Jev+Astra 8分43秒速通MC 输出免费仅花0.97美元

Jev这款AI工具终于解除了全网访问限制，不再需要排队等候，所有用户都可以直接注册使用。

新用户注册即可获得5美元的免费额度，换算下来相当于1.2亿个Token。它的计费方式十分特别：每百万输入Token仅收取0.042美元，而输出环节完全免费。这是因为Jev本身并不生成自然语言文本，只负责做出判断——用户只需向它输入状态和问题，它就会立刻返回一个选项、评分或是概率值，开发者可以直接调用代码落地使用。

官方体验入口：console.typesafe.ai

用户不仅可以直接访问官方平台，还能通过OpenRouter、Vercel等第三方平台直接调用Jev的能力。

有开发者将Jev的判断能力与GPT-6 Astra结合，让两个AI组队挑战《我的世界》，最终打出了惊人的战绩：仅用8分43秒就击杀了末影龙，整个流程的成本仅为0.97美元。

这个速度有多夸张？人类玩家的随机种子速通世界纪录是6分39秒，而普通玩家平均通关时长需要约90小时。也就是说，仅花费1美元，就能达到职业玩家数年积累的游戏水准。

Jev+Astra，8分43秒屠龙实录

这个组合的具体配合逻辑十分清晰。Astra负责高层战略规划，比如先搜刮第一个补给箱获取铁镐，顺路收集八张床，搭建并激活村庄传送门，等待龙头进入安全范围后，从掩体后引爆提前放置的床来造成伤害。而Jev则负责具体的动作选择和极限走位，比如前往指定坐标搜刮物资，沿着路线躲避龙息，在12格距离内完成清空操作，等待怪物死亡动画后退出传送门。

相关开发者表示，这套组合能打出如此丝滑的操作，离不开Jev近乎零延迟的直觉判断，加上Astra的后台统筹。另一位开发者则用这套方案让角色在僵尸群中展开无双作战，Jev负责精准微操走位，Astra负责宏观战术规划。

AI屠龙小队是怎么配合的？

这套协作系统被拆分为三层：

• 高层规划：Astra负责

  根据当前游戏阶段和状态更新目标、物资数量及下一处路点，其接收的提示词包含预先勘察的路线和任务限制，在已知条件下完成规划。

• 动作选择：Jev负责

  程序根据当前状态生成多个候选项，由Jev判断哪一项最有利于推进目标，比如继续移动、收集物资或是调用战斗动作。

• 落地执行：专属代码负责

  寻路、转向、放置方块以及游戏协议操作都需要相应程序完成，模型选择动作后，不需要为每个细节操作都重新调用模型。

以攻击末影龙为例，代码中预设了「执行一次定时床攻击」的动作。Jev选中该动作后，程序会负责放置床、瞄准目标、持续检查龙头位置和掩体条件，在满足条件时引爆，遇到危险则中止动作。连贯的操作正是模型判断与执行程序共同配合的结果。

这套系统的关键优势在于规划和行动异步执行。代码中的规划器默认每隔约15秒检查更新，阶段变化也会触发刷新。首次规划完成后，控制循环可以利用已有计划推进任务，无需每个动作都等待Astra的更新，这也意味着Astra的规划速度不会直接决定单个动作的启动时间。

根据公开的技术报告，这次成功的末影龙击杀包含131次Jev决策和35次Astra调用，这也说明流畅的操作并非依赖模型逐帧控制每一个按键，而是通过合理的分工实现。

相关开发者解释，最终的成功建立在多次失败尝试的积累之上，AI代理可以读取游戏状态信息，相当于在测试过程中完成了训练。

Jev开放访问后，需求瞬间暴涨，API甚至一度宕机。海外社交平台上很快出现了大量创意Demo：

• 有开发者打造了Mac语音助手，用户说出操作指令时，系统会立刻响应，从打开备忘录到搜索论文、切换应用都快到让人难以置信。
• 开发者将杂乱的简历复制后，在求职表单上直接粘贴，Jev可以精准识别每个字段的需求，自动填入姓名、邮箱、职位等信息，全程一气呵成。
• 有团队推出开源项目jev-ultrafast，从打开网页到查询国际航班仅需7.1秒，成本仅0.0039美元，创始人特意说明这是1倍速实录。
• 试衣APP接入Jev后，用户只需说出「换件黑裙子」，画面就会立刻切换，每次决策仅需620毫秒，成本仅0.0011美元。

相关平台认证称，Jev是AI Gateway史上被采用速度最快的模型，上线第一天就有13%的付费团队接入，速度是同类主流模型全家桶的两倍。

除了创意玩法，Jev在正式的工作流中也能发挥重要作用。AI代理运行时最头疼的两个问题是上下文过载和代码可靠性验证，而Jev可以完美解决这两个痛点。

比如开源的上下文整理工具，会将上下文整理拆分为一系列取舍判断，比如某个工具调用是否需要保留、其结果是否需要完整留存，由Jev做出判断后，代码会据此保留、截断或删除对应内容，同时尽量保留原文和用户、助手的原始消息。该项目作者吐槽道，到了2026年，居然还在使用冗长的提示词来压缩上下文。

有机构公布了Jev作为评估工具的实验结果：他们固定了多个任务的AI代理输出，让不同的评估模型对相同样本重复评分100次。测试结果显示，Jev平均每次调用耗时约0.44秒，成本约0.00035美元，且连续评分的稳定性十分突出。

由此可见，Jev的定位十分清晰：在主模型的前后插入边界明确的判断步骤。可以将开放式推理和生成交给主模型，让Jev负责沿途的结构化判断，比如模型路由、工具调用风险检查等。Jev的价值在于能否让这些小型判断成为工作流的常规组成部分。

有海外社交平台的爆料称，头部AI企业内部早已拥有类似的技术，Jev的发布或许会推动行业加速相关布局，爆料人还预测到2026年底将出现实时推理。

Jev的成功也引发了行业反思：当一个任务同时包含复杂推理、有限选项判断和确定性执行时，是否需要让同一个大模型包办所有环节？游戏协作方案给出了一种新的思路：高层规划持续更新，动作选择沿着既定目标推进，细密的执行交由传统代码完成。这种思路同样可以延伸到上下文整理和结果评估等环节。在模型做出一次判断后，任务还能可靠推进多远，将成为下一代AI代理实验的重点关注方向。目前，全球开发者已经掀起了一轮Jev的全民测试热潮。