APUS开源Jev跨平台复现，端侧决策最快仅需3秒

9月19日，APUS旗下AI实验室公布了针对Jev的独立开源复现成果，并将其封装为可直接使用的Agent Skill fast-browser-use。项目支持macOS、Linux和Windows，可运行于GPU服务器，也能在无GPU的Mac和PC上工作，全部代码采用MIT协议开放。

Jev名称源自经济学家杰文斯及“杰文斯悖论”，核心思路是通过降低智能使用成本，推动智能调用量增长。与逐字生成文本的大模型不同，Jev面向分类、选择、评分和真伪判断等高频任务，直接输出类型化结果及置信概率。该方案体现了Agent的“快慢分工”：大模型承担规划等复杂思考，轻量决策模型负责高频判断，负责调度两者的工程层通常被称为Harness。

APUS依据公开文档中的输入形式和评估逻辑，复现了Jev跳过自回归解码、直接对隐状态打分的机制。fast-browser-use实现了单Token Logits快速决策、Jev KV-Cache广播和并发批量评估。在浏览器自动化中，页面可见且可交互的元素会被整理成编号候选动作，再由本地Qwen3.5-9B模型通过一次前向计算判断应点击或选择的目标，从机制上减少错误选择器和格式幻觉。

实测显示，在搭载Apple M2 Pro的消费级笔记本上，智能体依靠本地模型离线完成维基百科检索，任务中位耗时约18秒；表单填写和站内导航等任务约3秒即可完成，单任务模型打分次数仅4次。整个过程无需云端调用，不产生API费用，用户数据也不会离开本机。

APUS AI实验室认为，这次开源复现验证了“用模型做Harness”在工程上的可行性，也说明开源权重配合端侧算力能够支撑这一范式，并满足政企、金融等场景的数据安全要求。同时，公开代码和数据为行业提供了可复核的独立参考，此前Jev性能数据主要来自TypeSafe官方自测。开发者可通过一行命令将该Skill接入Claude Code、Codex和OpenCode，后续还将面向桌面GUI及本地操作系统交互持续发布新Skill。

APUS成立于2014年，其AI产品和服务覆盖全球200多个国家和地区，用户规模达24亿。公司于2026年7月公布“全球化AI Agent生态构建者”的品牌定位，计划以自研大模型为基础，布局金融风控、情报分析、内容创作和医疗等Agent应用。项目地址为https://github.com/APUS-AI-Lab/fast-browser-use。

相关公开资料还包括其网信大模型在相关应用场景中的合作落地。

700亿参数APUS大模型3.0“伶荔”曾发布，并在中文基准C-Eval中获得80.6分。

APUS还曾与腾讯云开展大模型产业合作。

其与三甲医院合作探索智能诊疗平台。

相关产品路线也覆盖企业AI服务与模型应用。

此外，公司还将大模型视为推动数字化创新的重要基础。