外網 3500 萬人圍觀的 Jev 模型，有這 10 個神奇玩法。
整理版優先睇
Jev 唔係用嚟寫文，而係專做快速判斷；10 個外網實測展示佢點樣用極低成本同速度，幫程式喺遊戲、模擬、瀏覽器同資料清理入面不停做下一步選擇。
呢篇文整理咗外網近期爆紅嘅 Jev 大模型實測。Jev 創辦人之前喺 OpenAI 做過 InstructGPT 同人類反饋強化學習研究，所以一推出就好多人討論。作者想解答一個問題：Jev 明明似係大模型嘅子集，唔擅長寫文章、寫 code、做分析，咁佢到底可以完成咩任務？文章結論係，Jev 最值錢嘅位唔係生成內容，而係用更低成本、更快速度做「下一步選擇」。
作者收集咗 10 個網友實測，場景包括《地鐵跑酷》、《超級馬裏奧兄弟》、《殺戮尖塔 2》、3D 自動駕駛、火箭仿真、像素畫、航班查詢、實時帖子分析、724 條廣告拆解，同埋清理 AI 工具調用記錄。共通點係：程式將當前狀態同選項交畀 Jev，Jev 做一個細判斷，再交返結果畀程式執行。因為每次判斷夠快、夠便宜，開發者先願意試高頻調用。
文章亦提醒，Jev 唔係取代 GPT 或 Claude。GPT 依然適合負責內容生成同複雜任務，Jev 更適合插入流程，處理需要快速選擇嘅環節。真實道路駕駛等能力仲要驗證，但呢批案例已經展示咗一種新用法：唔再問 AI「幫我寫曬成篇」，而係問「下一步揀邊個」。
- Jev 定位係高頻決策模型：輸入當前情況同選項，輸出下一步判斷，唔負責長文生成或複雜分析。
- 成本係最大賣點：每百萬輸入 Token 0.042 美元、輸出免費；50 局跑酷唔夠 1 美仙，火箭 245 次調用約 0.04 美元，航班查詢 0.0039 美元。
- 最佳拍檔係流程而唔係單次 prompt：遊戲、瀏覽器、模擬器每次狀態變化都觸發一次 Jev 判斷，形成「感知—選擇—執行—再回饋」loop。
- 速度直接影響體驗：殺戮尖塔 2 一次思考約 0.7 秒，航班查詢 7 秒；延遲夠低先可以做到實時互動同密集調用。
- 可行動點：先揾出流程入面重複、選項有限、答案可以快速驗證嘅決策位，再將 Jev 插入去，用 GPT 做生成、Jev 做選擇。
《地鐵跑酷》同時跑 50 局示範
Jev 每一步揀換道、跳躍或躲避，50 局總成本唔夠 1 美仙。
《超級馬裏奧兄弟》實時遊玩示範
展示 Jev 喺規則清晰、要即時反應嘅遊戲入面，快速推理同結構化輸出嘅價值。
《殺戮尖塔 2》代打示範
開發者 paulwei 用 Jev 代打，報告一次行動思考只需約 0.7 秒。
3D 城市自動駕駛模擬
有人用唔到一小時搭出 demo，將車輛狀態交畀 Jev 判斷下一步，再回傳變化形成閉環。
Jev 係乜：唔寫文，專做快速判斷
Jev 由前 OpenAI 員工推出，佢參與過 InstructGPT 同人類反饋強化學習研究。模型唔係用嚟同 GPT、Claude 鬥寫文章或寫 code，而係專門幫 AI 喺選項之間快速揀下一步。
Jev 嘅核心工作：接收當前情況，從選項中做判斷，再交結果畀程式
佢似「AI 界蜜雪冰城」：每百萬輸入 Token 收 0.042 美元，輸出免費。呢個定價令高頻、密集嘅調用變得可行，開發者先會願意將佢放入遊戲、瀏覽器同模擬器入面不停試。
每百萬輸入 Token 0.042 美元，輸出免費
- 文章想解答：Jev 能完成咩任務、有咩應用場景。
- 實測共通點係：每次只做一個小判斷，唔靠一次過輸出完整答案。
- 呢種定位令 Jev 可以同 GPT、Claude 分工，而唔係正面競爭。
遊戲實測：跑酷、馬利奧同殺戮尖塔
最多人試嘅係遊戲。遊戲規則清晰，狀態變化密，每一步都可以變成一條選擇題，正好放大 Jev 嘅低延遲同低成本優勢。
- 1 《地鐵跑酷》：Jev 不斷揀換道、跳躍或躲避，有人同時跑 50 局，費用唔夠 1 美仙。
- 2 《超級馬裏奧兄弟》：向前走、遇障礙同敵人即時反應，展示快速推理同結構化輸出喺實時交互嘅價值。
