Jev use cases: booking flights, trading and playing Doom, all without seeing the screen
A long roundup of real Jev uses and limits: a booking agent finds flights in 7 seconds, a trading setup decides every 300ms and a Doom demo acts every 90ms, but none of them see images, relying on text state built beforehand, and speed multipliers vary by test while email classification lost to a Google model.
一個 AI 代理打開訂票網站，從蘇黎世飛倫敦，選城市、挑日期，把班機查出來，7 秒。 同一個星期，有人讓它跟著區塊走，每 300 毫秒問一次要買還是要賣；有人讓它每秒做 10 次判斷去玩毀滅戰士；還有人讓它 90 毫秒點一次螢幕上的按鈕。 這些全是同一個模型，而它做這些事的時候，連畫面都沒有看。 這個模型叫 Jev，TypeSafe AI 在 9 月 15 日發表。它有 3 件做不到的事：不吃圖片、不會寫字、一次最多從 255 個選項裡挑 1 個。 所以那些人做的第一件事全都一樣——先把畫面改寫成它看得懂的形狀。 訂票那支每走一步就把網頁上能點的元素編號做成一張表，截到 250 個，壓在上限底下。另一個人在自己的電腦上跑小模型，把螢幕上每個按鈕切出來讀出字，只把字交給 Jev，整個過程沒有一張截圖離開他的電腦。交易那個把掛單深度、價差、最近成交整理成一份狀態，再問它會漲還是會跌。官方玩毀滅戰士那支也不例外，餵進去的是引擎吐出來的文字狀態，不是畫面。 AutoGPT 的發明人做了一支開車示範，而且先把輸入講清楚：Jev 目前是瞎的，所以場景是用文字描述餵進去的。1 個半小時後，另一支傳得更開的影片說用 Jev 在 1 小時內重建了特斯拉的完全自動輔助駕駛，底下好幾個人問他餵了什麼進去，他在留言裡沒有回；隔天程式開源，才寫明餵的是路徑、路邊界、車流和號誌這些表格。 速度是真的，倍數要看誰測的。官網寫著比大型語言模型快 193.6 倍，那是自家 workflow 的評測，公司自己寫那是偏高的那一端。Vercel 的工程師拿自家一個安全檢查去對測，70 個案例各跑 3 次，中位數快 4.7 倍，到第 95 百分位拉到 17.6 倍——但那是對 Luna 的延遲比，跟官網那個數字量的不是同一件事。他們的執行長在 9 月 16 日寫，那個檢查當天跑的還是原本的模型。 也有人試了發現不行。有人拿 1,500 多封商務郵件做分類，Jev 96.4%，輸給 Google 的模型 98.5%，費用只要 22 分之一。真正卡住上線的是另一件事：Jev 讀不了附件。 訂票那支的作者後來做了一組對照，把自己的代理改了一版，兩版都跑 Jev，只差在怎麼取得網頁狀態。瀏覽器協定的呼叫次數從 1,092 次降到 101 次，任務時間卻只少了 4 分之 1。他自己寫，只有 3 對測試，統計上站不穩。 真正花時間的，是把世界整理成一份可靠的狀態。所以這種模型接得走的，都是你早就整理清楚的那些判斷。 你手上有哪一個判斷，已經整理到只剩下選 A 還是選 B？