Jev 用法与案例：Browser Use、Agent 工作流

作者把 Opus 的深度推理和 Jev 的快速廉价决策拼成一套交易 bot 架构，称是目前最强的组合。

作者把 Jev 放进 System 1/2 决策框架，讨论何时该快速作答、何时该切深度推理，并把预测任务成功对应到 RL 的 Q 函数。

90 分钟做出的项目用 Jev 把日历、Notion 事件判为「不报销/存疑/可花」，再由 GPT Luna 按重要性和预算分配额度。

盘点 10 个 Jev 项目，涵盖桌面 agent、Monad 交易实验、用模拟器状态玩马里奥等，核心是 Jev 选动作、外层代码管执行。

开发者开源 chip，用 Jev 这类决策模型选工具、Claude 填参数，循环执行到决策器喊停，demo 音频也由它生成。

作者用 Tetlock 的历史预测题集，让 Jev 和 D1 给每个结果打概率再对答案，D1 在 12 个类别里赢了 9 个。

Cloudflare 自研 Clef/Clef-flash 决策模型，兼容 Jev 的 System One API，延迟更低但知识类测试弱于 Jev。

Anthropic 让 Claude Code 支持自定义，作者提议加一层 Jev 式 System One 审查，扫架构违规、bug 和规格漂移。

Jev agent 跑 276 笔交易、胜率 62.3%，每笔亏损固定砍在 -1.8R，1000 美元最终到 9227 美元，亏损单被单独做成一张分布图。

Cloudflare 开源决策模型 Clef-flash，官方称比 Jev 快 13 倍但贵一倍多，准确率接近，已有开发者实测质疑其速度。

5 个策略交给 Jev 决策层，均值回归第 4 天亏 148 美元被砍、新闻策略第 7 天被砍，剩 3 个跑 88 笔交易把 1000 美元做到 2957 美元。

Cloudflare 放出 27B/9B 类型化决策模型 Clef，输出 choice/score，多个 benchmark 超过 Jev，作者已在 TanStarter 模板补了调用示例。