AutoJev — lokalny model AI od denis-pplx

Autor: Jakub Rusinowski · Ostatnia aktualizacja:

27-miliardowy multimodalny model decyzyjny na Qwen3.8-27B, według stanu na 28 września 2026 najwyżej oceniany model do pobrania w społecznościowym Decision Index.

Warianty

Najmniejszy wariant AutoJev potrzebuje około 18 GB VRAM przy Q4_K_M — skwantyzowane wagi plus narzut frameworka, bez pamięci podręcznej KV.

ModelVRAM
AutoJev 27B →
27B
~17.6 GB

Pamięć to skwantyzowane wagi plus narzut przy Q4_K_M, liczone tym samym silnikiem co sprawdzarka GPU i VRAM.

Jak uruchomić AutoJev lokalnie

Zainstaluj Ollama, a potem pobierz tag.

Served by autojev-serve (default port 8000). This model does not run in Ollama.

Wybierz rozmiar powyżej, aby zobaczyć jego VRAM, szacowaną szybkość i polecenie instalacji.

Licencja

Apache-2.0Użycie komercyjne dozwolone

Commercial use permitted. No usage restrictions beyond attribution.

Dotyczy: AutoJev 27B

Polecane GPU

Najtańsze GPU z naszego katalogu, które uruchomi AutoJev lokalnie (min. 18 GB VRAM), to AMD Radeon RX 7900 XT (20 GB).

Ujawnienie afiliacyjne: Niektóre odnośniki na tej stronie to linki afiliacyjne — jeśli dokonasz zakupu za ich pośrednictwem, LLM Configurator może otrzymać prowizję bez dodatkowych kosztów dla Ciebie. Jako uczestnik programu Amazon Associates, LLM Configurator zarabia na kwalifikujących się zakupach.
AMD Radeon RX 7900 XT 20GB
20 GB VRAM · 315 W board power
Ceny w 2026 są niestabilne — sprawdź aktualną ofertę.

AutoJev — najczęściej zadawane pytania

How much VRAM does AutoJev need?

AutoJev needs about 18 GB VRAM at Q4_K_M quantization for its smallest variant. Variants: AutoJev 27B (18 GB, Q4_K_M). On Apple Silicon, unified memory counts toward this requirement.

Can I run AutoJev on an RTX 4090 (24 GB)?

Yes — AutoJev runs on an RTX 4090 (24 GB) and other 24 GB cards such as the RTX 3090. Smaller variants also fit comfortably on 8–16 GB GPUs at Q4_K_M.

What quantization should I use for AutoJev?

Q4_K_M is the best balance of quality and VRAM for AutoJev in most cases. Choose Q8_0 for near-lossless quality if you have spare VRAM, or smaller quants (Q3/Q2) only when memory is tight.

How do I run AutoJev locally?

AutoJev is a decision model: it is called over an HTTP endpoint (/v1/systemone), not chatted with. Where a variant is available in Ollama 0.35 or newer, pull it with `ollama pull` and send requests to the local server; the others ship their own server. Each variant page shows the exact commands for that model.