Jev：从快速判断，到查航班与整理论文

Browser Use 的公开演示从一句要求开始：查找 9 月 20 日苏黎世到伦敦、单程、1 位成人的经济舱航班。Jev 从网页控件清单中选择下一步和目标；需要输入城市时，Mercury 2.5 负责生成文字。最终画面显示匹配航班，没有选票或预订。

作者记录的任务耗时为 7.073 秒，从首次读取首页之后开始计算，包含模型调用、填字与网页加载。视频、测量记录和代码都公开，适合一起看“选哪一步”怎样变成屏幕上的操作。

• 观看作者航班搜索演示 ↗原速记录；完成到显示结果。
• 打开作品与运行说明 ↗开发者可查看模型分工、代码与复现入口。
• Browser Use 素材许可 ↗MIT · Copyright 2026 Browser Use。

收到一封邮件，先判断它属于售后、账单还是合作，再交给对应的人处理。这类反复出现的小判断，是 Jev 要做的事。TypeSafe AI 在 2026 年 9 月 15 日发布它，称这类专注于快速判断的模型为 System One。

使用时先给它材料和问题，再定义可以返回哪些选项。它能选择类别、按给定刻度评分，或判断一句话成立的可能性；多个问题可以一起处理。结果直接交给软件继续执行，回复邮件的文字则可以由另一个模型生成。

同样是处理邮件，“附件大于 20 MB”可以直接用规则判断；“这封邮件在催进度吗”需要理解语气和上下文；“请写一封得体的回复”需要生成文字。把这三步拆开，就更容易理解 Jev 在整件事里的位置。下表是工作分工示例。

官方展示的 193.6 倍速度、444.6 倍成本优势，来自自建的工作流程评估，参照答案取 Astra 与 Fable 的平均预测。它说明特定判断流程的表现，不能直接换成所有任务的快慢排行。

Nexus 另用同一批 469 个案例比较助手的检查步骤。Jev 接手其中 58%，其余交回规则。把回退也算进去，Jev 总共错 90 次，Sonnet 5 错 92 次；这次实验更鲜明的差别在等待与费用。

1kpapers 已经把 1,018 篇论文整理成可以按研究方向、实验室和时间浏览的目录。Hassan 在 9 月 17 日报告了一次 Jev 实验：把论文标题、DeepSeek V4 Flash 摘要和 24 个主题选项交给 Jev，分类总费用为 0.08 美元，每篇延迟中位数 256 毫秒。

摘要与分类是两笔工作：网站原有 1,000 篇摘要实验的 DeepSeek 推理费用为 3.99 美元。9 月 20 日读取的公开分类代码仍采用原有模型流程，因此这里展示的是现有论文目录与新增分类实验，不能据此认定在线标签已经全部换成 Jev。

• 打开论文目录 ↗先选一个熟悉的研究方向，看摘要怎样帮助浏览。
• 看作者的 Jev 分类实验 ↗分类费用与耗时来自作者报告。

费用单独核对：2026 年 10 月 4 日。9 月 25 日结束的 Vercel 免费促销已经过期。当时 Vercel AI Gateway 页面列出 TypeSafe AI 与 DigitalOcean 两个入口，输入价格均为每百万 token 0.04 美元起，均不适用 Free AI Gateway Credit；输出栏未列价格，不能据此理解为免费。接入需网关 API 凭据，账户可用性与实际账单以平台为准。

TypeSafe 直接 API 是另一个入口：10 月 4 日核对时，官方文档列出 Jev 1.13，每百万输入 token 0.042 美元，输出 token 免费。控制台提供账号与试用入口；这项直接 API 单价不能替代 Vercel 的计费条件。10 月 16 日的版本与容量补充见下方新章。

Jev 当前读取文本，图片或音频需要先转成可读材料。官方还说明英文表现最好；面向中文邮件、评论或资料分类时，应先拿自己的样本看看。模型调用便宜，不等于整个应用的摘要、运行和其他模型费用都包含在内。

• 进入 TypeSafe 控制台 ↗官方账号与试用入口。
• 查看 Vercel 当前价格 ↗价格与免费额度适用性 · 10 月 4 日核对。

• 10月9日后续：新价格、较短窗口与Omni →

Jev 先做判断，再由软件继续。10 月 1 日，Cloudflare 推出 Clef 与 Clef-flash，把这项分工放进另一套模型：先给材料、问题与允许的答案，再返回各选项的概率。它们是 Cloudflare 的产品；固定选项限制了输出范围，仍可能选错。

官方示例是一条“所有客户结账失败，已持续一小时”的消息。开发者同时问是否紧急、该交给账单／技术／销售哪一组，以及影响程度。软件可以据概率分派、升级或交给人复核。这不是让模型写一封回复，也不是收到一个选项就自动完成维修；后续动作还要由应用接上。

Cloudflare 还报告了内部域名分类：通过 Browser Run 抓取、渲染网页并分类，Clef 用时 2.2 秒，gpt-oss-120b 在同一流程用时 4.7 秒。这里计入了网页处理，是厂商的一次任务报告；不能拿它与前面的 Jev 航班搜索或助手检查硬比，也不能当成所有网站的固定等待。

