新智元报道
Jev，终于向全网解除封印了！
就在今天，TypeSafe AI 正式宣布，废除候补名单，所有人直接上车。
新用户注册起手就送 5 美元额度，官方折算成 1.2 亿 Token。
这份礼包的计价方式也很特别：每百万输入 Token 仅收 0.042 美元，而输出，完！全！免！费！
因为 Jev 压根不吐字，它只做判断，你丢给它状态和问题，它秒回一个选项、一个评分或一个概率，代码拿到直接就能跑。
官方体验网址：
console.typesafe.ai
OpenRouter 和 Vercel 等平台也可直接调用。
现在，有开发者把这套判断能力缝到了 GPT-6 Astra 身上，让俩模型组队去刷《我的世界》。
打出来的战绩相当凶残——
两个 AI 紧密配合，不仅只用 8 分 43 秒就速通击杀了末影龙，而且整个账单也只有区区 0.97 美元。
8 分 43 秒是什么概念？一组数据供参考：
随机种子的人类世界纪录是6 分 39 秒；普通玩家平均通关时长需约90 小时。
1 美元，就能自动达成游戏时长至少数年以上的职业玩家的水准。
朋友们，事情的发展已经开始魔幻了。
Jev+Astra，8 分 43 秒屠龙实录
具体是怎么打的，视频里看得一清二楚。
这是军师 Astra 疯狂烧脑：
「去搜刮第一个补给箱拿铁镐，顺路摸八张床。修好并点燃村庄传送门。等龙头进入安全范围，从掩体后引爆之前放好的床。」
这是打手 Jev 极限走位：
「搜刮坐标(-228,71,240)，距离 16。沿路线躲避龙息云，12 格距离清空。等待死亡动画，退出传送门。」
就连 Malde 自己都感慨，能在游戏里玩出这种丝滑的走位，全靠 Jev 那近乎「零延迟」的直觉判断，外加 Astra 在后台运筹帷幄。
另一位开发者 Wuyang Zhou 则用这套打法，让角色在僵尸群里开无双：Jev 疯狂微操走位，Astra 负责宏观战术规划。
AI 屠龙小队是怎么配合的？
Malde 开源的代码里，这套系统被拆成了三层：
-
Astra 负责高层规划
根据当前阶段和状态，更新目标、物资数量及下一处路点。它收到的提示词也包含预先勘察的路线和任务限制，规划在这些已知条件下展开。
-
Jev 负责选择动作
程序根据当前状态生成候选项，Jev 判断哪一项最有利于推进目标。例如继续移动、收集物资，或者调用某个战斗动作。
-
执行代码负责把选择落实
寻路、转向、放置方块，以及对游戏协议的操作，都需要相应程序完成。模型选择了一个动作，并不意味着这个动作内部的每一次操作都要重新调用模型。
以攻击末影龙为例，代码里有一个「执行一次定时床攻击」的动作。
Jev 选中它之后，程序负责放床、瞄准、持续检查龙头位置和掩体条件，再在满足条件时引爆。遇到危险，则中止这一动作。
画面里连贯的操作，来自模型判断与执行程序的共同配合。
更关键的一步，是让规划和行动异步运行。
代码中的规划器默认按约 15 秒的间隔检查更新，阶段变化也能触发刷新。
首次计划完成后，控制循环可以继续利用已有计划推进任务，无需每个动作都停下来等待 Astra。
Astra 更新计划的速度，不再直接决定每一个动作什么时候开始。
GitHub 仓库中的报告提及到，这次成功运行包含 131 次 Jev 决策、35 次 Astra 调用。
这也提醒我们：流畅的游戏画面，与模型逐帧决定每一个按键，是两种不同的实现。
那么，前面那些失败尝试留下了什么？
Ronak 在回复中解释，最终表现建立在此前多次失败尝试的积累之上，Agent 同时可以读取游戏状态信息，相当于测试时训练（TTT）。
关于 Jev 的发布背景与技术路线，可参阅我们此前的报道：Jev 爆火硅谷！哑巴 AI 卷疯 14 万开发者
仅仅一周，硅谷极客圈集体玩疯了
Jev 一放开限制，需求瞬间挤爆，API 当场被冲宕机了一回。
随后，X上就开始了疯狂刷屏，Demo 一个比一个离谱。
比如 Andy Gao 就用 Jev 糊了一个 Mac 语音助手。
