Jev 驱动的实时 Doom 演示
发布线程展示游戏场景中的实时决策效果。Diogo 说明演示约每秒调用 10 次 Jev，并附有 2 分 43 秒视频。
Jev-Omni 在 M4 Max 上本地运行 Chrome Dino
Erik Kokalj 展示 Jev-Omni（12B 决策模型，Gemma 4 微调）在 M4 Max 上以 MLX 8-bit 本地运行，延迟约 100 毫秒，直接输出跳跃/蹲下/无动作的概率来游玩 Chrome Dino，无需文本生成。
Jev-Omni playing Chrome Dino, fully local on an M4 Max 🦖 12B decision model (Gemma 4 finetune) converted to MLX 8-bit, running on M4 Max at ~100 ms. No text generation, it just returns P(jump/duck/nothing) for a slice of road cropped ahead of the dino to cover latency scored
· 0 次赞在 X 打开
更多类似内容
Jev 实时玩 Doom，表现如同真人玩家
Jev 在实时环境中玩 Doom，表现如同真人玩家。其速度提升 20 至 200 倍，成本降低 40 至 400 倍，输出 token 免费。这可能意味着游戏对手可能是实时 AI，或可替代人类助理。
TypeSafe 新模型 Jev 玩超级马里奥兄弟
用户分享用 TypeSafe 新模型 Jev 玩超级马里奥兄弟，称赞其快速推理和结构化输出适合实时用例。
