le quatrième, sur Clef et Strands Decider.](https://carouter.ai/fr/blog/clef-strands-decider-vs-kev) ## En bref - **Sur nos requêtes.** Vela 2.0 4B a reconnu le bon type de tâche sur 96,6 % de nos 328 requêtes, contre 93,0 % pour Decision 2.0 Nox-4B et 92,4 % pour Kev-4B. C'est le plus juste des modèles entraînés que nous avons testés, à une requête du Qwen3.5-4B d'OpenJev, qui n'a reçu aucun entraînement. - **Là où Vela prend l'avantage.** Il a reconnu toutes les conversations courantes et 29 des 32 étapes d'agent. Or CARouter reconnaît une étape d'agent à la requête elle-même. Notés de cette façon, Vela 2.0 4B est à 97,6 % et Kev-4B à 97,3 % : une seule requête les sépare. - **Sans GPU.** Sur un processeur seul, Vela 2.0 0.3B atteint 85,7 %, devant les 80,2 % de Kev-0.8B sur un GPU. Une décision courte y prend 92 millisecondes. - **Sur les requêtes publiques.** Vela 2.0 4B atteint 80 % en anglais et 76 % en français, Nox-4B 79 % et 78 %. Kev-4B est à 76 % et 70 %. - **L'assurance.** Sur les requêtes publiques en anglais, Nox-4B ne s'est trompé en étant sûr de lui à 90 % ou plus que sur 0,7 % des requêtes, contre 3 % pour Kev-4B et 7 % pour Vela 2.0 4B. - **Vitesse.** Pour une requête courte, une décision à trois questions prend 99 millisecondes avec Kev-4B, 194 avec Nox-4B et 319 avec Vela 2.0 4B. - **Mémoire.** Vela 2.0 4B occupe 23 des 121 Go du GB10, Kev-4B 14 et Nox-4B 11. Le 0.3B occupe 1,5 Go sur le GPU. ## Qui sont les nouveaux venus Decision 2.0 est une famille de six modèles, de 0,6 à 27 milliards de paramètres. Nous avons testé son modèle 4B, Nox, publié sous licence Apache 2.0. Il est affiné à partir de Qwen3.5-4B-Base, la base de Kev-4B, et répond aux trois mêmes types de questions que Jev : un choix, un oui ou non, une note. [Les poids de Nox-4B.](https://huggingface.co/vllm-sr/Decision-2.0-Nox-4B) Les grands modèles de Vela 2.0 partent de Decision 2.0. Ils sont entraînés à ce qu'un routeur doit savoir d'une requête avant de l'envoyer où que ce soit : son sujet, si c'est une attaque, si elle contient des renseignements personnels, si une réponse s'appuie bien sur ses sources. [L'annonce.](https://vllm-sr.ai/blog/vela-2-0-open-foundation-routing-models/) [Les poids de Vela 2.0 4B.](https://huggingface.co/vllm-sr/Vela-2.0-4B) Vela 2.0 ajoute deux types de réponses. Une question d'ensemble renvoie toutes les étiquettes qui s'appliquent. Une question de repérage renvoie les mots exacts trouvés, avec leur position dans le texte. Vela 2.0 0.3B est construit autrement. C'est un encodeur de 0,3 milliard de paramètres, le genre de modèle qui lit un texte sans pouvoir en écrire, et il tourne sur un processeur. Ses poids sont sous licence Apache 2.0, mais son tokenizer reste soumis aux conditions d'utilisation de Gemma, de Google. Leurs auteurs le disent : cette spécialisation a un prix. Sur le Jev Decision Index, une série publique de tâches de décision générales, les fiches annoncent environ 32 pour Vela 2.0 4B et environ 44 pour le Nox-4B dont il est issu. Nous nous attendions à ce que Vela comprenne nos requêtes moins bien que Nox. C'est le contraire qui s'est produit. Les deux modèles 4B lisent jusqu'à 16 384 tokens, et le 0.3B 8 192, questions comprises. Decision 2.0 refuse une requête trop longue ; Vela 