Jev 用法与案例：Browser Use、Agent 工作流

作者晒出使用 Jev 模型的真实场景截图，展示实际效果与体验。

作者此前内部测试 Jev 做 semantic model routing 效果差，但调整实现（把上一轮决策加入决策链）后实测效果大幅改善，最新版 Magpie 已支持。

作者把 Jev 集成进 Mnemos 认知引擎，正用递归测试调参，并称 Jev + Opus 5.5 组合极强。

该 agent 能生成 Python 脚本经 RPC 控制子代理，并用 Jev 驱动的比较器做自动研究编排。

整理 TypeSafe 与 Anthropic 文档成 14 页 PDF：Opus 5.5 负责思考、Jev 负责决策，用 Choice/Score/Noul 并行评估、按概率分支，省掉大部分生成调用。

作者把一天里 1948 个决策交给 Jev 在 0.1 秒内路由、Opus 5.5 执行，不可逆操作才交回本人，称省下 3 小时 40 分。

Jev Router 给对话打难度与收益分，决定何时换模型、加推理，四个 agent benchmark 完成 237/423 任务，对比 Auto Router 的 130。

一份收录 50 多个确定性控制系统的目录，覆盖模型路由、上下文压缩、浏览器沙箱、护栏与人工升级门，全部按「LLM 提议、Jev 决策、代码执行」组织。

日文 AI 新闻汇总，其中一条是 OpenRouter 引入基于 Jev 的 Jev Router，按任务难度自动选模型，并提到 TypeSafe AI 正洽谈百亿美元估值融资。

介绍 Ollaya 工具：一行命令在 Mac GPU 或 CPU 上跑轻量决策模型，返回概率而非文本，并支持 Cursor/Claude Code 的 MCP。

评分库 Autorubric 新版本除 LLM 外还支持所有 Jev 形状模型，用 Jev 的人需装 autorubric[typesafe]。

视频把 Jev 和巴西开发者三天做出的开源 Eikos 放在一起玩俄罗斯方块，Eikos 以 5:0 获胜。