Tev1 (experimental) — lokalny model AI od Together AI
Autor: Jakub Rusinowski · Ostatnia aktualizacja:
Eksperymentalne modele decyzyjne Together AI inspirowane Jev — nadzorowane dostrojenia Qwen3.5, które wybierają jedną opcję ze strukturalnej decyzji. Dostępne w Ollama.
Warianty
Najmniejszy wariant Tev1 (experimental) potrzebuje około 1 GB VRAM przy Q4_K_M — skwantyzowane wagi plus narzut frameworka, bez pamięci podręcznej KV.
| Model | VRAM przy Q4 | VRAM | Kontekst | Uruchom |
|---|---|---|---|---|
| Tev1 4B → 4B | ~3.6 GB | Not published | ollama pull tev1 | |
| Tev1 0.8B → 0.8B | ~1.3 GB | Not published | ollama pull tev1:0.8b |
Pamięć to skwantyzowane wagi plus narzut przy Q4_K_M, liczone tym samym silnikiem co sprawdzarka GPU i VRAM.
Jak uruchomić Tev1 (experimental) lokalnie
Zainstaluj Ollama, a potem pobierz tag.
ollama pull tev1Wybierz rozmiar powyżej, aby zobaczyć jego VRAM, szacowaną szybkość i polecenie instalacji.
Polecane GPU
Najtańsze GPU z naszego katalogu, które uruchomi Tev1 (experimental) lokalnie (min. 1 GB VRAM), to Intel Arc B570 (10 GB).
Tev1 (experimental) — najczęściej zadawane pytania
How much VRAM does Tev1 (experimental) need?
Tev1 (experimental) needs about 1 GB VRAM at Q4_K_M quantization for its smallest variant. Variants: Tev1 4B (4 GB, Q4_K_M); Tev1 0.8B (1 GB, Q4_K_M). On Apple Silicon, unified memory counts toward this requirement.
Can I run Tev1 (experimental) on an RTX 4090 (24 GB)?
Yes — Tev1 (experimental) 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 Tev1 (experimental)?
Q4_K_M is the best balance of quality and VRAM for Tev1 (experimental) 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 Tev1 (experimental) locally?
Tev1 (experimental) 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.