- 3 《殺戮尖塔 2》：開發者 paulwei 用 Jev 代打，一次行動思考約 0.7 秒，快到玩家未睇清畫面，模型已經操作完。
同時跑 50 局《地鐵跑酷》，總成本唔夠 1 美仙
《殺戮尖塔 2》一次思考約 0.7 秒
模擬世界：3D 駕駛、火箭回收同像素畫
另一批實測將 Jev 放入模擬器，等佢做控制決策。呢啲場景唔係純娛樂，而係接近自動化同機械人控制嘅原型。
- 3D 城市自動駕駛：有人用唔到一小時搭出 demo，車輛狀態傳畀 Jev，Jev 揀下一步，再將變化回傳，形成閉環。
- 火箭發射同回收：幾時點火、開幾台引擎、幾時切換階段都交畀 Jev；喺 MuJoCo 入面經過 12 次試驗同調整先成功着陸，245 次調用約 0.04 美元。
- 像素畫：將畫圖拆成大量「呢個像素用咩顏色」嘅小問題，再由程式組合結果。
3D 駕駛 demo 搭建過程唔到一小時
火箭成功着陸用咗 245 次調用，API 費用約 0.04 美元
但文章提醒，真實道路駕駛能力仲要驗證，模擬成功唔等於現實可靠。
瀏覽器同內容工作流：航班、帖子分析、廣告拆解
Jev 亦被用喺網頁操作同內容分析。呢啲任務嘅共通點係：要睇大量狀態，再揀下一步做乜。
- 1 航班查詢：將網頁狀態交畀 Jev，由佢揀下一步操作；需要輸入文字時藉助小型語言模型，一次查詢用 7 秒、費用 0.0039 美元。
- 2 實時帖子分析器：Riley Brown 將分析嵌入寫作過程，一邊寫一邊睇內容有冇傳播潛力，改文案即時有新反饋。
- 3 廣告拆解：40 秒分析 37 個品牌、724 條廣告，token 費用 9 美仙，為每條廣告分類同評分，包括開頭吸引力、形式、優惠、購買或註冊目標，同埋廣告承諾同 landing page 係咪一致。
航班查詢一次用 7 秒、費用 0.0039 美元
40 秒拆解 724 條廣告，token 費用 9 美仙
對市場營銷同內容團隊嚟講，呢個方向係將素材庫自動標籤化，再按類別集中比較。
10 個案例背後：Jev 嘅定位、限制同落地方法
總結 10 個案例，Jev 做嘅事都好相似：接收當前情況，從選項中做判斷，將結果交畀程序。遊戲每一步、網頁每一次點擊、用戶每改一段文字，都可以觸發一次判斷。
共通模式：感知當前狀態 → 揀下一步 → 交畀程式執行 → 再回饋
- 適合 Jev：選項有限、需要低延遲、可以快速驗證、調用次數多嘅決策位。
- 適合 GPT／Claude：內容生成、複雜分析、需要長上下文同創造力嘅任務。
- 落地方法：先拆流程，揾出重複而明確嘅選擇題，再將 Jev 插入去，唔好一開始就諗取代成個模型。
- 風險同限制：模擬環境成功唔等於現實可靠；真實駕駛等能力仍然要驗證。
速度同費用下降後，開發者開始願意試更密集嘅調用
文章最後引導讀者關注「逛逛 GitHub」公眾號，但對讀者嚟講，最值得帶走嘅係：AI 應用可以分工，GPT 負責生成，Jev 負責快速選擇。
Jev 大模型啱啱發佈，就喺外國網站引嚟大量討論。
而家佢應該係外國網站最紅嘅大模型。
Jev 嘅創辦人之前係 OpenAI 嘅員工，參與過 InstructGPT 同人類反饋強化學習嘅研究。
而家佢推出咗呢個好有創新性嘅大模型。
Jev 大模型係一個專門幫 AI 快速做選擇嘅模型，例如打機嗰陣決定行邊邊、處理數據嗰陣判斷邊啲內容有用。
相比 GPT、Claude 擅長寫文章、寫程式碼、做分析，Jev 就更加專注用更低成本、更快速度，畀出下一步決定。
有人話佢係 AI 界嘅蜜雪冰城。
每百萬個輸入 Token 收費 0.042 美元，輸出免費。
呢個模型啱啱出嗰陣，我就諗，呢個唔係大模型嘅子集咩？做到啲咩任務？可以有咩應用場景？
近排啲網友都喺度實測 Jev 模型，真係有好多幾有趣嘅玩法。
收集咗一批，可以睇下。
01
同時跑 50 局跑酷
