开源仅 5 天就斩获 6.2K Star，一个低成本、低延迟、高并发的决策模型正在席卷开发者社区。Jev 由前 OpenAI 员工 Diogo Almeida 的创业公司 TypeSafe 推出，它将模型输出从冗长的 token 生成简化为简洁的 ABC 选项或 yes/no，大幅降低了调用成本和响应延迟。
Jev 的三种核心能力
- Choice（选择）：决定下一步应该点击哪个按钮或执行哪个操作
- Score（打分）：按预设等级判断信息或线索的价值程度
- Noul（判断）：用 0 到 1 的概率值评估一句话成立的可能性
这三种能力可以放进同一次请求并行获取结果，直接交给代码执行，无需逐字生成。这让 Jev 在 Browser Use、AI 交易等热门方向上迅速获得社区实验。
Jev Visual：让模型能看图做决策
原版 Jev 接收的是文本和结构化状态，无法直接处理图片。有开发者借鉴 OpenJev 的思路，换上支持视觉的 Qwen3.5-0.8B 模型，用 MLX 框架在 Mac 上实现了视觉版 Jev。核心思路是：图片和公共上下文先计算一次，再批量给不同问题的选项打分，由代码组装结果。
目前已有两个 Demo 场景：AI 分拣工厂（看传送带截图识别物品并选择分拣通道）和打砖块游戏（看游戏截图判断球的位置并移动挡板）。
声明：本站原创文章文字版权归本站所有，转载务必注明作者和出处；本站转载文章仅仅代表原作者观点，不代表本站立场，图文版权归原作者所有。如有侵权，请联系我们删除。