2.0 la coupe. Aucune de nos requêtes de test n'a atteint ces limites. ## Comment nous avons testé La machine de test est un GB10, le même modèle que celle qui sert Kev, avec 121 Go de mémoire que se partagent le processeur et le GPU. Chaque modèle y a tourné seul, une requête à la fois, avec le code de ses auteurs. Kev a tourné comme notre serveur le fait tourner. Les deux benchmarks sont ceux des articles précédents. Sur les 1 020 requêtes publiques, chaque modèle répond à une seule question, avec neuf types de tâche. Sur nos 328 requêtes, il répond à trois questions : le type de tâche, sa difficulté, et si la réponse sera longue. Un seul script a noté tous les modèles : celui de l'article précédent. Avant de noter quoi que ce soit de nouveau, il recalcule les chiffres publiés dans les articles précédents, et s'arrête si un seul diffère. Les modèles des articles précédents gardent les chiffres que nous avons publiés. Kev-4B a tourné de nouveau sur cette machine de test, comme référence. Il a choisi la même réponse que la dernière fois pour 1 016 des 1 020 requêtes publiques et pour 325 de nos 328 requêtes, et ses temps sont à moins de 2 % de ceux du dernier article. Sur l'exemple de leur propre fiche, les deux modèles Vela ont donné les réponses qui y sont publiées, à 0,001 près. Decision 2.0 ne publie aucune réponse à laquelle se comparer. Avant de se charger, il vérifie chacun de ses fichiers par rapport à un manifeste, et sa réponse à l'exemple de sa fiche est sensée. Le 0.3B a tourné de trois façons : sur le GPU, puis sur le processeur seul avec deux moteurs d'inférence. Les trois ont choisi la même réponse pour chaque requête : sa justesse tient donc en une ligne, et sa vitesse en deux. Jev est un service hébergé payant, que nous n'avons pas rappelé. Ses chiffres sur les requêtes publiques sont ceux du premier benchmark, et il n'a jamais été passé sur nos requêtes. ## Ce que nous avons trouvé : la justesse ![Type de tâche bien reconnu, en anglais et en français, pour tous les modèles du tableau. Sur les 1 020 requêtes publiques : Jev 81 % et 76 %, Kev-9B 74 % et 67 %, Kev-4B 76 % et 70 %, Kev-0.8B 70 % et 64 %, OpenJev Qwen3.5-4B 79 % et 81 %, Strands Decider 80 % et 68 %, Clef-flash 82 % et 78 %, Clef 82 % et 76 %, Decision 2.0 Nox-4B 79 % et 78 %, Vela 2.0 4B 80 % et 76 %, Vela 2.0 0.3B 71 % et 64 %. Sur nos 328 requêtes : Kev-4B 93 % et 92 %, Kev-0.8B 80 % et 81 %, OpenJev Qwen3.5-4B 97 % et 97 %, Strands Decider 89 % et 85 %, Clef-flash 90 % et 90 %, Clef 95 % et 94 %, Decision 2.0 Nox-4B 93 % et 93 %, Vela 2.0 4B 96 % et 97 %, Vela 2.0 0.3B 87 % et 85 %. Jev et Kev-9B n'ont pas été passés sur nos requêtes.](https://carouter.ai/blog/decision-2-and-vela-2-vs-kev/01-accuracy-both-benchmarks.png) Vela 2.0 4B obtient 317 bonnes réponses sur nos 328 requêtes. Le Qwen3.5-4B d'OpenJev en obtient 318, Clef 310, Nox-4B 305 et Kev-4B 303. Nous avons rédigé les questions posées sur nos requêtes avec les réponses de Kev-4B sous les yeux, sur les trois cinquièmes des requêtes. Sur les 137 requêtes mises de côté, Vela 2.0 4B n'en manque qu'une : 99,3 %, contre 98,5 % pour OpenJev, 94,9 % pour Nox-4B et 93,4 % pour Kev-4B. Sur les requêtes publiques, les nouveaux venus rejoignent les meilleurs des modèles déjà