然后，他刚对着麦克风喊「打开备忘录，新建一条……」，话还没说完，备忘录已经弹出来了。
接着让它去谷歌搜论文、打开推特、加标签页，每一步都快到怀疑人生。
Marcus Lowe 则把一份乱七八糟的简历一键 Ctrl+C，然后在求职表单上闭着眼睛狂按 Ctrl+V。
Jev 每次都能精准预判这个框要啥：姓名填姓名，邮箱填邮箱，公司职位各就各位，一路V到底。
看着架势，「复制粘贴」都要会读心术了。
Browser Use 团队直接拉出了开源项目 jev-ultrafast。
从打开网页到刷出苏黎世飞伦敦的航班，耗时 7.1 秒，成本 0.0039 美元。
创始人怕大家以为加速了，特意在视频底下大写加粗：这是 1 倍速实录！
给试衣 App 接入 Jev，喊一句「换件黑裙子」，画面瞬间秒切。每次决策仅需 620 毫秒，烧掉 0.0011 刀。
Vercel 更是下场认证：Jev 成了 AI Gateway 史上被采用最快的模型。
上线第一天，13% 的付费团队火速接入，速度是 GPT-5.6 全家桶的两倍。
玩是真玩疯了。但扒开这些炫技的演示，Jev 进到正经的打工流水线里，到底能干嘛？
不止于游戏：Jev 是来当老板的！
一个 Agent 跑起来，最让人头疼的就俩事：一是上下文被塞爆了该删谁？二是它交上来的这坨代码到底能不能跑？
这两个脏活，现在全被 Jev 接管了。
一个例子，是开源项目 fast-jev-compaction。
https://github.com/tamaratran/fast-jev-compaction
这个 Claude Code 社区插件把上下文整理拆成一系列取舍：某次工具调用还需要保留吗？它的结果还有必要完整留下吗？
Jev 给出判断，代码据此保留、截断或删除对应内容。保留下来的内容尽量维持原文，用户和助手的文字消息也保持原样。
作者 Tamara Tran 的吐槽一针见血：
都 2026 年了，为什么压缩上下文还在靠一段极其冗长的摘要提示词？
另一个例子，是给 Agent 当裁判。
9 月 20 日，LangChain 公布了 Jev-as-a-Judge 实验：先固定五个天气任务的 Agent 输出，再让不同评估模型对相同样本反复评分，每个样本重复 100 次。
在这组测试中，Jev 平均每次调用约耗时 0.44 秒，成本约 0.00035 美元，连续评分的稳定性也表现突出。
https://x.com/LangChain/status/2101454284927959080
如此来看，Jev 的定位也就更加清晰了：在主模型前后，插入边界明确的判断步骤。
LangChain 在另一篇接入文章中同样提出，把开放式推理与生成交给主模型，让 Jev 承担沿途的结构化判断，并给出了模型路由、工具调用风险检查等用法。
从这个角度看，Jev 值得检验的机会，在于能否让一次次小判断更容易成为工作流的常规部分。
据说 OpenAI、Anthropic 早就做好了？
与此同时，一条爆料把讨论推向了更大的范围。
X 上已经开始流传，OpenAI 和 Anthropic 内部已经拥有类似能力，并把 Jev 的发布时间与此联系起来；
爆料人还预测，到 2026 年年底将出现实时推理。
Jev 为我们带来了反思：当一个任务同时包含复杂推理、有限选项判断和确定性执行时，是否有必要让同一个大模型包办全部环节？
Minecraft 这套实现给出了一种尝试：高层规划持续更新，动作选择沿着已有目标推进，细密的执行交给代码。
上下文整理和结果评估，则把同样的思路延伸到了 Agent 的其他环节。
模型作出一次判断之后，任务还能可靠地往前走多远，这是下一轮 Agent 实验值得重点关注的部分。
轰轰烈烈的全民评测 Jev 大行动，开始了！
参考资料：
https://x.com/typesafeai/status/2101786156572823624
编辑：马可摩西
