Jev 用法与案例：Browser Use、Agent 工作流

OpenBMB 开源 1.3B 的 OCR 模型，另配 MiniCPM-OCR Jev 不自动纠错，而是评估每次抽取的可信度并给出置信分，方便人工复核。

用 codex --agent adversary --subagents 把安全审计、并行子代理和代码修复分给 GPT-6 Astra、6.1 Terra、6.1 Sol，靠纯文本 IPC 隔离上下文；作者称 Jev 在毫秒级处理无需思考的分叉。

作者把 SAM 比作分割领域的 Jev，并设想为网页导航、数据可视化等任务各做一个本地开源模型，再由通用 agent 串联调用。

一名交易者把新币买入拆成四站：Jev 查持仓与捆绑买入、OpenAI 只读钱包历史、Opus 5.5 一句话裁决、最后本人手动点确认。

用 Jev 1.13 扫描器判断 84 个离职员工凭证是否仍被需要，Sonnet 5.5 查日志、Opus 5.5 写吊销单、GPT-6 Dot 通知经理，40 分钟花 6.38 美元。

学生睡觉时由 OpenAI Dot 调度 4 个 AI，Jev 每根 K 线 81ms 决策、连拒 99 次后放行一笔 ETH 空单，风险 $11 盈利 $74。

交易 bot 用 6 个 OpenAI dot 扫 pump.fun、Jev 过滤垃圾币、Opus 终审，作者算 Opus 降价后日成本从 $2.45 降到 $1.47。

演示把业务拆成规划、编码、决策等 6 个模块，四模型竞标，Jev 在决策项拿到 0.97 胜出，规划项仅 0.52。

讲述 Diogo Almeida 与 TypeSafe 推出 Jev 的经过：只从预设答案中选并给出概率，速度与价格远低于聊天模型。

Dots 专注研究，Jev 加自研代码负责交易决策与执行，以绕开 OpenAI 对 Dots 下单的限制，并新增共享研究库门户让无 Dots 用户也能跑自动交易。

把 24/7 agent 的决策用 Jev 分流，只在真正需要思考时才调用昂贵的前沿模型，附完整架构指南。

团队把 agent 决策迁到新 decisions API，实测 Jev 便宜、Luna 准且快，按场景分工调用。