这么厉害的开源模型，你的手机上也能部署？

Jev 是 TypeSafe 做的决策模型，发布当天 Vercel 的 CEO 说 AI Gateway 上大约 13% 的活跃团队用了它。最出圈的是它能实时玩从没见过的游戏。鸭哥用开源的吃豆人做了三个实验：接上 Jev，10 局平均吃 178 颗豆，每步约 115 毫秒；同样的文字换给没做过决策训练的普通模型，微软 3.8B 的 Phi-4-mini 平均吃 232 颗；再让 27B 大模型离线给游戏状态打标签，蒸馏出一个 0.8B 小模型，按真实时钟平均吃 425 颗，每步 55 毫秒，小到能装进 iPhone 离线跑。 代价是它只在这一件事上更强。194 道和吃豆人无关的通用判断题，蒸馏出的 0.8B 只得 0.53，同样大小的决策模型 Tev1 得 0.66。所以结论不是“普通模型一定能替代 Jev”，而是换之前先在自己的任务上测：要零配置、开箱即用的广泛判断力，托管的 Jev 很好；要更低延迟、要离线在设备上跑、或者某个任务比通用能力重要得多，模型在自己手里，这些取舍才由你来定。 开头一分钟是立正：之前那期讲过，评价一个技术最重要的是找对标，这一期是鸭哥把 Jev 的对标做了出来。鸭哥用英文讲，画面里有中英字幕。 AI Builders 2027 下一期 10 月 12 日开课，两次直播课，立正和鸭哥各讲一半。课上给的优惠码 beyond-jev 减 $200，下面的链接已经带上： https://maven.com/superlinear/aibuild... 错过报名截止，可以发邮件到 support@maven.com。 课件：https://ai-builders.com/resources/jev/ 代码（README 里有课上每个数字对应的命令）：https://github.com/grapeot/decision-p... 蒸馏出来的 0.8B 模型：https://huggingface.co/grapeot/decisi... 章节： 00:00 立正：为什么要看鸭哥这节课 01:06 开场：Jev 为什么值得一整节课 06:01 实验一：把 Jev 接进吃豆人，看它读到了什么 10:06 实验二：换成普通 LLM 12:31 两个质疑：输出可不可靠，结论能不能推广 14:24 实验三：模型归你以后，先让它更快 16:59 让它更聪明：27B 与 lockstep 18:40 蒸馏一个 0.8B，跑上 iPhone 20:11 代价：通用判断题 21:15 托管还是自己的模型，以及什么会留下来 23:22 课程介绍：AI Builders 2027