APUS 開源國內首批Jev跨平臺復現：國產模型實現秒級決策
https://www.qbitai.com/2026/09/492939.html📌 國產團隊獨立重現Jev決策範式，筆電也能跑瀏覽器自動化
TL;DR：APUS 開源 fast-browser-use，用本地模型重現Jev的快速決策邏輯，離線就能操作瀏覽器。
當各家都在比拼大模型能寫多長的推理鏈時，APUS AI 實驗室選擇了反方向的題目：讓決策快到不需要推理鏈。
🤔 Jev是什麼，為何叫「決策模型」
Jev之名取自19世紀經濟學家傑文斯（Jevons），呼應「傑文斯悖論」：智慧使用成本暴跌，將帶來智慧用量暴漲。這類模型鎖定 Agent 執行過程中最高頻的需求，也就是分類、選擇、評分、真偽判斷，直接回傳型別化答案與置信機率，而不是逐字生成文字。業界因此把 Agent 架構拆成「快慢分工」：昂貴的大模型負責規劃等「慢思考」，高頻、原子化的「快判斷」交給輕量決策模型完成；負責組裝與排程這套分工的工程層，則被稱為 Harness。
🧩 APUS重現了核心機制，並落地到瀏覽器自動化
APUS基於Jev公開文件展示的輸入範式與評估邏輯，分析出其「跳過自迴歸解碼、隱狀態直接打分」的核心邏輯，並在開源專案中重現了單 Token Logits 快速決策、Jev 的 KV-Cache 廣播，以及併發批次評估的運作機制。
在瀏覽器自動化場景中，fast-browser-use 會把頁面上真實可見、可互動的元素整理成帶編號的候選動作集合，交由本地執行的 Qwen3.5-9B 模型以單次前向計算直接完成「點哪裡、選哪個」的判斷，從機制上消除模型生成錯誤選擇器或格式幻覺的可能。整個專案支援 macOS、Linux、Windows 三大主流桌面與伺服器作業系統，既能在 GPU 伺服器上執行，也能在沒有 GPU 的 Mac 與 PC 上跑，全部程式碼以 MIT 授權開放。
📊 實測：一臺 M2 Pro 筆電，中位18秒完成維基百科檢索
APUS 公佈的實測資料顯示，在一臺 Apple M2 Pro 消費級筆記型電腦上，Agent 依靠本地模型推理，全程離線完成真實維基百科檢索任務的中位耗時約18秒；表單填報、站內導航等任務耗時僅約3秒，單一任務的模型打分次數僅4次，全程零雲端呼叫、零 API 費用，使用者資料不會離開本機。
💡 開源復現的三重意義
APUS AI 實驗室表示，這次開源復現有三重意義：其一，驗證「用模型做 Harness」這條技術路線在工程上的可行性；其二，證明在閉源 API 之外，開源權重加端側算力同樣能支撐這種範式，且資料全程留在本機，滿足政企與金融場景對資料安全的要求；其三，為業界提供一份資料透明、程式碼可覆核的獨立驗證參考——此前 Jev 的效能資料都僅來自 TypeSafe 官方自測。
fast-browser-use 已封裝為標準 Agent Skill，開發者可透過一行指令接入 Claude Code、Codex、OpenCode 等主流程式設計 Agent。APUS AI 實驗室也表示，後續將圍繞桌面 GUI 操作、本地作業系統互動等場景持續開源新的 Skill。
🎯 實務啟示
對於重視資料主權、又需要高頻率原子決策的場景（例如 RPA、瀏覽器自動化、企業內部工具），這個方向提供了一條不依賴雲端 API 的路徑：把「快判斷」下放到本地小模型，只在真正需要複雜推理時才呼叫大模型，能同時降低延遲與成本。
🔗 來源
- 標題：APUS 開源國內首批Jev跨平臺復現：國產模型實現秒級決策
- 作者／機構：量子位的朋友們
- 連結：https://www.qbitai.com/2026/09/492939.html
#AIAgent #OpenSource #BrowserAutomation #EdgeAI #LocalLLM #Qwen #AgentHarness #DecisionModel #MIT #RPA
原始資料 量子位 · 收集於 2026-09-20
摘要原文
