Jev 生态爆发：决策模型接管 GitHub 热榜

本周 GitHub 最火的趋势是 Jev 类决策模型生态的全面爆发。15 个热门新仓库里，超过一半与 "Jev" 直接相关——不是复刻，就是给它做运行时、压缩插件、交易机器人或聊天副驾。这不再是单个项目的热度，而是一个技术范式的社区化落地：AI 的价值正在从"生成更长的文本"转向"用更少的算力做更快的决策"。

browser-use/jev-ultrafast 【热门】

⭐ 15,768 stars

jev-ultrafast 自称 "最快最便宜的 web agent"，一周拿下 15.7k stars，是本周绝对头名。它的出现回答了一个被忽视的问题：web agent 的瓶颈从来不是模型能力，而是每次决策的延迟和成本。browser-use 此前在浏览器自动化领域的积累，让这个项目天然具备落地场景。适合做自动化抓取、表单填写、端到端测试的工程师直接评估替换现有 agent 栈。

NandhaKishorM/laya 【热门】

⭐ 10,364 stars

laya 是本周第二大新仓库，描述为空却拿下 10k+ stars——这本身就是一个信号：社区对 "typed decision models"（类型化决策模型）的期待已经强到不需要 README 就能聚集关注。与 jev-ultrafast 专注 web agent 不同，laya 更像决策模型的通用底座，其生态位从下文的 laya-mlx 可见一斑。建议先 star 观察 README 补全情况再决定投入。

tamaratran/fast-jev-compaction 【热门】

⭐ 5,971 stars

fast-jev-compaction 是一个 Claude Code 插件，思路非常聪明：用 Jev 决策替代传统的 compaction 摘要——每次工具调用和结果在一个快速请求里被打分，过时的丢弃或截断，保留的内容逐字原文。这解决了长会话上下文压缩中"摘要失真"的老问题。所有重度 Claude Code 用户都值得装上试一次，尤其常跑长任务的 agent 工程师。

zai-org/ZCode 【热门】

⭐ 5,619 stars

ZCode 是 Z.ai 开源的 coding agent harness，定位 "强大、智能、可扩展"。与 fast-jev-compaction 这类插件不同，ZCode 是完整的 agent 框架层，大厂下场做开源 harness 说明 coding agent 的竞争已从模型层下沉到工具链层。适合想自建内部 coding agent 的团队作为骨架参考。

mizorewww/laya-mlx

⭐ 3,868 stars

laya-mlx 是 laya 的原生 MLX 运行时，宣称在 M3 Max 上实现 7–14 ms 的短决策，且不需要文本生成、PyTorch 或云 API。这是本周最值得注意的工程信号：决策模型小到可以塞进 Apple Silicon 本地跑，延迟进入毫秒级。与云端 API 方案相比，它把成本压到零、隐私完全本地化。Mac 开发者想体验本地决策模型，这是首选入口。

TheoLeeCJ/SemIf

⭐ 3,256 stars

SemIf 用家里的 3090 跑开源模型实现 "semantic ifs"（语义条件判断），并明确声明独立、不隶属于 Jev 或 TypeSafe。它代表生态里的去中心化力量：不需要官方模型，消费级显卡就能参与。与 laya-mlx 的 Apple 路线对应，SemIf 是 NVIDIA 阵营的本地化答案。有闲置显卡的开发者可以直接克隆训练。

jaredpalmer/kev 与 NanoJev：训练侧的民主化

⭐ 2,462 / ⭐ 1,813 stars

kev 是基于 Qwen3.5 的迷你 Jev 类决策模型家族，可自行训练和运行；NanoJev 则是 Jev 的纳米复刻，提供并行决策、动态候选和端到端训练管线。两者放在一起看：决策模型的训练门槛正在从大厂实验室降到个人开发者。想理解这类模型内部机制的人，从这两个仓库读代码比读论文快。

jev-chat/jev-chat-jarvis

⭐ 1,056 stars

jev-chat-jarvis 是装在手机上的对话副驾：在微信 / QQ / X / 飞书里读懂对方、给出候选回复、一键填入输入框，发不发由你。技术上只读屏幕、不 hook 不改包，非侵入设计是它最聪明的合规选择。这是决策模型走向消费端的样本——决策不是替你说话，而是给你选项。

趋势雷达

把这批项目放在一起，三条线索清晰可见：第一，决策模型正在形成完整分层——运行时（laya-mlx）、压缩（fast-jev-compaction）、训练（kev、NanoJev）、应用（jev-trader、jev-chat-jarvis）；第二，本地化是共同方向，从 M3 Max 到 3090，云端 API 正在被绕开；第三，决策延迟进入毫秒量级后，agent 的交互形态会彻底改变。下一波值得盯的是：谁先把这些毫秒级决策串成多步 agent 工作流。

来源与延伸阅读

• browser-use/jev-ultrafast
• NandhaKishorM/laya
• tamaratran/fast-jev-compaction
• mizorewww/laya-mlx
• jev-chat/jev-chat-jarvis

接下来值得继续跟踪

• laya 仓库描述为空，README 与文档补全情况是判断其是真实项目还是占位的关键指标；
• jev-ultrafast 的 "fastest and cheapest" 宣称尚无公开基准数据，等待社区复测；
• kev 基于 Qwen3.5 的训练配方能否在社区复现出可用决策质量，是训练民主化叙事能否成立的验证点；
• 决策模型与 coding agent（ZCode）的深度整合是否会出现，将决定这波热度是独立范式还是 LLM agent 的一个组件。