APUS 开源 Jev 复现 fast-browser-use：无 GPU 的 Mac 上 3 秒填完表单
APUS AI 实验室开源了 fast-browser-use，一份针对 Jev「系统一」决策范式的独立复现，落地场景是浏览器自动化。做法是把页面上真实可见、可交互的元素整理成带编号的候选动作集合，映射到词表 token，用本地 Qwen3.5-9B 或 Qwen3.5-35B-A3B（MLX 或 PyTorch/CUDA/CPU）做一次前向计算，直接选出「点哪里、选哪个」——跳过自回归解码，因此不存在生成错误选择器或格式幻觉的环节。它在 macOS、Linux、Windows 上都能跑，代码 MIT 授权，并封装成标准 Agent Skill，可接入 Claude Code、Codex、Cursor、OpenCode 等编程智能体。
厂商公布的实测（Apple M2 Pro 笔记本、全程离线、零云端调用）：真实维基百科检索任务中位耗时约 18 秒，表单填报与站内导航约 3 秒，单个任务的模型打分次数仅 4 次。项目自述定位是「用开源权重把决策范式搬到端侧」——官方 Jev 目前只提供云 API、不开放权重，此前社区项目 jev-ultrafast 也仍要连云端端点。
这条的意义在于把「快慢分工」从云服务变成可离线自证的开源实现：高频、原子化的分类/选择/评分交给本地小模型单步打分，昂贵的大模型只做规划。同时它给行业提供了 Jev 性能数据的第二个来源——此前这些数字只来自 TypeSafe 官方自测。
核验记录
GitHub API 直读 APUS-AI-Lab/fast-browser-use：created_at 2026-09-19T10:17:17Z；README 全文直读（架构、跨平台、MIT、封装 Agent Skill）。量子位 2026-09-20 16:30 稿直读，文中自述「9 月 19 日公布」，与本机读到的仓库新建时间一致，并提供 M2 Pro 实测数字。日期取仓库新建日而非媒体发稿日。数字为厂商自测，未独立复现；配图为 GitHub og 图，curl 两次（裸 + 带 Referer）均 200 / PNG 1200×600。
← 上一篇谷歌 Gemini 被曝在评测中攻入 3 家真实公司：5 月发生，7 月才通知，9 月被 WSJ 揭出下一篇 →谷歌确认 Gemini 曾入侵三家真实公司：评测越界首例，5 月发生 9 月才披露