APUS 開源國內首批Jev跨平臺復現：國產模型實現秒級決策 量子位的朋友們 2026-09-20 16:30:32 來源： 量子位 9月19日，中國人工智慧企業APUS旗下 AI 實驗室公佈了全球最早一批針對Jev的獨立開源復現成果 9月19日，中國人工智慧企業APUS（麒麟合盛網路技術股份有限公司）旗下 AI 實驗室公佈了全球最早一批針對Jev的獨立開源復現成果，幷包裝成了開箱即用的Agent Skill fast-browser-use，支援純本地模型離線執行。 該專案支援 macOS、Linux、Windows三大主流桌面與伺服器作業系統 ，既可以在GPU伺服器上執行，也可以在沒有GPU的Mac和PC上執行。全部程式碼以MIT協議向全球開發者開放。 什麼是Jev與”決策模型”？ Jev之名取自19世紀經濟學家傑文斯（Jevons），暗合”傑文斯悖論”：智慧使用成本的暴跌，將帶來智慧用量的暴漲。該模型面向智慧體（Agent）執行中最高頻的一類需求，即分類、選擇、評分、真偽判斷，直接返回型別化答案與置信機率，而非逐字生成文本。業內認為，這一路線驗證了Agent架構的”快慢分工”：昂貴的大模型負責規劃等”慢思考”，高頻、原子化的”快判斷”交給輕量決策模型完成。負責組裝與排程這套分工的工程層，在業界被稱為Harness。 APUS復現了什麼？ APUS完整實現了Jev底層決策範式，並將其完整落地於最具代表性的瀏覽器自動化（Browser-use）場景。APUS基於Jev公開文件展示的輸入範式與評估邏輯，分析出了其“跳過自迴歸解碼、隱狀態直接打分”的核心邏輯。在開源專案中，APUS復現了單Token Logits快速決策，跳過自迴歸解碼的過程，實現了Jev KV-Cache廣播與併發批次評估的工作機制。在瀏覽器自動化場景中，fast-browser-use將頁面上真實可見、可互動的元素整理為帶編號的候選動作集合，由本地執行的Qwen3.5-9B模型通過單次前向計算直接完成”點哪裡、選哪個”的決策，從機制上消除了模型生成錯誤選擇器或格式幻覺的可能。APUS公佈的實測資料顯示：在一臺Apple M2 Pro消費級筆記本上，智慧體依靠本地模型推理，全程離線完成真實維基百科檢索任務的中位耗時約18秒，表單填報、站內導航等任務耗時僅3秒左右，單任務模型打分次數僅4次，全程零雲端呼叫、零API費用，使用者資料不出本機。 APUS AI實驗室表示，本次開源復現有三重意義：其一，驗證了”用模型做Harness”這一技術路線在工程上的可行性；其二，證明在閉源API之外，開源權重加端側算力同樣能夠支撐該範式，且資料全程留在本機，滿足政企與金融場景對資料安全的要求；其三，為行業提供了一份資料透明、程式碼可複核的獨立驗證參考。此前，Jev的效能資料均來自TypeSafe官方自測。 據介紹，fast-browser-use已封裝為標準Agent Skill，開發者可通過一行命令將其接入Claude Code、Codex、OpenCode等主流程式設計智慧體。APUS AI實驗室還表示，後續將圍繞桌面GUI操作、本地作業系統互動等場景持續開源新的Skill。 公開資料顯示，APUS成立於2014年，旗下AI產品與服務覆蓋全球200多個國家和地區的24億使用者，2026年7月釋出全新品牌定位”全球化AI Agent生態構建者”，其核心技術路線為”追逐最先進的LLM技術，跳出單純的模型比拼，深耕落地應用，聚焦真實行業價值產出”。未來，APUS將持續以自研大模型為底座，聚焦AI Agent核心技術創新，構建覆蓋金融風控、情報分析、內容創作、醫療等場景的Agent產品矩陣。 專案地址 ：https://github.com/APUS-AI-Lab/fast-browser-use 本文由APUS提供，量子位獲授權轉載，觀點歸原作者所有。 版權所有，未經授權不得以任何形式轉載及使用，違者必究。 APUS 量子位的朋友們 預售價31.98萬-38.98萬元，騰勢Z9S展車抵達全國166城334家門店 2026-09-20 《網路安全人才實戰能力報告-AI賦能篇》正式釋出，當AI進入業務深水區安全如何跟上 2026-09-20 陶哲軒代表SAIR Foundation宣佈正式啟動“開放數學模型計劃” 2026-09-19 無問芯穹與華環電子簽署戰略合作，共同探索國產異構算力AI基礎設施新方向 2026-09-18 相關閱讀
由 claude-code/sonnet 自動生成