Jev 用法与案例：Browser Use、Agent 工作流

Ollama 新增本地运行 Jev 风格决策模型的支持，作者称内部 demo 玩起来很上瘾。

团队把 Jev 接进 /last30days 技能，用更低成本扫 10 倍帖子，把沙盒发布召回从 5/13 提到 10/13。

作者认为 agent 进入真实循环后，瓶颈不再是模型多聪明，而是需要便宜、即时的选择，这正是 Jev 和 OpenAI Decisions API 这类模型出现的原因。

开发者称类 Jev 决策模型在实时游戏里表现不错，但开发过程中也暴露了不少问题，附了一个可试的 demo。

把多模态模型接进实时游戏循环，用 SGLang 的 /v1/decisions 与 /v1/systemone 端点做打分决策，单次判断低于 100ms 通关四天王。

项目方称 DeFi 缺的不是收益而是决策，正用自主 Agent 加 JEV 评估成千上万个池子的权衡，决定资金该往哪走。

作者给出可直接粘进 Claude Code 的提示词，声称能搭出用 Jev 做决策的 Opus 5.5 交易机器人。

作者受 Jev 启发做了个 29MB 的 System One 决策模型，直接在浏览器里跑，熟悉任务上效果尚可。

有人把 Jev 接在链上数据流上做套利判断，Jev 免费筛出机会再交给 LLM 买卖跨链，成本约等于一份基础订阅。

输入首页网址约一分钟爬完整站，对照 Google 52 条规则出优先级清单，每页再由 Jev 判断主题、内容具体度和关键词互抢。

作者拆解 AI 交易 bot 四层架构：Opus 5.5 做回测与策略，Jev 读实时行情输出概率，规则与交易所负责执行。

SGLang 把 Qwen3.8-27B 变成多模态决策模型，在宝可梦火红中击败四天王与冠军，决策延迟低于 100ms，并新增 /v1/decisions 与 /v1/systemone 端点。