畀 Jev 玩經典跑酷遊戲《地鐵跑酷》，等佢不斷揀下一步動作。
前面出現障礙物，角色要及時換線、跳起或者避開。
https://x.com/_MaxBlade/status/2100634359099232678
呢位網友仲同時運行咗 50 局遊戲嘅效果。
今次運行嘅費用唔到 1 美仙。
轉一次線只需要做個小判斷，但個遊戲要不停做選擇。
50 局同時運行，調用次數好快就會增加，單次判斷嘅速度同價格就變得重要。
02
畀 Jev 玩《超級馬裏奧兄弟》
真係好多人畀 Jev 玩遊戲，例如畀 Jev 玩《超級馬裏奧兄弟》嘅。
呢隻遊戲嘅規則好清晰。
向前行，遇到障礙同敵人要及時反應。動作同動作之間嘅等待，會影響成個遊戲過程。
https://x.com/faadilhshaik/status/2100086301894881578
呢隻遊戲嘅影片就可以證明 Jev 快速推理同結構化輸出呢個特點，喺實時互動入面都幾有用。
03
代打《殺戮尖塔 2》，每次思考大約 0.7 秒
中文開發者 paulwei 將 Jev 用喺《殺戮尖塔 2》入面。
佢之前試過用 GPT-6 Astra 代打，今次換成 Jev 之後，報告話一次行動思考只需要 0.7 秒。
自己都未睇清個畫面，模型就已經操作完。
等待時間縮短咗，代打嘅體驗亦都跟住改變。
https://x.com/coolish/status/2100570517954838897
04
喺三維城市入面模擬自動駕駛
仲有人用 Jev 整咗個 3D 駕駛示範，話搭建過程唔使一個鐘。
架車喺城市道路上行駛，介面顯示住路線同控制資訊。
模型判斷下一步，架車執行動作，變化咗嘅情況再傳返畀 Jev 模型。
呢個過程喺模擬器入面不斷重複，形成咗影片中嘅駕駛效果。
https://x.com/jpschroeder/status/2100347770867458384
但係喺真實道路上面嘅駕駛能力，係咪都咁勁仲要驗證。
05
畀模擬火箭完成發射同回收
將 Jev 模型應用喺火箭模擬入面，畀呢個模型參與由發射到着陸嘅控制。
幾時點火、啟動幾多個引擎、幾時切換階段，都交畀 Jev 模型判斷。
成個場景運行喺 MuJoCo 物理模擬環境入面。
https://x.com/uttkarsh_42/status/2100690568947159309
經過 12 次試驗同多項設定調整，火箭先至成功着陸。
佢報告話今次成功運行用咗 245 次調用，API 費用大約 0.04 美元。
06
畫一張圖
畀 Jev 幫畫面入面嘅像素揀顏色，再將結果組合成圖像。
畫圖被拆成大量小問題。
例如呢個位置用咩顏色，每種顏色嘅機率係幾多。程式攞到呢啲結果，就可以將佢哋顯示出嚟。
https://x.com/anshuc/status/2100279993330765953
07
用 7 秒查一次航班
仲有網友畀 Jev 操作瀏覽器查詢航班嘅過程。
今次查詢用咗 7 秒，費用係 0.0039 美元。
呢套系統將網頁狀態交畀 Jev，等佢揀下一步操作。
遇到要輸入文字嘅地方，就再借助小型語言模型。幾個組件各自完成適合嘅任務，組成一次完整嘅網頁操作。
https://x.com/gregpr07/status/2100411066966749359
執行一項簡單嘅網頁任務時，AI 停少幾次，使用體驗就會有明顯變化。
08
一路寫帖文，一路睇佢有冇傳播潛力
Riley Brown 整咗一個即時帖文分析器。
有啲意思喎。
喺輸入框入面寫內容
01
整一張識轉動、會閃光嘅角色卡
改完文案之後，可以繼續睇到新嘅反饋。
https://x.com/rileybrown/status/2100425868053008758
將分析放入寫作過程，修改咗內容就可以及時攞到反饋。
09
40 秒拆解 724 條廣告
分析 37 個品牌嘅 724 條廣告，用咗 40 秒，token 費用係 9 美仙。
