Jev 用法与案例：Browser Use、Agent 工作流

这期全新闻节目在第 31 分钟介绍 Jev 是帮 agent 快速决策而非写字的模型，同集还聊 Hyperloop 复活、特朗普的 AI Force 和开源模型 token 占比。

Cua 发布面向 computer use 决策模型的基准 Cua-Bench-S1，把 Jev 纳入评测，并放出 Nano 与 4B 两个 checkpoint。

Lightfield 首席 AI 官在关闭扩展思考的情况下基准测试 Jev，客服对话等文本理解任务准确率与 Opus 5 持平，成本低 40 到 150 倍，并说明将如何接入自家平台。

作者把 Jev 接进《过山车大亨 2》当操作大脑，结果它只建了几座游乐设施就卡死，说明它并非开箱即用的游戏模型。

用 Jev 在每一步做信任检查，让代表人类的 agent 随信任加深逐步透露委托人信息。

作者调侃旧金山顶尖工程师正用 Jev 配合 fly brain 搭建代码工厂来加速交付。

作者正将 Braintrust 的 AI evals 课程仓库迁移到 PydanticAI + Logfire + pydantic-evals，并计划说明 Jev 在端到端 evals 流程中的位置。

作者在 LangChain 多智能体系统中测试 Jev 和 Opus 4.8 作为 supervisor/router 的表现。

作者用 Jev 对帖子做上下文分类，再按类别生成 1001 个独立图标和标签，并吐槽成本没传说中便宜。

NVIDIA 研究者谈小模型做 agent 子任务，配 Jev 指南：先分类每封邮件，再由代码决定下一步，含 50 封试跑与人工复核规则。

作者主张别指望 Jev 单独解决 computer use，而应用它构建 agent 和软件可复用的基础原语。

Chroma CEO 讲如何用 LLM 从万级候选块筛到 20 条，并给出用 Jev 搭建该筛选层、在 50 篇论文上自测的指南。