jev模型刷屏，我在本地装了一个平替

JEV不是聊天模型，是专做决策的系统一模型

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。

browser-use接入JEV，重构浏览器自动化范式

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是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。

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%。

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。

本地可部署的JEV平替：decider-2b-vision

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。

动手验证：用三个指标评估你的本地决策系统

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：

• 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。
• 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。
• 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。

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。