它會畀每條廣告做分類同評分。
開頭點樣吸引注意力、用咩形式、提供咩優惠、想用戶買定係註冊，以及廣告入面嘅承諾同撳完之後嘅頁面係咪一致。
https://x.com/TheMattBerman/status/2100654891756589230
先將幾百條競品廣告整理成一份有標籤嘅素材庫。
想研究折扣文案、用戶體驗分享或者吸引人嘅開頭，就可以按類別集中比較，慳返逐條閲讀、人手整理嘅時間。
10
快速篩走 AI 工作記錄入面嘅無關內容
仲有啲開發者用 Jev 幫 AI 嘅工具調用記錄打分，再刪除同當前任務無關嘅內容。
AI 連續工作嗰陣，會積累網頁內容、檔案片段同工具返回結果。
呢啲歷史資訊會做 AI 嘅上下文，時間耐咗會越嚟越長。
Jev 喺呢度負責篩選，減少之後需要閲讀嘅資訊。
https://x.com/tamarajtran/status/2100694549362553153
呢 10 個案例入面，Jev 做嘅事都好相似，就係接收當前情況，喺選項入面做判斷，再將結果交畀程式。
遊戲每行一步、網頁每撳一次、用戶每改一段文字，都可以觸發一次判斷。
速度同費用跌咗之後，開發者開始願意試更密集嘅調用。
GPT 依然可以負責內容生成同複雜任務，Jev 就可以加入其中，處理適合快速選擇嘅環節。
11
撳下面張卡片，關注逛逛 GitHub
呢個公眾號以前發佈過好多有趣嘅開源項目，如果你懶得逐篇文章揾，你直接關注微信公眾號：逛逛 GitHub，喺後台對話傾偈就得：
Jev 大模型剛發佈，就在外網獲得大量的討論。
目前它應該是外網最火的大模型。
Jev 的創始人之前是 OpenAI 的員工，參與 InstructGPT 和人類反饋強化學習的研究。
現在他推出了這個很創新的大模型。
Jev 大模型是一個專門幫 AI 快速做選擇的模型，比如玩遊戲時決定往哪走、處理資料時判斷哪些內容有用。
相比 GPT、Claude 擅長寫文章、 寫代碼、做分析，Jev 更專注於用更低的成本、更快的速度，給出下一步決定。
有人說它是 AI 界的蜜雪冰城。
每百萬輸入 Token 收費 0.042 美元，輸出免費。
這個模型剛出來的時候，我就在想，這不就是大模型的子集？能完成什麼任務？能有什麼應用場景？
近期網友都在實測 Jev 模型，確實有很多很有意思的玩法。
蒐集了一批，可以看看。
01
同時跑 50 局跑酷
讓 Jev 玩經典的跑酷遊戲《地鐵跑酷》，讓它不斷選擇下一步動作。
前方出現障礙物，角色需要及時換道、跳躍或躲避。
https://x.com/_MaxBlade/status/2100634359099232678
這個網友還同時運行了 50 局遊戲的效果。
這次運行的費用不到 1 美分。。
一次換道只需要做一個小判斷，但遊戲要反覆做出選擇。
50 局同時運行，調用次數很快就會增加，單次判斷的速度和價格也就變得重要。
02
讓 Jev 玩《超級馬里奧兄弟》
確實很多人在讓 Jev 玩遊戲，比如讓 Jev 玩《超級馬里奧兄弟》的。
這個遊戲的規則很清晰。
向前走，遇到障礙和敵人及時做出反應。動作之間的等待，會影響整個遊戲過程。
https://x.com/faadilhshaik/status/2100086301894881578
這個遊戲的視頻就能證明 Jev 快速推理與結構化輸出的特點，在實時交互中還是挺有用的。
03
代打《殺戮尖塔 2》，一次思考約 0.7 秒
中文開發者 paulwei 把 Jev 用在了《殺戮尖塔 2》裏。
他此前嘗試過用 GPT-6 Astra 代打，這次換成 Jev 後，報告一次行動思考只需 0.7 秒。
自己還沒看清畫面呢，模型就已經操作完了。
等待時間縮短，代打的體驗也隨之改變。
https://x.com/coolish/status/2100570517954838897
04
在三維城市裏模擬自動駕駛
