APUS-OpenJev-v1 – APUS AI Lab 开源的端侧决策大模型

APUS-OpenJev-v1是APUS AI Lab于2026年9月开源的端侧决策大模型系列，主要用于智能体执行任务过程中的下一步操作选择，提供 4B、9B 与 35B-A3B 三档权重，可在单卡 GPU 上完成本地部署。

APUS-OpenJev-v1 的核心能力

浏览器自动化里最费时间的往往不是点击本身，而是让模型决定点哪里。传统做法是让语言模型生成一段文本再解析成动作，中间既有延迟也有格式出错的风险。理解这类决策组件在智能体链路里的位置，可以先了解 AI 智能体 的任务执行方式。

候选动作决策

模型把任务目标、页面上下文与候选操作描述都作为自然语言输入，并为每个候选动作绑定一个紧凑的标记。推理时只计算这些合法候选对应的概率，再由宿主程序映射回具体操作，不生成自由文本。

动态计算深度切换

同一套权重内置两个决策出口：轻量档只运行前 16 层并配合候选感知输出投影，用更低的算力完成高频常规动作；完整档执行全部层数，适合支付确认与权限校验这类高风险操作。调用方可以按动作的重要程度分配算力。

候选感知输出投影

常规模型每生成一个词都要遍历整张词表，而结构化决策的候选通常只有几个。项目直接抽取候选标记对应的输出权重行，把计算量从全词表缩小到候选范围，在保持概率逻辑的同时降低输出头开销。

本地毫秒级部署

模型支持在单卡 GPU 上运行，也提供 vLLM 服务化部署脚本，可以在本地或内网完成判断，减少对云端接口的依赖，同时省去按调用量计费的部分。官方给出的参考是 9B 版本在本地部署路径下 P50 延迟约 25.58 毫秒，4B 版本约 18 毫秒。

多规格参数覆盖

系列提供 4B、9B 与 35B-A3B 三种规格，分别面向轻量端侧、生产通用与高性能需求。配套开源的内容还包括统一运行时源码与标准评测数据集，便于在本机复现官方给出的对比结果。

APUS-OpenJev-v1 与同类决策模型的对比

下表从开放程度、运行方式与决策机制等维度，对比两个常被放在一起评估的决策方案。

上表 APUS-OpenJev-v1 一列取自其官方开源说明，Jev 一列取自其公开资料。两者的目标一致：把决策从文本生成里拆出来，直接给出结构化结论。差别在于开放程度与运行形态——APUS-OpenJev-v1 把权重、运行时与评测集一并开源，判断过程留在本地，并且可以按动作重要程度调整算力；Jev 以闭源托管服务的形式提供，接入更省事但请求必须发往云端。涉及敏感页面或对延迟有硬要求的流程，前者的可控性更强。

如果想了解这类决策模型通常嵌入在什么样的运行环境里，可以参考 Hermes Agent（Nous Research 推出的开源自主 AI Agent，与 APUS-OpenJev-v1 同属智能体执行链路上的组件，区别在于前者负责多智能体的调度与运行、后者承担其中每一步的操作判断）。

Hermes Agent

Nous Research推出的开源自主AI智能体与长期记忆自动化平台

APUS-OpenJev-v1 的应用场景与适用人群

把操作判断收进本地模型之后，常见用途包括：

• 浏览器自动化：把页面上可见、可交互的元素整理成带编号的候选动作集合，由模型判断下一步点哪里、填什么，减少选择器写错与格式出错的情况。
• 业务规则路由：用于客服工单分流、流程审批与表单提交等场景，根据任务与上下文直接给出下一步流转动作。
• 表单文本生成：除选择题式的判断外，还可以生成搜索关键词与输入文本等开放式内容，减少在两类模型之间切换。
• 本地化智能体：在对数据不出本机有要求的流程里承担操作判断环节，避免把页面内容发送到外部接口。

适用人群：做浏览器自动化与流程机器人的开发团队，以及需要在内网环境部署智能体组件的工程人员。模型以开源方式发布，具体许可条款以官方开源页面标注为准，商用前需要逐项确认。

APUS-OpenJev-v1 的使用方法

从获取权重到接入智能体，可按以下步骤操作：

1. 获取权重：从 Hugging Face 或官方仓库下载所需规格的模型权重与运行时源码。
2. 部署服务：用 vLLM 启动推理服务，单卡即可运行较小规格，生产环境可按并发量增加显卡。
3. 准备候选动作：把页面上可交互的元素整理成带编号的候选集合，并连同任务目标与页面上下文一起组成请求。
4. 调用决策：向服务发送请求，模型返回各候选动作的概率，宿主程序据此执行被选中的操作并继续下一轮。
5. 切换计算深度：常规动作使用轻量档降低延迟，支付、权限确认等高风险操作切换到完整档提高准确率。
6. 本地验证：先用评测数据集复现一轮官方结果，确认部署环境与解析流程正确后再接入业务流程。官方项目地址见 APUS-OpenJev-v1 官方模型页。

建议先在小规模的候选动作集合上验证完整链路，确认概率到动作的映射逻辑与业务预期一致，再扩大任务范围；遇到页面结构变动或候选描述不准确时，判断结果会明显变差，接入时应当保留人工复核与回滚机制，并把每轮的候选集合与判断结果留档，便于回溯差异来源。

APUS-OpenJev-v1 的价格与开源情况

APUS-OpenJev-v1 的模型权重、统一运行时源码、部署脚本与标准评测数据集均已开源发布，可以在官方模型页与代码仓库获取；具体许可条款以官方页面标注为准，商用前需要逐项确认。

模型不收取调用费用，成本主要落在本地算力上。由于支持单卡部署，小规模场景的硬件投入相对有限；实际选型时可以先按并发量与延迟目标确定采用哪一档规格，再评估显卡数量。

APUS-OpenJev-v1 的常见问题