字数 1193，阅读大约需 6 分钟
这两天 JEV 是不是刷屏了？
朋友圈、技术群、热搜，铺！天！盖！地！
可我翻了一圈，发现一件特别搞笑的事：大多数人又看岔了。
大家都在喊”又一个颠覆性大模型”，还有人问”它写文章厉不厉害”。
我直接说结论：
JEV 根本不是个会聊天的大模型。它压根不写字。
永不幻觉说的是不会给出选项以外的答案，它只是在做选择题这件事上把速度和成本压到了极低。
它的创始人是OpenAI早期核心研究员，RLHF 的奠基人之一。他闭关搞出来的 JEV，干脆把”说话”这个功能阉割了。
它叫业内第一个真正的”系统一模型”（System One），就是那个快思考系统。
它怎么干活？你给它一个状态，再加一组候选选项，它直接吐回一组带概率的决定。总共就三种问法：
Choice——从选项里挑一个；Score——给个 1 到 10 评分；Noul——是/否概率。
官方说一次判定 70 到 500 毫秒，输入每百万 token 才 4.2 美分，输出免费。
名字 JEV，来自”杰文斯悖论”——决策越便宜，用它的地方就越多。
好，背景讲完。下面才是真东西。
真正让我后背发凉的，不是 JEV 本身，是 browser-use 把它接进了浏览器。
browser-use 你们都知道吧？最火的开源浏览器自动化框架。前几天他们官方悄悄上线了新仓库：browser-use/jev-ultrafast。
配套放了一段几秒的视频：在真实的 Google Flights 页面上，AI 自动点单程、选苏黎世出发、填伦敦、定 9 月 20 号、点搜索、拿到航班列表。全程 7.1 秒，成本 0.39 美分。
你们想想以前的浏览器代理怎么干活。截一张高清大图 → 丢给多模态大模型 → 它盯着图发呆几秒 → 慢吞吞写一段”心理活动小作文” → 终于吐出一个点击坐标 → 浏览器点一下 → 再截图。一趟折腾 30 秒，中间按钮稍一漂移，直接卡死。
它不再截图，而是把页面抽成一张带编号的控件清单（DOM 快照）。然后把清单和任务目标丢给 JEV，JEV 不做任何文本生成，一次请求里并行算出”该点哪个操作、该选第几个控件”。只有判定出来是”输入文字”那一小步，才顺手叫一个微型 LLM 吐出”London”这几个字。
结果？浏览器协议调用从 1092 次暴跌到 101 次，砍掉 91%。同样的机票任务比旧版快了 25%。
这下我！真！惊！了！
原来最值钱的 AI，不是最会聊天的，是那个最不会说话的。
把”决策”和”生成”劈成两层，便宜的干便宜的活，聪明的干聪明的活。 这就是 JEV 和 browser-use 一起给出的答案。
社区里，你可以让jev决策什么任务用什么模型，从而真正的将干活和省钱发挥到极致。
说到这，重点来了。你！听！好！
当搞清楚了JEV的原理，开源优化的模型就来了，我就部署了一个 decider-2b-vision，当 JEV 的平替用——2B 参数，能看图，决策接口和 JEV 一个样。
这个模型是基于qwen3.5-2b微调的，我觉得当前性价比最高。市面上也有0.9b的平替，虽然更小但不够聪明，毕竟底模不行。
云端 JEV 再香，也有三道坎：要 API key、要花钱、数据得出境。
本地这一版，免费、离线、数据不出门。
我建议你，别光看热闹，真拿它复刻一遍 browser-use 那套架构测三个数：
第一，找个高频重复任务。比如打开某个设置页、切换筛选、滚一遍结果、再还原状态。把”点哪个、滚不滚”这些导航决策路由给你的本地模型，文字输入才交给小模型。
第二，记总时长和协议调用次数。对照 browser-use 那个 1092→101，你看看本地这版能砍掉多少。
第三，成功率单独记。快但点错，那不叫快。
你就拿他们公开的机票检索当标尺，跑一遍自己的任务，哪步不准、哪步慢，记下来——这就是你自己的评估表。
说真的，这波浪潮，别只当新闻看。
真正便宜的智能，会从你看不见的地方长出来：一个笨得快的小模型，配一个聪明得慢的大模型，各干各的。
你不动手跑一遍，它就永远只是别人的热搜。
