近日，由前OpenAI研究员、曾参与ChatGPT研发的Diogo Almeida创办的 TypeSafe AI发布了新模型Jev。与生成文本的传统大语言模型不同，Jev被定位为“System One（系统一）”决策模型：它不生成任何文字，直接输出带概率的结构化判定。据TypeSafe官方公布，该模型在分类决策任务上比前沿大模型最快提速近200倍，成本最低降至约四百分之一。

9月19日，中国人工智能企业APUS（麒麟合盛网络技术股份有限公司）旗下AI实验室公布了针对Jev的独立开源复现成果，并包装成了开箱即用的Agent Skill fast-browser-use，支持纯本地模型离线执行。该项目支持macOS、Linux、Windows三大主流桌面与服务器操作系统，既可以在GPU服务器上运行，也可以在没有GPU的Mac和PC上运行。全部代码以MIT协议向全球开发者开放。

什么是Jev与“决策模型”？

Jev模型面向智能体（Agent）运行中最高频的一类需求，即分类、选择、评分、真伪判断，直接返回类型化答案与置信概率，而非逐字生成文本。业内认为，这一路线验证了Agent架构的“快慢分工”：昂贵的大模型负责规划等“慢思考”，高频、原子化的“快判断”交给轻量决策模型完成。

APUS复现了什么？

APUS完整实现了Jev底层决策范式，并将其完整落地于最具代表性的浏览器自动化（Browser-use）场景。APUS基于Jev公开文档展示的输入范式与评估逻辑，分析出了其“跳过自回归解码、隐状态直接打分”的核心逻辑。在开源项目中，APUS复现了单Token Logits快速决策，跳过自回归解码的过程，实现了Jev KV-Cache广播与并发批量评估的工作机制。在浏览器自动化场景中，fast-browser-use将页面上真实可见、可交互的元素整理为带编号的候选动作集合，由本地运行的Qwen3.5-9B模型通过单次前向计算直接完成“点哪里、选哪个”的决策，从机制上消除了模型生成错误选择器或格式幻觉的可能。APUS公布的实测数据显示：在一台Apple M2 Pro消费级笔记本上，智能体依靠本地模型推理，全程离线完成真实维基百科检索任务的中位耗时约18秒，表单填报、站内导航等任务耗时仅3秒左右，单任务模型打分次数仅4次，全程零云端调用、零API费用，用户数据不出本机。

据介绍，fast-browser-use已封装为标准Agent Skill，开发者可通过一行命令将其接入Claude Code、Codex、OpenCode等主流编程智能体。APUS AI实验室还表示，后续将围绕桌面GUI操作、本地操作系统交互等场景持续开源新的Skill。

公开资料显示，APUS成立于2014年，旗下AI产品与服务覆盖全球200多个国家和地区的24亿用户，2026年7月发布全新品牌定位“全球化AI Agent生态构建者”，其核心技术路线为“追逐最先进的LLM技术，跳出单纯的模型比拼，深耕落地应用，聚焦真实行业价值产出”。未来，APUS将持续以自研大模型为底座，聚焦AI Agent核心技术创新，构建覆盖金融风控、情报分析、内容创作、医疗等场景的Agent产品矩阵。