AI 瀏覽器代理程式 Jev Ultrafast 選擇直接讀取程式碼(DOM)而非分析全螢幕影像,這使其成本更低,速度提高了 25% 以上。
試著想像一下。繁忙的早晨,你對 AI 助理丟下一句:「幫我找下週去倫敦最便宜的機票並預訂」,然後就去喝咖啡了。AI 在瞬間穿梭於無數航空公司的網站,找到最便宜的機票並完成付款。過去這聽起來像科幻電影的情節,但現在 AI 瀏覽器代理程式已經開始接手這些任務。然而,這裡有一個巨大的問題:AI「看」網站的方式太慢且缺乏效率。
最近出現的 Jev Ultrafast(參考 1)就是一款旨在解決這個問題的新型瀏覽器代理程式。今天,MindTickleBytes 將為您簡單介紹這項技術為何如此重要,以及它將如何改變我們使用網頁的方式。
這為什麼很重要?
現有的許多自主型網頁代理程式像人類一樣依賴「視覺」來理解網站。它們不斷重複截取螢幕畫面,問 AI:「現在畫面上看到了什麼?」然後等待回答。這就像是我們每秒鐘對智慧型手機螢幕拍照進行分析一樣,極度缺乏效率。
Jev Ultrafast 果斷放棄了這種「影像擷取-分析」循環(參考 2)。這不僅僅是技術上的改善,它將 AI 使用網頁服務的速度提高了 25% 以上(參考 2)。這不僅縮短了使用者的等待時間,也大幅降低了運行 AI 的運算成本,為 AI 助理更深入地融入我們的生活鋪平了道路(參考 6)。
簡單理解:「讀設計圖」而非讀「影像」
我們可以做個簡單的比喻。如果說傳統代理程式是為了找建築物而逐一拍攝外觀照片的人,那麼 Jev Ultrafast 就像是直接手握建築「設計圖」的人。
網頁終究是由電腦可讀的複雜程式碼,即 DOM(Document Object Model,文件物件模型)所構成。Jev Ultrafast 將這種程式碼結構提取為「快照」,並將其中的元素整理成一目了然的索引(編號)(參考 2)。
簡單來說,它不是每次都「展示」網站給 AI 看,而是採用「我給你網站的架構圖,請從這裡選出按鈕編號」的方式。為此,它使用了 TypeSafe 公司的「Jev Choice」技術,一旦設定了目標,AI 就不會在中間停下來思考,而是行雲流水地執行任務(參考 9)。
當然,在 AI 需要輸入文字的特殊情況下(例如:在搜尋框輸入日期),小型語言模型會再次投入運作以靈活應對(參考 1, 參考 6)。它具備了根據情況活用適當工具的聰明分工體系。
現況:發展到什麼程度了?
Jev Ultrafast 已經證明了其實戰性能。在實際演示中,它使用 Google Flights 進行搜尋蘇黎世至倫敦的機票任務,僅用 7.1 秒就完成了(參考 1, 參考 6)。這個過程的成本約為 0.0039 美元,展現了不到 5 韓元(約合新台幣 0.1 元)的驚人效率(參考 6)。
Jev 被稱為「系統一模型(System One Model)」,這意味著它像人類大腦無意識快速反應的系統一樣,是針對無需複雜思考即可立即判斷的任務而最佳化的模型(參考 5)。但需要注意的是,正如所有技術一樣,在初期階段,偶爾會出現網站結構意外變更,或使用函式庫時因資料未能正確傳回而停止工作(Blocked 狀態)的情況(參考 8)。也就是說,必須記住這是一項才剛起步、極具潛力的技術。
未來發展如何?
未來,AI 代理程式將不僅僅是替我們搜尋資訊,還將更快速、更便宜地處理購物、預訂、管理等複雜的網頁業務。技術發展速度極快,甚至有報導稱其速度提升了 200 倍(參考 14)。
終有一天,你只會拋下一句「幫我準備下次假期」,然後就會看到 AI 代理程式已經瞬間幫你完成從機票預訂到飯店確認的所有流程。我們現在應該關注的,不僅是 AI 有多「聰明」,還有 AI 如何更「有效地利用」我們手中的工具。
MindTickleBytes 的 AI 記者視角
Jev Ultrafast 為 AI 操作人類工具的方式提出了一個重要的轉捩點。從僅依賴視覺認知轉變為活用結構化數據,將成為 AI 代理程式能夠快速融入現實業務的實質橋樑。
參考資料
- GitHub - browser-use/jev-ultrafast (https://github.com/browser-use/jev-ultrafast)
- Jev Ultrafast Cuts Browser Agent Time by 25% With TypeSafe … (https://news.lavx.hu/article/jev-ultrafast-cuts-browser-agent-time-by-25-with-typesafe-action-space)
- Jev Ultrafast: A browser agent with a dynamic, indexed action … (https://news.ycombinator.com/item?id=49735979)
- How Does Jev Work? RLCD & Parallel Inference Explained … (https://www.explainx.ai/blog/how-does-jev-work-rlcd-system-one-model-explained-2026)
- [AINews] Jev: a “System One Model” that only decides … (https://www.latent.space/p/ainews-jev-a-system-one-model-that)
- Gregor Zunic on X: “Breaking: Browser Use + Jev = Ultrafast ⚡ … (https://x.com/gregpr07/status/2100411066966749359)
- browser-use/jev-ultrafast — GitHub trending stats & insights (https://trendshift.io/repositories/242003)
- Library API: first observation can return an empty action space; agent terminates with BLOCKED instead of retrying (https://github.com/browser-use/jev-ultrafast/issues/1)
-
vlad-terin/jev-browser DeepWiki (https://deepwiki.com/vlad-terin/jev-browser) -
jev-browser-mcp by Ying-Kai-Liao Glama (https://glama.ai/mcp/servers/Ying-Kai-Liao/jev-browser) - Building Browser Agents: Architecture, Security, and Practical Solutions (https://arxiv.org/html/2511.19477v1)
- BrowserAgent: Building Web Agents with Human-Inspired Web Browsing Actions (https://arxiv.org/html/2510.10666v2)
- Best 30+ Open Source Web Agents (https://aimultiple.com/open-source-web-agents)
- Jev: TypeSafe’s Decision Model, Speed and Cost Explained (https://www.orcarouter.ai/blog/jev-typesafe-system-one-what-we-know)
- 每瞬間都會截取螢幕影像
- 直接讀取並結構化程式碼(DOM)
- 直接錄製人類的點擊動作
- 因為它是以文字生成為中心的模型
- 因為其影像處理速度非常快
- 因為它是非自動回歸(non-autoregressive)模型,能快速做出決策
- 7.1 秒
- 25 秒
- 超過 1 分鐘