Jev AI Model: 10 Real-World Demos Show Ultra-Fast Decision Making at Fraction of Cost

The Jev large model, released by a former OpenAI employee who contributed to InstructGPT and RLHF research, has quickly become the most discussed model on Western social platforms. Unlike GPT or Claude, which excel at writing and analysis, Jev is purpose-built for rapid, low-cost next-action selection — deciding the next move in a game, the next browser click, or the next control signal for a simulated vehicle.

Core positioning and pricing

Jev charges $0.042 per million input tokens with free output , earning the nickname "AI's Mixue Ice Cream" for its extreme affordability. The author notes that when a single decision costs almost nothing and takes milliseconds, developers start chaining hundreds of calls per task — enabling dense, real-time control loops that were previously impractical.

Ten community demonstrations

50 simultaneous Subway Surfers runs — Jev chooses lane-change, jump, or duck for each frame. Total cost < $0.01. Source: https://x.com/_MaxBlade/status/2100634359099232678

Super Mario Bros playthrough — Clean rules, immediate reactions; video shows Jev's structured, low-latency output in real-time interaction. Source: https://x.com/faadilhshaik/status/2100086301894881578

Slay the Spire 2 autoplay — Chinese developer paulwei replaced GPT-6 Astra with Jev; per-action thinking time dropped to ~0.7 s . "Model finishes before I even see the screen." Source: https://x.com/coolish/status/2100570517954838897

3D autonomous-driving simulation — Built in under an hour. Jev receives scene state, outputs control, loop repeats in simulator. Real-world transfer still unproven. Source: https://x.com/jpschroeder/status/2100347770867458384

Rocket launch & landing in MuJoCo — Jev decides ignition timing, engine count, stage separation. Succeeded after 12 trials and config tweaks: 245 API calls, ~$0.04 . Source: https://x.com/uttkarsh_42/status/2100690568947159309

Pixel-by-pixel image generation — Jev assigns color probabilities per pixel; program assembles the image. Source: https://x.com/anshuc/status/2100279993330765953

Browser-based flight search — Jev drives the browser, delegates text entry to a small LM. 7 s end-to-end, $0.0039 . Fewer pauses = noticeably smoother UX. Source: https://x.com/gregpr07/status/2100411066966749359

Real-time social-post analyzer — Riley Brown's tool scores virality potential as the user types; feedback updates instantly on edit. Source: https://x.com/rileybrown/status/2100425868053008758

724 ad teardown in 40 s — 37 brands categorized & scored on hook, format, offer, CTA, landing-page consistency. Cost: 9¢ . Enables instant competitive corpus building. Source: https://x.com/TheMattBerman/status/2100654891756589230

AI tool-call history filter — Jev scores each past tool result for relevance to current task, pruning context bloat. Source: https://x.com/tamarajtran/status/2100694549362553153

Unifying pattern and implications

Across all cases Jev performs the same loop: receive state → pick from discrete options → return structured decision → environment steps → repeat . The author argues that as latency and price collapse, architects will compose models: GPT-class for generation/reasoning, Jev-class for high-frequency control. This shifts system design from "one big model does everything" to "specialized models at each decision density layer."

