共 11 篇文章
我把 Jev 部署到了一个开源Agent Harness中
将 TypeSafe 的决策模型 Jev 接入开源 Agent Harness（TrueForge）：把『300 个 issue 给 40 个客户请求匹配』这类有界决策交给只输出结构化答案与置信度的 Jev，生成模型只负责草拟新 issue、审查低置信匹配。40 题答对 37 题与 Opus 持平，决策成本仅其 1/150，用置信度阈值把拿不准的转人工二次审查，并附降本机制与运行方式。
全网爆火的 Jev 究竟是什么？一篇文章为你讲透！
Jev 科普长文：Jev 是专门做判断的 System 1 模型，把语义判断从固定 if/else 里接出来，让软件有个能听懂人话的判断开关；它不做写作，只返回类别与概率，因此比 GPT/Claude 更快更省。文章讲清了它与传统模型的分工、卡尼曼 System 1/2 的由来、适合稳定规则而不适合快速变化前提的边界，并整理官网/OpenRouter/Vercel 三种体验路径，配银行客服分流、交通信号灯动态切换、内容筛选、Agent 判断层四个案例。
一万字Jev 工程实践长文：把 Agent 的“判断题”从大模型里拆出来
腾讯技术工程万字长文，讲 Agent 工程里一个被忽略的点：很多模型调用不是要生成答案，而是替代码做判断。Jev 是 TypeSafe AI 的 System One Model，放弃文本生成、只返回类型化概率决策（选哪个、打几分、是不是）。作者从官方思路读到 fast-jev-compaction 的上下文剪枝，仿写本地 Demo，讲清怎么把『判断题』从大模型里拆出来。
重磅！开源版Jev本地部署教程来了！
开源版 Jev——Laya 模型本地部署保姆级教程：Apache-2.0 放出全部权重，判别式路线（ModernBERT 双向编码器）只做决策不生成文本，单题前向 8-16 毫秒、显存 4-6GB。文章给出虚拟环境安装、Router 语种自动分流、最小验证脚本与返回结构解读，附三种指定分支方式与显存对比，以及中文场景四条经验：中文置信度偏高建议阈值 0.95+、是非题改单选题、部署后先预热。
开源仅 3 天狂揽 7.1K Star！Browser-Use 把 Jev 模型装进了浏览器 Agent！
开源项目 jev-ultrafast：browser-use 团队把 System One 模型 Jev 装进浏览器 Agent。核心思路是不截屏读 DOM，给每个可交互元素编号后交给 Jev 一次性返回操作与目标决策，仅在打字时调用小模型。Google Flights 任务 7.1 秒完成、协议调用从 1092 次降到 101 次、单次成本约 0.004 美元。文章还给出 Jev 与 LLM 的区别、安装上手步骤与范式观察：系统一模型+结构化环境=便宜快速可靠的自动化。