testés. Vela 2.0 4B atteint 80 % en anglais et Nox-4B 79 %, autour des 81 % de Jev, le service hébergé, et devant Kev-4B, à 76 %. Le français n'y coûte qu'un point à Nox-4B : 78 % au lieu de 79 %. C'est le plus faible recul de tous les modèles entraînés du tableau. Vela 2.0 4B perd cinq points, comme Jev, et Kev-4B six. **Tous les modèles de décision que nous avons testés, sur les deux benchmarks et sur le GB10** | Modèle | Requêtes publiques, anglais | Requêtes publiques, français | Erreurs assurées, publiques, anglais | Nos 328 requêtes | Nos 328 requêtes, étapes d'agent lues dans la requête | Décision courte | Mémoire | | --- | --- | --- | --- | --- | --- | --- | --- | | Jev (hosted) | 80,9 % | 76,0 % | 11,7 % | non testé | non testé | non testé | non testé | | Kev-9B | 74,3 % | 66,5 % | 4,8 % | non testé | non testé | non testé | non testé | | Kev-4B | 75,7 % | 69,8 % | 3,3 % | 92,4 % | 97,3 % | 99 ms | 14 Go | | Kev-0.8B | 69,6 % | 63,7 % | 0,0 % | 80,2 % | 86,3 % | 23 ms | 4 Go | | OpenJev Qwen3.5-4B | 79,3 % | 80,8 % | 19,3 % | 97,0 % | 97,6 % | 192 ms | 9 Go | | Strands Decider 2B | 80,4 % | 67,7 % | 0,2 % | 87,2 % | 91,2 % | 108 ms | 4 Go | | Clef-flash (9B) | 82,0 % | 77,9 % | 8,9 % | 89,6 % | 95,1 % | 173 ms | 18 Go | | Clef (27B) | 81,9 % | 75,8 % | 8,1 % | 94,5 % | 95,7 % | 562 ms | 52 Go | | Decision 2.0 Nox-4B | 78,9 % | 77,7 % | 0,7 % | 93,0 % | 96,6 % | 194 ms | 11 Go | | Vela 2.0 4B | 80,4 % | 75,6 % | 6,7 % | 96,6 % | 97,6 % | 319 ms | 23 Go | | Vela 2.0 0.3B, sur processeur | 71,1 % | 64,0 % | 3,3 % | 85,7 % | 88,4 % | 92 ms | 4 Go | Vela 2.0 0.3B obtient 281 bonnes réponses sur nos requêtes, soit 85,7 %. C'est 18 de plus que Kev-0.8B et 5 de moins que Strands Decider, deux modèles qui ont besoin d'un GPU. Sur les requêtes publiques, il fait jeu égal avec Kev-0.8B : 71 % en anglais et 64 % en français. ## D'où viennent les écarts ![Type de tâche bien reconnu sur nos 328 requêtes, type par type, pour Kev-4B, OpenJev Qwen3.5-4B, Clef, Decision 2.0 Nox-4B, Vela 2.0 4B et Vela 2.0 0.3B. Conversation : 87 %, 100 %, 83 %, 93 %, 100 % et 97 %. Étape d'agent : 50 %, 94 %, 88 %, 63 %, 91 % et 72 %. Recherche : 82 %, 75 %, 71 %, 75 %, 71 % et 21 %. Résumé : 100 % pour tous, sauf le 0.3B à 85 %. Extraction : 100 %, 97 %, 97 %, 94 %, 100 % et 94 %. Mathématiques et rédaction d'affaires : 100 % pour tous, sauf le 0.3B à 91 % et 86 %. Les six atteignent 100 % sur le code et la traduction.](https://carouter.ai/blog/decision-2-and-vela-2-vs-kev/03-by-kind.png) Vela 2.0 4B fait un sans-faute sur sept des neuf types. Il a reconnu les 30 conversations courantes, quand Nox-4B en reconnaît 28 et Kev-4B 26. C'est sur les étapes d'agent qu'il creuse l'écart. Il en a reconnu 29 sur 32, contre 20 pour Nox-4B et 16 pour Kev-4B. Le dernier message d'une étape d'agent est le résultat d'un outil, qui ressemble à du code ou à une page web. C'est aussi le seul type que CARouter ne demande pas à un modèle. Une requête qui contient des définitions d'outils est une étape d'agent, et notre plateforme le voit comme elle voit la langue. Notés de cette façon, Vela 2.0 4B reconnaît 97,6 % des requêtes, Kev-4B 97,3 % et Nox-4B 96,6 %. La recherche est le seul type où Kev-4B devance les nouveaux venus : 23 sur 28, contre 21 pour Nox-4B