Code example

来源丨
经授权转自 逛逛GitHub（ID：ggGithub）
作者
丨
逛逛
Jev 大模型刚发布，就在外网获得大量的讨论。
目前它应该是外网最火的大模型。
Jev 的创始人之前是 OpenAI 的员工，
参与 InstructGPT 和人类反馈强化学习的研究。
现在他推出了这个很创新的大模型。
Jev 大模型是一个专门帮 AI 快速
做选择
的模型，比如玩游戏时决定往哪走、处理资料时判断哪些内容有用。
相比 GPT、Claude 擅长写文章、 写代码、做分析，
Jev 更专注于用更低的成本、更快的速度，给出下一步决定。
有人说它是
AI 界的蜜雪冰城。
每百万输入 Token 收费 0.042 美元，输出免费。
这个模型刚出来的时候，我就在想，这不就是大模型的子集？能完成什么任务？
能有什么应用场景？
近期网友都在实测 Jev 模型，确实有很多很有意思的玩法。
搜集了一批，可以看看。
01
同时跑 50 局跑酷
让 Jev 玩经典的跑酷游戏《地铁跑酷》，让它不断选择下一步动作。
前方出现障碍物，角色需要及时换道、跳跃或躲避。
https://x.com/_MaxBlade/status/2100634359099232678
这个网友还同时运行了 50 局游戏的效果。
这次运行的费用不到 1 美分。。
一次换道只需要做一个小判断，但游戏要反复做出选择。
50 局同时运行，调用次数很快就会增加，
单次判断的速度和价格也就变得重要。
02
让 Jev 玩《超级马里奥兄弟》
确实很多人在让 Jev 玩游戏，比如
让 Jev 玩《超级马里奥兄弟》的。
这个游戏的规则很清晰。
向前走，遇到障碍和敌人及时做出反应。动作之间的等待，会影响整个游戏过程。
https://x.com/faadilhshaik/status/2100086301894881578
这个游戏的视频就能证明
Jev
快速推理与结构化输出的特点，在实时交互中还是挺有用的。
03
代打《杀戮尖塔 2》，一次思考约 0.7 秒
中文开发者 paulwei 把 Jev 用在了《杀戮尖塔 2》里。
他此前尝试过用 GPT-6 Astra 代打，
这次换成 Jev 后，报告一次行动思考只需 0.7 秒。
自己还没看清画面呢，模型就已经操作完了。
等待时间缩短，代打的体验也随之改变。
https://x.com/coolish/status/2100570517954838897
04
在三维城市里模拟自动驾驶
还有人用 Jev 做了一个 3D 驾驶演示，称搭建过程不到一小时。
车辆在城市道路中行驶，界面上显示着路线和控制信息。
模型判断下一步，车辆执行动作，变化后的情况再传回 Jev 模型。
这个过程在模拟器里不断重复，形成了视频中的驾驶效果。
https://x.com/jpschroeder/status/2100347770867458384
蛋真实道路上的驾驶能力，能否也特别顶还得验证。
05
让模拟火箭完成发射和回收
把 Jev 模型应用到火箭仿真中，
让这个模型参与从发射到着陆的控制。
什么时候点火、启动几台发动机、什么时候切换阶段，都被交给 Jev 模型判断。
整个场景运行在 MuJoCo 物理仿真环境中。
https://x.com/uttkarsh_42/status/2100690568947159309
经过 12 次试验和多项设置调整，火箭才成功着陆。
他报告这次成功运行用了 245 次调用，API 费用约 0.04 美元。
06
画一张图
让 Jev 给画面里的
像素选择颜色，再把结果组合成图像。
画图被拆成了大量的小问题。
比如这个位置用什么颜色，每种颜色的概率是多少。程序拿到这些结果，就能把它们显示出来。
https://x.com/anshuc/status/2100279993330765953
07
用 7 秒查一次航班
还有网友让
Jev 操作浏览器查询航班的过程。
按这次查询用了 7 秒，费用为 0.0039 美元。
这套系统把网页状态交给 Jev，让它选择下一步操作。
遇到需要输入文字的地方，再借助小型语言模型。几个组件各自完成适合的任务，组成一次完整的网页操作。
https://x.com/gregpr07/status/2100411066966749359
执行一项简单的网页任务时
，AI 少停顿几次，使用体验就会有明显变化。
08
边写帖子，边看它有没有传播潜力
Riley Brown 做了一个
实时帖子分析器。
有点意思啊。
在输入框里写内容
01
做一张能转动、会闪光的角色卡
修改文案之后，可以继续看到新的反馈。
https://x.com/rileybrown/status/2100425868053008758
把分析放进写作的过程，修改
了内容就能及时获得反馈。
09
40 秒拆解 724 条广告
分析 37 个品牌的 724 条广告，用时 40 秒，token 费用为 9 美分。
它
会给每条广告做分类和评分。
开头怎样吸引注意力、采用什么形式、提供什么优惠、希望用户购买还是注册，以及广告里的承诺和点击后的页面是否一致。
https://x.com/TheMattBerman/status/2100654891756589230
先把几百条竞品广告整理成一份带标签的素材库。
想研究折扣文案、用户体验分享或吸引人的开头，就能按类别集中比较，省去逐条阅读、手工整理的时间。
10
快速筛掉 AI 工作记录里的无关内容
还有的开发者
用 Jev 给 AI 的工具调用记录打分，再删除与当前任务无关的内容。
AI 连续工作时，会积累网页内容、文件片段和工具返回结果。
这些历史信息会作为 AI 的上下文，时间久了会越来越长。
Jev 在这里负责筛选，减少后续需要阅读的信息。
https://x.com/tamarajtran/status/2100694549362553153
这 10 个案例里，Jev 做的事都很相似，
就是接收当前情况，从选项中做判断，把结果交给程序。
游戏每走一步、网页每点一次、用户每改一段文字，都可以触发一次判断。
速度和费用下降后，开发者开始愿意尝试更密集的调用。
GPT 依然可以负责内容生成和复杂任务，Jev 则可以加入其中，处理适合快速选择的环节。