Jev's 18 use cases, from Doom to on-chain market making
A Chinese roundup of Jev's notable uses: about 10 decisions per second in Doom, booking a flight in 7.1 seconds with Browser Use, scoring-based context pruning, high-frequency market making on Monad, and a two-model Minecraft dragon fight with LangChain routing and safety interception.
最近爆火的 Jev 模型到底应该怎么用，这里将这 18 个代表性玩法进行了梳理，可以直接抄作业👇 1. 官方 Doom 发布主帖 Jev 并不读取游戏画面，而是直接接收结构化的游戏底层状态，以每秒约 10 次的高频决策输出移动方向与开火指令，顺带带出维基竞速能力。全网浏览量达 3780 万。 https://x.com/CompleteSkeptic/status/2099925682726002904 2. jev-ultrafast 极速航班检索 结合 Browser Use 将网页交互抽象为多选题，Jev 在每一步只负责判断点击哪个元素或按钮，遇到打字输入时才唤起小语言模型。在 Google Flights 上完成苏黎世到伦敦的检索仅耗时 7.1 秒、成本 0.0039 美元，演示视频为 1 倍速实录（约 300 万浏览）。 https://x.com/gregpr07/status/2100411066966749359 3. Instant Compaction 瞬时上下文剪枝 将类似 Claude Code 的长上下文压缩机制重构为打分模式：对历史记录中的每次工具调用直接判断去留，该删就删，留下来的完全是上下文原文而非摘要（10676 赞，366 万浏览）。 https://x.com/tamarajtran/status/2100694549362553153 4. jev-trader 链上高频做市 适配 Monad 约 300ms 的出块节奏，让 Jev 在每个区块周期内仅做简单的买入或卖出决策，并将订单快速打入订单簿协议 Kuru，作者已上线实盘前端验证（4993 赞，116 万浏览）。 https://x.com/jarrodwatts/status/2100356151468585346 5. 超级马里奥实时按键模拟 将游戏模拟器状态直接输入给 Jev，实时筛选并输出合法按键操作。这种结构化的单步决策相比传统的聊天对话模型，更能跟得上游戏帧率（2879 赞，59 万浏览）。 https://x.com/faadilhshaik/status/2100086301894881578 6. Minecraft 双模型协同打末影龙 采用双模型分工架构：Jev 负责微观的高频操作（移动、跳跃、点击交互），Astra 则在后台进行异步宏观规划并在失败后动态编写技能。最终仅用时 8 分 43 秒击败末影龙，总成本不到 1 美元，其中 Jev 仅占 0.01 美元，Astra 占 0.96 美元（5136 赞，84 万浏览）。 https://x.com/rronak_/status/2101544156757950697 7. 语音实时控 Mac 结合流式语音识别：当用户刚开口说「打开备忘录，新建一条……」时，后台 Jev 已经同步完成桌面控件的选择与触发，往往话还没说完，对应 App 已经启动完毕（5869 赞，60 万浏览）。 https://x.com/instantricecook/status/2100814590300889426 8. 实时语音虚拟试衣 将语音指令与当前穿搭状态实时输入 Jev，从衣柜库中快速挑选下一套搭配并无缝换装。单次决策成本仅约 0.0011 美元，延迟控制在 620ms 左右（3237 赞，36 万浏览）。 https://x.com/nailthy62/status/2101388186916454439 9. LangChain 智能路由与 Auto Mode LangChain 官方长文解析：利用 Jev 实现高频低成本的工单分流、根据任务复杂度动态挑选大模型，并在高危工具执行前充当安全拦截网，有效阻断危险调用（5318 赞，177 万浏览）。 https://x.com/sydneyrunkle/status/2100754364545761643 10. 皇室战争全自动对战 多模型协同方案：Qwen 负责实时解构战场全局态势，OpenCV 提取手牌与圣水数据，Jev 专精于决策打哪张牌以及放置在哪个位置。使用全新账号和初始新手卡组成功战胜天梯真人玩家。 https://x.com/KashyapVisharad/status/2101319684578795577 11. 杀戮尖塔 2 极速出牌 同样应用于卡牌游戏的高频决策。作者表示此前用 GPT-6 Astra 代打反应太慢，换用 Jev 后单步判定仅约 0.7 秒，画面还没看清操作就已经执行完毕（1144 赞，32 万浏览）。 https://x.com/coolish/status/2100570517954838897 12. laya-mlx 本地端侧贪吃蛇 将开源分类器模型移植部署到本地 Mac，仅占用约 1GB 内存。在贪吃蛇游戏中最高能跑出约 60 次/秒的超高频决策，实测响应速度号称比云端 Jev 快上近一个数量级（4737 赞，51 万浏览）。 https://x.com/mizorewww/status/2101473552956555427 13. jev-use 跨平台桌面自动化 借助 Cua Driver 接入 Jev，在 macOS、Windows 以及 Linux 上实现高速、低延迟的原生桌面操作，目前属于开发者预览阶段（2672 赞，40 万浏览）。 https://x.com/trycua/status/2100649543079502213 14. Jev + GrokBot 极速网关路由 7 分钟即可快速接入现有系统：在执行网页浏览、向量检索或重试请求等较重操作前，先通过 Jev 判断是否确有必要执行。支持先以影子模式查看评估日志，再切入线上实操（1747 赞，4306 收藏）。 https://x.com/0xCodila/status/2101433560796467348 15. DeepSeek 改造为 Jev 风格评分接口 基于 SGLang 的打分端点，强迫开源大模型仅输出各个选项的概率分布，不生成冗长文本。演示模型命名为 deepseek-v4.1-flash-jev（1326 赞）。 https://x.com/skeptrune/status/2101209390992994570 16. WebMCP 评测满分方案 基准对比实验：纯靠 Agent 视觉点击界面只能获得 25/49 分；而当网站自身主动暴露 MCP 工具接口后，由 Jev 负责挑选工具、小模型填充参数，成功拿到 49/49 满分，成本比基于 GPT-6 Astra 截图操作降低约 245 倍（2037 赞）。 https://x.com/0xidanlevin/status/2100937437325205568 17. 全自动滑雪视频混剪 由 Jev 负责对 16 段原始滑雪素材打分并挑选出最佳开场与收尾镜头，随后结合 Computer Use 自动操控剪映完成视频分割、裁剪与变速，约 5 分钟即可自动输出一条 16 秒成片。 https://x.com/GeekCatX/status/2101223068580643172 18. OpenCode 自动化 UI 回归测试 测试流程革新：由 Jev 负责判断当前页面所处的状态阶段，再调度 OpenCode 浏览器自动化工具执行具体点击。用来做 UI 回归测试，无需编写繁琐的测试文案与脚本（1251 赞，54 万浏览）。 https://x.com/Neriousy/status/2100287208166969746
This post quotes another post: “Chaining Kooko for research delivery with Jev for evidence review”