Jev 用法与案例：Browser Use、Agent 工作流

Jev 单次请求内的多个问题并行评估，把同一时刻需要的所有判断打包成一个请求、每字段一个判断，成本几乎等于只问一次。

日本虚拟角色官网用 Jev 并行判定发言类型、情绪、动作和恶意与否，回复文本只从候选里选，从原理上杜绝幻觉和口吻崩坏。

Deel 在多个用例中对比 Jev 与前沿 LLM，8 项检查中 6 项质量持平或更好，重复问题准确率从 70% 升到 97%，费用最多省 59 倍。

NeoHorse-Jev-4B 开源，支持 Choice/Noul/Score 三种决策原语，仅预填充推理，六组文本决策基准得分 77.70。

官方称 Jev 以远低价格超过前沿模型：重复问题匹配 70%→97%，费用分类 50%→86%，升级判断误报更少。

基于 Qwen 逆向 Jev 架构，兼容 Typesafe SDK，一次调用出是/否、多选和评分，0.8B 到 27B 可本地免费跑。

前华为盘古负责人王云鹤团队开源 4B 决策模型，不做逐字生成，直接对候选打分选工具、路由，32 并发单次决策 74.3ms。

作者把自己搭的 agent harness 开源成 Keel 仓库，里面同时集成了 Laya 和 Jev，可直接交给 agent 使用。

开源 JEV 预览交易 bot，接入 Jupiter、DFlow 与 Imperial Perps，仅做 dry-run，需自备 TypeSafe key 运行。

18 年经验的开发者发布可自我构建的浏览器 Bowser，用户自写 mod，底层用 Jev 和 Astra 生成，首批限 100 人。

在已有 agent 前挂一个 hook：Grok 4.7 负责写作，Jev 占四个席位做路由、判定和门控，普通代码兜底，组成一个循环。

betaworks 与 Typesafe 在纽约办了第一场 Jev Night，现场有 demo、送额度，作者称「agentic reality is here」。