et 20 pour Vela 2.0 4B. Le 0.3B n'en reconnaît que 6, et range 14 des autres dans la conversation. ## Ce que nous avons trouvé : l'assurance Un modèle qui décide à la place de quelqu'un ne devrait agir que lorsqu'il est sûr de lui. Nous comptons donc les réponses fausses que chacun donne avec au moins 90 % d'assurance. ![L'assurance sur les deux benchmarks. Sur les requêtes publiques en anglais, justesse et réponses fausses données avec 90 % de confiance ou plus : Jev 81 % de réponses justes et 12 % d'erreurs assurées, Kev-9B 74 % et 5 %, Kev-4B 76 % et 3 %, Kev-0.8B 70 % et 0 %, OpenJev Qwen3.5-4B 79 % et 19 %, Strands Decider 80 % et 0,2 %, Clef-flash 82 % et 9 %, Clef 82 % et 8 %, Decision 2.0 Nox-4B 79 % et 0,7 %, Vela 2.0 4B 80 % et 7 %, Vela 2.0 0.3B 71 % et 3 %. Sur nos 328 requêtes, réponses données avec 90 % de confiance ou plus : Kev-4B 187, aucune fausse ; Kev-0.8B 2, aucune fausse ; OpenJev Qwen3.5-4B 292, dont 4 fausses ; Strands Decider 131, aucune fausse ; Clef-flash 227, dont 2 fausses ; Clef 213, aucune fausse ; Decision 2.0 Nox-4B 59, aucune fausse ; Vela 2.0 4B 269, dont 2 fausses ; Vela 2.0 0.3B 172, aucune fausse.](https://carouter.ai/blog/decision-2-and-vela-2-vs-kev/02-confidence.png) Sur les requêtes publiques, Nox-4B se trompe avec assurance sur 0,7 % des requêtes en anglais, et sur aucune en français. Vela 2.0 4B est à 7 %, entre Kev-4B, à 3 %, et Clef, à 8 %. Sur nos requêtes, Vela 2.0 4B a donné 269 réponses à ce niveau d'assurance, dont deux fausses. Le 0.3B en a donné 172, Kev-4B 187 et Nox-4B 59, sans aucune erreur. Chaque modèle calcule son assurance à sa façon, et celle de Decision 2.0 est la plus sévère : elle baisse dès qu'une deuxième option reçoit un peu de probabilité. Recalculée avec la formule de Kev, l'assurance de Nox-4B atteint ce niveau pour 144 réponses, et ses erreurs assurées sur les requêtes publiques en anglais passent de 0,7 % à 5 %. ## Difficulté et réponses longues Les deux nouveaux modèles 4B évaluent mieux la difficulté que Kev-4B. Nox-4B place une requête à un niveau près du nôtre 94 % du temps et Vela 2.0 4B 92 %, contre 88 % pour Kev-4B et 81 % pour le 0.3B. Clef reste en tête, à 98 %. Dix de nos 328 requêtes demandent une réponse longue. Nox-4B a repéré les dix, avec cinq fausses alertes. Vela 2.0 4B en a trouvé huit, avec huit fausses alertes. Kev-4B en a trouvé sept, sans fausse alerte. Le 0.3B ne sait pas répondre à cette question. Il n'a trouvé que quatre des dix, et a signalé 154 requêtes qui ne demandaient pas de réponse longue. ## Vitesse et mémoire sur un GB10 Nous avons chronométré la décision à trois questions des articles précédents, chaque fois sur une requête nouvelle, de la requête courte à celle de 4 000 tokens. ![Temps médian d'une décision à trois questions selon la longueur de la requête sur le GB10, en échelles logarithmiques, et mémoire occupée au maximum. Kev-4B : de 99 à 631 ms, 14,4 Go. Decision 2.0 Nox-4B : de 194 ms à 3,1 s, et 1,1 s sur la requête la plus longue avec son option de contexte partagé, 11,2 Go. Vela 2.0 4B : de 319 ms à 1,3 s, 22,8 Go. Vela 2.0 0.3B sur le GPU : de 11 à 243 ms, 1,5 Go. Vela 2.0 0.3B sur le processeur seul : de 92 ms à 3,9 s, 3,8 Go.](https://carouter.ai/blog/decision-2-and-vela-2-vs-kev/04-latency-memory-gb10.png) Kev-4B