10 月 2 日读取的 Workers AI 文档列出 Clef 27B、Clef-flash 9B；每百万输入 token 分别为 0.24 与 0.09 美元，需通过开发者账户接入。开源权重也已公布。对一件实际工作，接入后还要看选错多少、何时交给人，以及网页处理和后续模型一起产生的费用。

• 看官方结账故障判断示例 ↗

如果你在用 GPT、Opus、Grok 等助手写作、编程或整理材料，理解 Jev 可以从刚才的两个作品开始：写城市名称和选择网页按钮分开，写论文摘要和判断分类分开。改变的是一项工作内部怎样分配任务，不必把新模型的出现都理解为换一个聊天订阅。

Astra 专题里的 Blender 作品展示了模型怎样把描述变成可编辑场景。接着看 Jev，可以多问一个问题：这项工作里，哪些步骤需要创造新内容，哪些只是从已有选择里作判断？这是我们从这些作品得到的使用思路，实际怎样搭配仍取决于应用接入。

• 继续看 Astra 的可编辑三维作品 →从生成作品这一侧，理解模型分工。
• 看官方怎样拆分智能家居指令 ↗识别设备与动作，再由程序执行。

• 看吃豆人的默认录制回放 ↗外部原作品；默认是录制。切到实时观看或 Play 模式时，另看账号与共享额度条件。

迷宫里的吃豆人走到路口，画面上显示各方向的概率，再沿选定方向继续。Opper 的 Jevman 把密集的小判断做成了一件可以观看的作品：默认打开的是 Jev 1.13 的录制回放，旁边能展开每次决定。本站本轮看到默认回放分数推进至 3870；原件标注 10 月 6 日，10 月 11 日回读文件与昨晚一致。读者先看一次走法，再看重复游戏的结果，更容易理解概率怎样接到动作。

模型收到的是软件整理的 JSON：迷宫字符格、角色位置与方向、鬼怪状态、剩余豆子和果实。程序还计算合法方向、距离和危险线索，再把它们变成允许的选项。模型选择一个方向，软件执行并更新状态，到下一个路口继续问；需要时也会在走廊中问是否折返。画面让人看见过程，判断输入则来自这份结构化材料。

这套循环也要处理等待和环境变化。基准规定，发送后超过两秒仍未得到可用答案，或调用出错、答案无效时，程序用简单规则接手；果实等状态变化，也会让旧决定失效。表中的回退比例按决定次数计算，因此最后分数来自模型选择、时延和规则共同参与的游戏。快速回答能减少等待，但具体走法仍决定能吃多少豆子、躲过多少次追赶。

作者公开的自测结果文件保留八个型号，每个玩 100 局，用相同经典迷宫、脚本鬼怪、三条命和最多五分钟的规则；社区提交另列。各模型使用同一输入格式，但走法和等待不同，后续看到的状态也不同，公开方法没有配对随机种子的记录。下表只取其中三款：±为约两倍均值标准误，按作者的合成误差规则，三者在八组自测结果中处于并列首组。2750、2568、2538不能单独用来宣布胜者。

耗时与费用也有各自范围。延迟均值取收到成功回复的调用，包含上游网络与读取回复；预热、超时和整局时长不合成这一个数字。每局费用来自游戏记录的调用花费，不是完整应用账单，也不能当作今天各平台的 token 单价。这里引用 Opper 作者的游戏测试，本站没有跑这八组 100 局；完整型号、误差和方法仍可从原榜继续核对。

这接回前面的航班搜索与固定选项：程序先把环境整理成可判断的材料，模型选下一步，再由软件执行。游戏把这项分工重复得更密集，还能看见决定之后的反馈。参照中的 Luna 走的是 Decisions 接口：OpenAI 官方目前仅支持 gpt-6-luna，Opper 把它接成 System One 形状。它在这里的走法与费用，和普通 Luna 聊天、写代码或文字智能指数分别理解。

• 查看完整作者成绩与范围 ↗
• 看原作、输入与运行方法 ↗
• 回看航班中的模型分工 →
• 接着看 Clef 的托管窗口与费用 →

上一章用结账失败的消息，说明模型怎样选择紧急程度、归属与严重等级。10 月 2 日记录的 Clef-flash 单价是每百万输入 token $0.09。Cloudflare 在 10 月 9 日降至 $0.038，同时把托管窗口从此前宣传的 64k 缩至 24k。短消息分类多了更便宜的选择，长材料则要重新看能否完整送入。下表引用 Workers AI 的 Cloudflare 托管标价，官方文档没有另分地区列价；其他网关的账单要按各自入口核对。

这里的窗口要容纳材料、问题和媒体。10 月 10 日文档列 Flash 为 24,576 token：图片先换算为输入 token，Omni 的音频和视频也按时长换算，都按该型号输入单价计费，输出 token 不收费。如果媒体和问题本身超出窗口，请求会失败；否则文字状态可能被截短。把一大批邮件一次塞进去时，不能只比较单价，还要确认哪部分材料实际参与了判断。

