Jev 用法与案例：Browser Use、Agent 工作流

体验者称 Jev 把原本复杂的路由与编排简化成一串问题与答案，等于决策树加分类器加自然语言理解合体。

Diogo Almeida 离开 OpenAI 后 stealth 两年做出 Jev，不做文本生成，只把非结构化状态转成带校准概率的类型化决策。

一句吐槽式总结：把模型堆到万亿参数、喂完整个互联网，最后 Jev 的产出就是一个 enum——点出结构化决策的极简形态。

开发者用 DiffusionGemma 加 Astra 轻量 harness 复刻 Jev，基准差 2% 以内、幻觉率 0%，成本约 0.15 美元每百万输入 token，代码已开源。

Steve Krouse 放出 Jev 驱动浏览器操作的在线 demo，主打速度快，可直接打开链接自己试。

作者基于 GPT-2 词表裁剪出 254 token 词库，让 Jev 逐 token 自回归输出，效果有限、连贯性差。

作者拿到 Jev 访问后认为它更像分类器而非聊天模型：写问题、发邮件、拿概率、代码决策，并计划用它复活一个旧项目。

ChatGPT 研究者之一发布只能返回 choice/score/概率的 Jev，作者给出做廉价评审、重试判断、检索打分、线索排序等 8 个落地场景。

作者拿到 Jev 早期访问后做了个俄罗斯方块 demo，靠模型生成速度直接推动方块下落，称其为「改变一切」的时刻。

作者用 Jev 加确定性 hook，让 Claude Code 按任务难度把活分给 Haiku、Opus 子 agent 或外部 harness。

作者用 agent-browser 与 Jev 组成循环，让 agent 从「Coffee」词条一路点链接走到「Artificial Intelligence」。

作者发视频展示把 Jev 用于 browser use 的体验，表示意外地很喜欢这种用法。