reste le plus rapide des modèles 4B : 99 millisecondes pour une requête courte, 631 pour une longue. Vela 2.0 4B prend 319 millisecondes et 1,3 seconde. Nox-4B prend 194 millisecondes et 3,1 secondes. Nox-4B est lent sur les requêtes longues parce qu'il relit la requête pour chaque question. Une option lui permet de ne la lire qu'une fois : la requête longue descend alors à 1,1 seconde, et aucune de ses réponses n'a changé sur nos deux benchmarks. Avec une seule question, Nox-4B est le plus rapide des modèles 4B de cet article : 72 millisecondes pour une requête courte, contre 83 pour Kev-4B. Le 0.3B joue dans une autre catégorie. Sur le GPU, il prend 11 millisecondes pour une requête courte et 243 pour une longue, dans 1,5 Go. Sur le processeur seul, avec dix de ses vingt cœurs, il prend 92 millisecondes pour une requête courte, 581 pour une requête de 1 000 tokens et 3,9 secondes pour une de 4 000. Dans notre troisième article, le modèle le plus rapide sur le processeur d'un GB10 était Kev-0.8B : 1,3 seconde pour une requête courte, sur des cœurs partagés avec d'autres tâches. Vela 2.0 4B occupe 23 Go, parce que le code de ses auteurs garde ses poids en nombres de 32 bits. Kev-4B occupe 14 Go et Nox-4B 11. Sur un processeur, le 0.3B occupe 4 Go de mémoire ordinaire. Ces temps sont le meilleur cas pour chaque modèle : seul sur la machine, sans réseau entre les deux. En production, Kev-4B partage son GB10 avec d'autres modèles et répond à travers une API : la même décision y prend 143 millisecondes et 1 seconde. ## À quoi sert chaque modèle Un modèle de décision répond à une question fermée sur un texte, et dit à quel point il est sûr de lui. Après cinq articles, voici où chaque modèle du tableau trouve sa place. - **Choisir un modèle pour chaque requête.** C'est ce que mesurent nos 328 requêtes. Le Qwen3.5-4B d'OpenJev, Vela 2.0 4B et Clef sont ceux qui les comprennent le mieux. Quand les étapes d'agent sont lues dans la requête, Kev-4B n'est qu'à une requête de Vela, et il répond trois fois plus vite. - **Décider dans votre propre application.** Il s'agit de trier des demandes de soutien, d'acheminer un message vers la bonne équipe, de vérifier une condition avant d'agir ou d'évaluer une urgence. Kev-4B le fait aujourd'hui à l'adresse /v1/decisions. Nox-4B convient là où le français compte, ou quand l'erreur commise avec assurance est celle qui coûte cher. - **Décider sans GPU.** Vela 2.0 0.3B répond sur un processeur pendant qu'un appelant attend, pourvu que la requête soit courte. Il est fiable sur les types bien tranchés, comme le code, la traduction et l'extraction, mais pas sur la recherche ni sur les réponses longues. Laya, dans notre premier article, répondait lui aussi en une fraction de seconde sur un processeur, mais ne reconnaissait le bon type de tâche que sur 58 % des requêtes publiques en anglais, contre 71 % ici. - **Décider à côté d'un grand modèle.** Quand la mémoire du GPU est réservée à un modèle de langage, ce sont les petits qui comptent : le 0.3B dans 1,5 Go, Kev-0.8B et Strands Decider dans 4 Go. - **Vérifier une requête avant qu'elle parte.