Jev 用法与案例：Browser Use、Agent 工作流

他介绍 Jev 是无聊天、JSON 进出的分类/打分模型，并实测把反垃圾 bot 从 LLM 迁到 Jev，对比噪声输入的容忍度。

文章讲 Jev 只返回选择、评分和是/否，70–500ms 响应、输出免费，并分析单人运营者把判断交给它后会有什么变化。

作者用 ModernBERT+GLiClass 头复刻 Jev，输入文本与候选选项直接输出校准概率和「证据不足」，浏览器 WebGPU 中位延迟 89ms，并公开了多项负结果。

作者注意到 Jev 在用户开始使用前就把自身能力局限摆在显眼位置，认为这种坦诚做法很少见。

一份 Jev 学习资源清单，涵盖官方文档、Workflow Evals 基准、Vercel AI Gateway 接入，以及浏览器 agent、日志路由等实际用法。

作者把 Jev 类比为「带置信度、不漂移的专家直觉」，并说明 System 2 由代码控制流和升级路径承担。

用可视化对比自回归 8.5 秒延迟与 JEV 并行单次计算，并演示它实时控制小游戏。

装了约 90 个 Claude Code skill 却只用五个，于是用 Claude 加 Jev 做了个自动路由 skill 的开源小项目。

作者观察到 Jev 被用来做超低延迟、超低成本的 demo，并认为它真正的意义是让分类任务也能用泛化预训练骨架加轻量分类头，甚至可做自动驾驶、具身智能、Game Agent 的 Executor。

开发者称用 Jev 编写 linter，支持 Rust 的初版很快放出。

作者解释 Jev 无需自己喂数据，是充当分类器的轻量 LLM，成本与速度是主要优势。

他认为多数 harness 出于成本本就要在压缩时裁剪内容，Jev 正好能帮上忙，这个方向挺有意思。