還有人用 Jev 做了一個 3D 駕駛演示，稱搭建過程不到一小時。
車輛在城市道路中行駛，界面上顯示着路線和控制信息。
模型判斷下一步，車輛執行動作，變化後的情況再傳回 Jev 模型。
這個過程在模擬器裏不斷重複，形成了視頻中的駕駛效果。
https://x.com/jpschroeder/status/2100347770867458384
蛋真實道路上的駕駛能力，能否也特別頂還得驗證。
05
讓模擬火箭完成發射和回收
把 Jev 模型應用到火箭仿真中，讓這個模型參與從發射到着陸的控制。
什麼時候點火、啓動幾台發動機、什麼時候切換階段，都被交給 Jev 模型判斷。
整個場景運行在 MuJoCo 物理仿真環境中。
https://x.com/uttkarsh_42/status/2100690568947159309
經過 12 次試驗和多項設置調整，火箭才成功着陸。
他報告這次成功運行用了 245 次調用，API 費用約 0.04 美元。
06
畫一張圖
讓 Jev 給畫面裏的像素選擇顏色，再把結果組合成圖像。
畫圖被拆成了大量的小問題。
比如這個位置用什麼顏色，每種顏色的概率是多少。程序拿到這些結果，就能把它們顯示出來。
https://x.com/anshuc/status/2100279993330765953
07
用 7 秒查一次航班
還有網友讓 Jev 操作瀏覽器查詢航班的過程。
按這次查詢用了 7 秒，費用為 0.0039 美元。
這套系統把網頁狀態交給 Jev，讓它選擇下一步操作。
遇到需要輸入文字的地方，再借助小型語言模型。幾個組件各自完成適合的任務，組成一次完整的網頁操作。
https://x.com/gregpr07/status/2100411066966749359
執行一項簡單的網頁任務時，AI 少停頓幾次，使用體驗就會有明顯變化。
08
邊寫帖子，邊看它有沒有傳播潛力
Riley Brown 做了一個實時帖子分析器。
有點意思啊。
在輸入框裏寫內容
01
做一張能轉動、會閃光的角色卡
修改文案之後，可以繼續看到新的反饋。
https://x.com/rileybrown/status/2100425868053008758
把分析放進寫作的過程，修改了內容就能及時獲得反饋。
09
40 秒拆解 724 條廣告
分析 37 個品牌的 724 條廣告，用時 40 秒，token 費用為 9 美分。
它會給每條廣告做分類和評分。
開頭怎樣吸引注意力、採用什麼形式、提供什麼優惠、希望用戶購買還是註冊，以及廣告裏的承諾和點擊後的頁面是否一致。
https://x.com/TheMattBerman/status/2100654891756589230
先把幾百條競品廣告整理成一份帶標籤的素材庫。
想研究折扣文案、用戶體驗分享或吸引人的開頭，就能按類別集中比較，省去逐條閲讀、手工整理的時間。
10
快速篩掉 AI 工作記錄裏的無關內容
還有的開發者用 Jev 給 AI 的工具調用記錄打分，再刪除與當前任務無關的內容。
AI 連續工作時，會積累網頁內容、文件片段和工具返回結果。
這些歷史信息會作為 AI 的上下文，時間久了會越來越長。
Jev 在這裏負責篩選，減少後續需要閲讀的信息。
https://x.com/tamarajtran/status/2100694549362553153
這 10 個案例裏，Jev 做的事都很相似，就是接收當前情況，從選項中做判斷，把結果交給程序。
遊戲每走一步、網頁每點一次、用戶每改一段文字，都可以觸發一次判斷。
速度和費用下降後，開發者開始願意嘗試更密集的調用。
GPT 依然可以負責內容生成和複雜任務，Jev 則可以加入其中，處理適合快速選擇的環節。
11
點擊下方卡片，關注逛逛 GitHub
這個公眾號歷史發佈過很多有趣的開源項目，如果你懶得翻文章一個個找，你直接關注微信公眾號：逛逛 GitHub ，後台對話聊天就行了：