explorar pick editorial hallazgo 05 · boletín 2026-09-29

firelex/jeff

Tres fine-tunes abiertos (Qwen3.5-0.8B, Qwen3.5-2B, Gemma4-E2B) entrenados íntegramente en hardware local (un RTX PRO 6000 + dos DGX Sparks, datos sintéticos escritos por Qwen3.8-Flash-Next) para clasificación zero-shot: describes una situación en palabras, listas las opciones en palabras, y Jeff devuelve una probabilidad por opción en un solo forward pass (22 ms en RTX PRO 6000, 28 ms en Apple M4 Max con MLX). API minimalista tipo OpenAI con tipos choice, noul (yes/no), score.

Estrellas

632

Forks

Lenguaje

Python

Licencia

MIT

Issues

—

Estado

—

Cómo funciona

Implementa zero-shot-classifier-finetune

Núcleo

firelex/jeff Python · MIT

Se cruza con fine_tunes qwen3.5 fine_tunes gemma 4

Diagrama derivado de madurez_senales (lenguaje, licencia, estado y topics) y de las relaciones que este repo tiene en el grafo de conocimiento. No es una arquitectura del proyecto: es su posición funcional tal como la registran los boletines.

Posición en el ecosistema

firelex/jeff

implementa

zero-shot-classifier-finetune Concepto

firelex/jeff

fine_tunes

qwen3.5 Concepto

firelex/jeff

fine_tunes

gemma 4 Concepto

Expandir en el grafo 3D →

Relaciones que aportó este boletín

implementszero-shot-classifier-finetunenuevofine_tunesqwen3.5nuevo fine_tunesgemma-4nuevo

Por qué importa

Es el recordatorio más incómodo del mes para la narrativa “LLM grande para todo”: Jeff-Qwen3.5-2B alcanza 83.1% en cinco benchmarks de clasificación frente a 83.0% de Jev y 84.9% de AutoJev-27B, con 14× menos parámetros. En Financial Phrasebank y RAGTruth gana a ambos modelos grandes; en razonamiento puro (BBH, JudgeBench) cae — como cabe esperar de un clasificador fino frente a uno generalista. La conclusión operativa es directa: para tareas de decisión (routing, triage, moderación), un fine-tune de 0.8B–2B bien entrenado en dominio específico supera a un frontier LLM y corre ~50× más barato. El ejemplo del README lo deja claro: en voice-navigation, una pasada de fine-tune movió la accuracy del 31.7% al 95.8% en media hora y una GPU. El detalle clave, a veces pasado por alto, es que Jeff fue entrenado íntegramente en hardware local (RTX PRO 6000 + dos DGX Sparks) sin closed-model output — los datos sintéticos los escribió Qwen3.8-Flash-Next. Eso lo hace replicable: si tu caso de clasificación encaja, puedes re-entrenar tu propio Jeff en tu portátil sin pagar a OpenAI ni a Anthropic.

Alerta

es la primera entrega OSS de un patrón que va a repetirse: fine-tunes locales ultra-especializados que vencen a frontier en su nicho. Merece un benchmark propio sobre tareas CSS — triage de issues, routing de skills, moderación de PRs

Acción concreta

Jeff-Qwen3.5-2B iguala a AutoJev-27B en clasificación con 14× menos parámetros; patrón replicable para routing, triage y moderación dentro del stack CSS.

Apariciones · 1

2026-09-29 hallazgo principal
primera vez en el boletín

Señales de madurez (texto original)

632★ · 20 forks · Python · MIT · creado 2026-09-28 (¡ayer!) · último push 2026-09-29 · modelos publicados en HuggingFace bajo mstrasser/Jeff-* · entrenado sin closed-model output (solo Qwen3.8-Flash-Next para datos sintéticos, cloudflare un closed model para spot-check de calidad).