著名开源浏览器自动化项目 browser-use 官方，悄悄上线了一个新仓库：browser-use/jev-ultrafast。
伴随这个项目放出来的，是一段短短几秒的录屏： 在一个真实的 Google Flights 页面上，AI 自动点击单程、选择出发地苏黎世、输入目的地伦敦、选定 9 月 20 日的日期、点击搜索并成功拿到航班列表。
整个流程耗时：7.09 秒。
经常玩 Browser Use 或者 Web Agent 的朋友看到这个数字，估计下巴都要砸地上了。
要知道，在以往如果你让 Claude 的Opus5.0 或者 GPT-Astra 去干这套活，体验基本等同于看一个八十岁的老大爷上网： 截一张全高清大图 -> 传给多模态大模型 -> 大模型盯着图片发呆（思考几秒） -> 慢吞吞地输出一段心理活动小作文 -> 终于吐出一个点击坐标 -> 浏览器点一下 -> 再截图…… 一趟折腾下来，三十秒过去了，中间只要哪个按钮稍微漂移一下，直接卡死。
为什么换了个底座，速度能从“龟速爬行”瞬间暴涨好几倍？
答案很荒谬，但又极其深刻：因为他们把大模型“说话的权利”给剥夺了。
一、 Jev 模型：让大模型彻底“戒掉废话”
让这一切发生质变的，是刚刚从隐身模式走出来的 TypeSafe AI 及其旗舰模型 Jev。
它的创始人是前 OpenAI 核心研究员 Diogo Almeida（早期 ChatGPT 的关键贡献者之一）。但他闭关做出来的这个 Jev，彻底阉割了自然语言生成能力——它甚至不会跟你聊天打屁，也不会逐字逐句生成任何文本段落。
它被称为业内首个真正意义上的 “System One Model”（系统一 / 快思考模型）。
为什么传统大模型做自动化很蠢？
你想想，我们在代码里让大模型做逻辑判断、流程分支或者网页点击时，我们在干什么？ 我们是在强迫一个“满脑子想写诗、想聊天的文本生成器”，去扮演一个确定性的业务函数。
它为了告诉你“应该点击第 3 个按钮”，非得先按 token 自回归逐字生成几百个字符，甚至还可能在 JSON 闭合标签里多塞一个逗号，直接把你的解析脚本干崩。
Jev 是怎么掀桌子的？
Jev 的逻辑极其纯粹：把网页降维成离散的数学选择题。
- 网页提取后，变成一张带编号的元素清单：
- 把清单和任务目标塞给 Jev，Jev 完全不做文本自回归生成，而是依靠并行计算，一次性输出所有操作与目标元素的置信度概率矩阵；
- 单次判定耗时 <100ms，输入成本只要 $0.04 / 1M tokens（比主流大模型便宜 400 多倍，提速近 200 倍）；
- 只有当判定出来的动作是“输入文本（TYPE_TEXT）”时，系统才会顺手叫一个极其微小的 LLM 临时吐出“London”这几个字。
不写小作文、不测视力、并行出答案、类型绝对安全。 这就是那段 7 秒搜机票 Demo 背后的真正秘密。
二、 另一头的革命：OpenCLI 与它近 3 万 Star 的野心
无独有偶，如果说 Jev 是从“模型计算层”做极简减法，那国内资深基础设施工程师 @jackwener 开源并狂揽近 3 万 Star 的 OpenCLI，则是从“工程落地层”完成了另一次漂亮的砸场子。
大家做 Agent 网页自动化，除了慢，另一个最大的梦魇是什么？ 是反爬、验证码和登录态。
很多创业团队花了几百万做视觉 Agent，结果刚打开小红书、推特或者 B 站，一个滑块验证码或者扫码登录弹出来，直接把整个智能体当场干休克。
OpenCLI 做了一件非常务实且优雅的事：
- 第一，复用你日常在用的 Chrome 会话：直接挂载本地已登录的环境，借用 Cookies 和 Session，压根不跟登录墙死磕；
- 第二，网站 CLI 化（Web-to-CLI）：它不指望模型像个盲人一样去摸索网页结构，而是通过确定性的适配器（Adapter），把小红书无水印下载、B站音视频提取、推特推文抓取、小宇宙播客转录等，直接封成了标准、干净的单行命令：
opencli xiaohongshu download <url>
opencli bilibili download BVxxx
opencli xiaoyuzhou transcript <id>对 AI Agent 来说，它不用再费劲去“看图点击”，直接在终端敲一行 CLI，拿回精准的结构化数据：
三、 两种思路，能不能放进同一个 Agent？
现在，有意思的化学反应来了。
很多敏锐的开发者已经开始问：OpenCLI 会接入 Jev 吗？
我认为答案是：不仅会，而且这代表了下一代自动化 Agent 的终极形态。
我们来看看 OpenCLI 的架构瓶颈：
- 对于小红书、推特、B 站这种头部网站，OpenCLI 的手写 Adapter 稳定到极致；
- 但互联网有亿万个长尾未知网站。 比如某个冷门学校的选课系统、某个企业的内网报销页面，开发者不可能为每个网站都写一个静态 Adapter。
在面对这些未知长尾网页时，OpenCLI 依然必须退回到通用的 opencli browser 模式。 而以往的通用模式，只能接传统慢如蜗牛的 LLM。
设想一下：如果把 Jev 作为 OpenCLI 的底层可选引擎（比如 --engine=jev）：
- 已知主流平台：继续走 OpenCLI 现有的确定性 Adapter，毫秒级无感知拿数据；
- 未知长尾网站：自动降级唤起 Jev 驱动的超高速浏览器引擎，100ms 级快速判定 DOM 分支，像极速盲打一样几秒内自动填完长尾表单。
这就彻底拼上了自动化拼图的最后一块碎片：高频走静态管道，长尾走超快决策，全链路保持确定性与类型安全。
四、 AI 正在告别“拟人过家家”
回顾过去两年的 AI Agent 发展，大家往往陷入了一种“拟人化的执念”： 我们潜意识里总觉得，最牛逼的 AI 应该像人一样，坐在电脑前，用眼睛看屏幕，用鼠标慢吞吞地移动，一边打字一边思考人生。
但在工业界，拟人往往意味着低效。
- Jev 的出现宣告了：机器内部的逻辑流转，不需要自然语言聊天，概率矩阵与类型系统才是机器交流的母语；
- OpenCLI 的爆火证明了：能用确定性 CLI 和本地 Session 解决的事情，绝不要让大模型去蒙眼画方块。
从“花哨的视觉大模型点屏幕”，走向“毫秒级快思考模型 + 确定性系统指令”，这不仅是一次技术的提速，更是整个 AI 行业从“玩具 Demo”走向“严肃生产力”的成年礼。
