这两天最火的话题非 Jev 莫属了，这是参与构建了 RLHF/ChatGPT 的前 OpenAI 员工 Diogo Almeida 的创业公司搞出来的新模型。
简单来说 Jev 是一个低成本、低延迟、高并发的决策模型，可以输入文本和候选，并快速决策出选项。
Jev 已经发布就引起全网复刻，各种 OpenJev 横空出世。我也动手做了一个视觉版实验：Jev Visual，让模型看着图片做选择、判断和打分，并且在本地运行。
先放项目地址，欢迎体验、点个 Star：
https://github.com/hr98w/jev-visual
什么是 Jev
Jev 是 TypeSafe 推出的决策模型。你给它当前状态和问题，它直接返回程序能用的结果。最核心的能力只有三种：
这三种问题可以放进同一次请求，并行得到结果，交给代码继续执行。模型已经发布就在网上引起热烈讨论，Jev 的优势莫过于实现了低成本、低延迟、高并发的 LLM 决策，模型输出的不再是一串 token，而是简简单单的 ABC 选项，或者只是一个 yes or no.
发布后，围绕 Jev 的讨论和应用实验很快多了起来，Browser Use、AI 交易这些热门方向都有人接上了。
jev-trader 尝试把它接进链上交易：读取订单簿，选择买入或卖出，再由程序处理挂单。高频交易应该是最有噱头，但是估计最不靠谱的一个应用了。
Browser Use 的 jev-ultrafast，让 Jev 选择下一步操作和页面元素。项目展示的一次 Google Flights 航班搜索用了约 7.1 秒，包含输入文本和页面等待。
fast-jev-compaction 得到了 Jev 开发者的好评，把 jev 的分类器引入到 coding agent 的 compaction 中。
不过，目前 Jev 接收的是文本和结构化状态，还不能直接看图。 连官方玩 Doom 的演示，喂给模型的也是游戏状态数据。
那能不能做一个能看图的版本？
Jev 刚发布，社区就已经出现了 OpenJev 这样的开源尝试：用现成模型，直接读取各个候选答案的分数；同一份上下文只计算一次，再让多个问题复用，省掉逐字生成答案的过程。
我借鉴了这些思路，换上支持视觉的 Qwen3.5-0.8B，用 MLX 在 Mac 上运行。 图片和公共上下文先算一次，再批量给不同问题的选项打分，由代码组装结果。
下面两个 Demo，看看它能做什么：
AI 分拣工厂： 看传送带截图，识别物品，选择分拣通道。
打砖块： 看游戏截图，判断球在哪个编号区域，再由程序把挡板移过去。这是简化后的视觉分类玩法，目前还不能稳定通关。
复刻原理解释如下，并小小的叠个甲：这只是在 infer 层小小的复现一下 jev 的形式，肯定不如各种成熟推理框架效率高，也肯定不是 jev 的正在原理，但是作为 inference 的小入门仍旧是不错的
代码、运行方法和 Demo 都放在这里了，感兴趣可以在自己的 Mac 上试试，也环境大家 star：
https://github.com/hr98w/jev-visual
