APUS开源Jev跨平台复现：国产模型实现秒级离线决策

事件概述

2026年9月19日，中国人工智能企业APUS旗下AI实验室公布了全球最早一批针对Jev（杰文斯）模型的独立开源复现成果。该项目被封装为开箱即用的Agent Skill fast-browser-use，以MIT协议向全球开发者开放代码，旨在验证“用模型做Harness”的技术路线可行性，并证明开源权重结合端侧算力即可支撑该范式。

核心技术与机制

• Jev架构理念：Jev之名取自经济学家杰文斯，暗合“杰文斯悖论”。该模型面向智能体（Agent）高频需求（如分类、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。这验证了Agent架构中的“快慢分工”：昂贵的大模型负责规划等“慢思考”，轻量决策模型负责高频原子化的“快判断”。
• 复现逻辑：APUS基于Jev公开文档，分析出其“跳过自回归解码、隐状态直接打分”的核心逻辑。开源项目复现了单Token Logits快速决策机制，实现了Jev KV-Cache广播与并发批量评估的工作机制。
• 应用场景：在浏览器自动化（Browser-use）场景中，系统将页面上真实可见、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。

性能表现与数据

• 硬件兼容性：支持macOS、Linux、Windows三大主流桌面与服务器操作系统，既可在GPU服务器上运行，也可在无GPU的Mac和PC上运行。
• 实测数据：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。
• 效率指标：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。

行业意义与应用接入

• 三重意义：
  1. 验证了“用模型做Harness”这一技术路线在工程上的可行性。
  2. 证明在闭源API之外，开源权重加端侧算力同样能够支撑该范式，且数据全程留在本机，满足政企与金融场景对数据安全的要求。
  3. 为行业提供了一份数据透明、代码可复核的独立验证参考，此前Jev的性能数据多来自TypeSafe官方自测。
• 开发者接入：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。
• 后续规划：APUS AI实验室表示，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。

项目地址