** Vela 2.0 a été entraîné à repérer les renseignements personnels, les attaques par injection, les contenus dangereux et les affirmations non étayées, dans la même lecture que ses autres questions. Nous n'avons rien testé de cela ici. Sur CARouter, le filtre de renseignements personnels et le filtre de contenu font ce travail avec deux modèles distincts. - **Les images et la vidéo.** Clef est le seul modèle de cet article qui sait les lire, et nous n'avons testé que du texte. - **Ne rien héberger.** Jev est un service hébergé : il n'y a aucun modèle à servir, et chaque requête quitte votre infrastructure. ## Ce que cela ne prouve pas - Chaque modèle n'a tourné qu'une fois, sur deux ensembles de requêtes. Un type compte de 20 à 66 de nos requêtes : pour le plus petit, une seule erreur déplace le chiffre de cinq points. - Nous avons rédigé et étiqueté les 328 requêtes, et réglé leurs questions sur Kev-4B. Les deux benchmarks ne demandent qu'une chose : de quel type de travail relève une requête. Sur des tâches de décision générales, les auteurs de Vela 2.0 le mesurent eux-mêmes sous Decision 2.0. - Nous n'avons pas testé ce pour quoi Vela 2.0 a été conçu. Rien ici ne dit s'il repère bien les renseignements personnels, les attaques par injection ou les affirmations non étayées, en anglais comme en français. - Les nouveaux modèles ont tourné avec le code publié par leurs auteurs. Le chemin le plus rapide de Decision 2.0 est écrit pour les GPU d'AMD et ne s'appliquait pas au GPU NVIDIA du GB10, alors que le code qui sert Kev est optimisé pour cette machine. Les écarts de temps en disent autant sur le logiciel que sur les modèles. - Le 0.3B a été chronométré sur le processeur du GB10, une puce Arm à vingt cœurs. Un autre processeur donnera d'autres temps. - Nous n'avons pas rappelé Jev. Ses chiffres viennent du premier benchmark, et il n'a jamais été passé sur nos requêtes. ## Ce que cela change pour CARouter Kev-4B reste derrière /v1/decisions pour l'instant. Noté comme notre plateforme lit une requête, Vela 2.0 4B ne le devance que d'une requête, pour trois fois plus d'attente et 8 Go de mémoire de plus, sur une machine qui sert d'autres modèles. Vela 2.0 4B reste pourtant le résultat à retenir de cet article. C'est le premier modèle entraîné qui comprend nos requêtes à peu près aussi bien que le Qwen3.5-4B que personne n'a entraîné, et il pourrait répondre aux questions de routage et aux questions de sécurité en une seule lecture. Avant d'en tirer quoi que ce soit, nous devons tester nous-mêmes ce second volet, dans les deux langues. Nox-4B devance Kev-4B de deux requêtes. Il est plus constant en français, et meilleur pour la difficulté et les réponses longues. Il est aussi deux fois plus lent sur nos trois questions, et cela ne suffit pas pour changer de modèle. Le 0.3B remet en cause une de nos conclusions. Dans notre troisième article, nous écrivions qu'un processeur n'était pas la place de Kev ni d'OpenJev pendant qu'un appelant attend. Le 0.3B y répond en un dixième de seconde pour une requête courte : c'est un candidat partout où un déploiement n'a pas de GPU à lui consacrer. Toutes les mesures derrière cet article sont conservées, et nous les partagerons avec quiconque le demande. --- Autres articles : [Blog CARouter](https://carouter.ai/fr/blog.md). Ce qu'est CARouter et comment l'appeler : [llms.txt](https://carouter.ai/llms.txt).