这次改的是托管服务条件。Cloudflare 说明 Flash 的公开权重没有改动，并称自行部署可用 256k 窗口；这不等于托管入口仍能接收同样长度，也不保证任意设备都能承载。当前 Clef 托管窗口为 65,536，Omni 为 64,000，具体数值分别保留。选择时先看自己的材料长度，再看运行环境和费用，不能把权重能力、服务限额与实际设备表现合成一个承诺。

新增 Clef-omni 把声音也接进固定选项判断。官方文档允许文字、JSON、图片、音频或视频，仍返回每个允许选项的概率。厂商报告一次 21 秒带声音视频的打分约用 1.5 秒，这是发布中的测时示例，本文未复做，也没有验证持续视频代理。它提供的下一种分工是：让已有录音或片段回答一个范围明确的问题，再由软件决定下一步；是否判断正确、何时交给人，仍需用自己的样本看。

• 回看结账消息的固定选项判断 →
• 核对 Flash 当前窗口与计价 ↗
• 看 Omni 的输入与媒体计价 ↗

TypeSafe 的当前文档把 10 月 14 日列为 Jev 1.14 的可用日期，但稳定入口 jev-latest 仍指向 1.13，jev-preview 才指向 1.14。新版本出现，不代表原有程序已经换了模型。每次响应会返回实际版本；如果已经按旧版调整过分类阈值，可以先固定版本，再用同一批材料比较是否要切换。

两版默认都要同时满足两个容量条件：一份请求中，材料加全部问题不超过 64k token；材料加任意一个问题不超过 32k。问题没有另设数量上限，但仍受这两项约束。例如给一封邮件和处理规则，再同时问“是否要求退款”“交给哪个组”，需要把材料和问题一起计算，不能把 64k 当作每道问题都能使用的额度。

确实需要更长材料时，两版都可以逐次请求打开 Long Context，把两项上限都提高到 262k，输入单价不变。官方同时提醒：超出默认范围的长上下文更慢、准确性也较低。这是在说明该模式的取舍，不能理解成 1.14 比 1.13 退步；上限本身也不是一份长文已经被正确理解的证明。

Jev 仍以文字或结构化文字为输入，返回预设选项、评分或概率；英文是主要训练语言，中文材料需要另看实际表现。直接 API 两版均为每百万输入 token 0.042 美元、输出免费。可以先选一批自己能核对的邮件或资料，用固定选项比较两版的选择与不确定性，再决定哪些结果交给程序、哪些留给人；概率校准也不保证某一次判断正确。

• 进入官方控制台查看可用入口 ↗
• 从一份材料和预设问题开始 ↗

一封邮件说“同一笔订单扣了两次钱，请退款”。程序至少有三件事要判断：是否提出退款、交给哪个组、问题有多严重。10月23日回读的OpenAI文档已将Decisions API标为正式可用，仍使用现有gpt-6-luna。它可把文字、图片与结构化材料变成有限类型的答案；下面用这封虚构邮件说明分工，不是本站调用结果。

三种问题不能互换：predicate估计一个条件成立的概率；choice从给定类别中选择；score按有序等级的概率分布计算分数。若给“仅外观问题、尚有替代办法、完全阻塞”编号0、1、2，分数可能落在两级之间。它不是正确率，也不是付款或退款的许可。真正改变订单的动作仍要由应用执行。

实际接入还要处理没有答案的情形。正式接口允许某道问题返回refusal，其他问题仍可有答案；不能把拒答填成“否”或零分。choice与score还各有confidence及选项概率，但它们与等级分数是不同字段。对这封邮件，先分类再决定是否退款，也属于两个决策：识别“在要求退款”并没有核实重复扣款，更没有证明符合退款条件。

把阈值放回自己的材料才有意义。作为编辑建议，可以先人工标注一批中文邮件，保留转错组、漏掉紧急请求以及需要人接手的例子，再比较自动分流比例与错误数；误发退款和多请一次人工确认，代价也不同。Jev文档仍提醒英文表现最好，latest仍是1.13、preview才是1.14。和Luna比较时固定版本、问题、输入及接手规则，不能从一个概率数字推断谁普遍更可靠。

费用也须按当前入口核算：Decisions列出的未缓存输入价为每百万token 0.10美元，输出不收费；现在有提示缓存，读取有折扣、写入收费，不宜沿用公测时“没有缓存读写费用”的说法。Jev直接API仍为每百万输入0.042美元、输出免费。单价不同不等于完成同一件事的总费用不同：输入长度、重试、拒答与人工接手都应计入。

此前Jevman的100局记录仍是原作者在当时接口与适配层上的实验，不随这次GA变成新版测试。OpenAI所称约十倍速度是厂商陈述，本章没有做同题计时或付费调用。新变化值得接续的是：开发者已有另一个正式判断入口；究竟怎样分流才省事、少出错，要连同真实材料和人的接手一起比较。

• 查看正式Decisions文档 ↗
• 回看原100局游戏比较及条件 →
• 核对Jev稳定版、预览与材料上限 →