Jev 用法与案例：Browser Use、Agent 工作流

读 DOM 表格直接选点击/输入/下拉，只在打字时调小模型，苏黎世到伦敦一单花 $0.0039。

转发帖称 Jev 通过为每个任务挑选合适模型（模型路由），可让 agent 提速 10 倍并降低成本。

开发者回应 thdxr：Jev 就该待在 harness 里负责路由和评分，这才是它的设计用途。

tobi 分享了一个可以直接在浏览器中运行 Jev 的演示，无需后端即可试用该决策模型。

作者用 Jev 生成数据集来训练一个「迷你 Jev」，验证 RLCD 在小模型上的效果。

作者基于 Qwen 复刻 Jev 式结构化决策加概率输出，跑在 WebGPU 上，项目叫 Reflex 并已上线。

推主称接下来大家会用 typesafeai 的 Jev 来扩展查询、重排结果，让 RAG 重新好用起来。

长文总结 Archer Hume 对 Jev 的黑盒测试：概率直接读出而非逐 token 生成、主干是因果 Transformer、校准误差 0.0313、疑似稀疏 MoE，并说明它适合哪些 agent 决策点。

作者讨论 Instinct 微调 Kimi 做 browser use 的护城河问题，认为 Jev 可能改变 computer-use 格局，并给出应用层创业的应对策略。

合集式盘点：有人用 Jev 玩超级马里奥、俄罗斯方块，还有人一小时内搭出特斯拉 FSD 复刻，看它作为纯判断模型被玩出的花样。

开发者列出在多人 agent 中每回合并行跑多个 Jev 调用：判断是否值得记忆、任务是否完成、是否出错、能否路由给小模型、公屏是否该回复。

作者用 Jev 对某 YouTuber 最近 100 条视频做销售意图分类打分，12 秒跑完、花费约 0.02 美元，准确度待细查。