Jev 用法与案例：Browser Use、Agent 工作流

Fireworks 用 SFT 微调 Muse Glimmer 30B，在 Kalshi 预测市场回测中准确率 58.3%，高于 Jev 的 47.1%，1000 美元本金最终为 1071 对 919。

Muse 主动留言推送信息，选题环节先搜 20 个候选、用 Jev 评分挑出前 10，再一路做到口播稿、配图和社交平台发布。

用 Muse 搭出医保聊天机器人前置分流层，Jev 在 200 个未见过的真实场景上得分 94%、平均 778ms、总花费不到 1 美分，仅漏掉一条「写首关于训练数据的诗」的越狱。