Layton_Gott: 昨天我说Jev会打开很多门... 24小时后，这东西就出现了。Cua构建了一个2.8MB的模型，得分99.7…

X AI KOLs Timeline 模型
small-model form-filling open-source specialized-ai agent-routing local-deployment

摘要

Cua开源了CUA-S1-FORMS，这是一个微小的2.8MB AI模型，专为表单填写任务设计，达到99.7%的准确率，并支持本地部署。

昨天我说Jev会打开很多门... 24小时后，这东西就出现了。 Cua构建了一个2.8MB的模型，在他们的表单填写评估中得分99.7%。 托管的Jev得分83.6%。 更不用说它是免费的，只有706K参数。 小到可以在本地运行，甚至不需要1GB内存。 快到足以一次决策完成。 专化到你的智能体不需要为每个小动作调用一个巨大的LLM。 想想这能解锁什么。 每个重复的计算机任务最终都可能有自己的小专家： • 表单 • CRM更新 • 数据录入 • 浏览器操作 • 文档路由 • UI决策 然后一个强大的智能体在它们之间调度工作。 我们还会看到一些基于此构建的荒谬东西。
查看原文
查看缓存全文

缓存时间: 2026/09/20 07:18

昨天我说Jev会打开无数可能性…

24小时后，这个成果就诞生了。

Cua团队打造了一个2.8MB的模型，在其表单填写评估中取得99.7%的惊人成绩。

而托管版Jev则达到83.6%的准确率。

更不用说它完全免费，仅有706K参数。

小到甚至无需1GB内存就能本地运行。

快到只需一次处理就能做出决策。

专精到让您的智能体不必为每个微小操作都调用庞大的LLM模型。

试想这将解锁怎样的可能性。

未来每个重复性计算机任务都可能拥有自己的微型专家：

• 表单处理 • CRM系统更新 • 数据录入 • 浏览器操作 • 文档流转 • 用户界面决策

届时一个强大的智能体只需在它们之间调度任务。

未来必将基于此诞生令人惊叹的应用。

我刚发布了一篇深度解析Jev的21个最佳应用场景的文章，强烈建议阅读！

很遗憾这并非我本人的成果，但我真心希望能参与其中哈哈

确实如此

正因如此将两者应用于不同场景非常合适

错误率极低且罕见，但当出现时系统会明确提示

确实惊人

事实如此

正如我的智能体架构——我会让编码智能体Astra处理计算机任务，同时由Jev进行全流程校验

确实如此

我理解你的观点，但这项技术价值非凡

虽然接近完美还有距离，但我明白你的意思

确实不可思议

当然

绝对令人震惊

你是指开发工作中的实际应用，还是更广泛的场景？

确实很棒

它们确实能做到

我刚才引用这篇内容时，已经附上了多个我正在测试的应用场景，欢迎查阅

相似文章

@MiaAI_lab: Cloudflare 的 Clef 仅用两周就超越了 Jev 方法："冻结"的 Qwen 只做一次 prefill，一个极小的 schema head 对每个……

X AI KOLs Timeline

Cloudflare 发布了 Clef，这是一个开源的 27B 多模态决策模型，采用冻结的 Qwen 主干网络和一个极轻量的 schema 头部，在单次前向传播中对所有答案选项进行打分，无需文本生成，速度可达 Jev 的 4 倍，准确率最高可达其 2 倍。体积更小、速度更快的变体 Clef-Flash 也已在 Hugging Face 上发布。