据量子位发布的文章，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的独立开源复现成果，并将其封装为开箱即用的Agent Skill fast-browser-use，支持纯本地模型离线执行。该项目支持macOS、Linux、Windows三大主流桌面与服务器操作系统，既可在GPU服务器运行，也可在没有GPU的Mac和PC上运行，全部代码以MIT协议开放。
Jev之名取自19世纪经济学家杰文斯，暗合“杰文斯悖论”：智能使用成本下降会带来智能用量上升。该模型面向智能体运行中最高频的分类、选择、评分、真伪判断等需求，直接返回类型化答案与置信概率，而非逐字生成文本。业内认为，这一路线验证了Agent架构的“快慢分工”：昂贵的大模型负责规划等慢思考，高频、原子化的快判断交给轻量决策模型完成，负责组装与调度的工程层被称为Harness。
APUS完整实现了Jev底层决策范式，并将其落地于浏览器自动化场景。公司基于Jev公开文档展示的输入范式与评估逻辑，分析出“跳过自回归解码、隐状态直接打分”的核心逻辑。在开源项目中，APUS复现了单Token Logits快速决策，跳过自回归解码的过程，实现了Jev KV-Cache广播与并发批量评估的工作机制。在浏览器自动化场景中，fast-browser-use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。
APUS公布的实测数据显示，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，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。
APUS AI实验室表示，本次开源复现有三重意义：验证“用模型做Harness”这一技术路线在工程上的可行性；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；为行业提供一份数据透明、代码可复核的独立验证参考。此前，Jev的性能数据均来自TypeSafe官方自测。
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。APUS AI实验室还表示，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。公开资料显示，APUS成立于2014年，旗下AI产品与服务覆盖全球200多个国家和地区的24亿用户，2026年7月发布全新品牌定位“全球化AI Agent生态构建者”，其核心技术路线为“追逐最先进的LLM技术，跳出单纯的模型比拼，深耕落地应用，聚焦真实行业价值产出”。未来，APUS将持续以自研大模型为底座，聚焦AI Agent核心技术创新，构建覆盖金融风控、情报分析、内容创作、医疗等场景的Agent产品矩阵。项目地址为https://github.com/APUS-AI-Lab/fast-browser-use。