一句话看懂：一名测试者在 X 上把负责规划的 Astra 和负责快速决策的 Jev 组合起来，用 8 分 43 秒通关《Minecraft》并击杀末影龙，整个过程 token 成本不到 1 美元。相比之下，Astra 单独运行的直播跑过 141 小时也没通关。
事件核心：发生了什么
测试者 Ronak Malde 将两个模型做了分工：Astra 作为“规划者”，负责设定目标、物品清单和行进路线；Jev 接收 Astra 的指令，直接操控角色，通过 WASD、空格、鼠标点击和移动完成具体动作。最终成绩为 8 分 43 秒击杀末影龙，成本低于 1 美元，完整代码已发布在 GitHub。此前 Vals AI 直播的 Astra 单模型运行持续 141 小时，因苦力怕炸毁箱子和床后陷入低效状态，大量时间用于种土豆，未能通关。Jev 由 TypeSafe AI 开发，创始人是前 OpenAI 研究员 Diogo Almeida，公司将其定位为“System 1”模型。
为什么重要
这个案例的价值不在游戏本身，而在于它验证了一种架构思路：把需要长时间推理的“System 2”大模型与只做快速、受约束判断的“System 1”模型拆开。Astra 这类模型擅长开放式推理，但每一步都调用它既慢又贵；Jev 不生成文本或代码，而是在给定选项、评分或概率中做结构化选择，适合高频、重复的决策环节。两者组合后，推理算力花在真正需要推理的地方，执行层用低成本模型承接。对于正在搭建 AI Agent 的团队，这提供了一个可复用的分工范式，而不是继续堆单一超大模型。
对用户/开发者/创作者的影响
开发者可以重点看 Jev 这类“结构化决策模型”的接入方式：它接收程序当前状态和非结构化信息，输出预设答案中的选项，接口形态接近决策 API，便于嵌入自动化流程。这意味着 Agent 的可靠性可以通过拆分职责来改善，而不是靠不断重试和加长上下文。企业采购时，也应把“规划模型”和“执行模型”的成本分开核算，高频动作交给便宜的小模型往往更划算。对内容创作者和普通用户而言，这类组合短期内更可能先落地在游戏、自动化操作和流程型工具里，而不是一次性解决所有复杂任务。
AI 工具推荐
想把多个 AI 模型放在一个入口？
GamsGo AI 集成 ChatGPT、DeepSeek、Gemini、Claude、Midjourney、Veo 等常用模型，适合写作、绘图、视频和日常 AI 工作流。
推广链接：通过此链接购买，我可能获得佣金，不影响你的价格。
值得关注的后续
一是 Jev 是否会开放公开 API 或更多文档，让开发者能直接测试。二是 Astra 与 Jev 的分工能否迁移到游戏之外的场景，例如浏览器操作、软件测试和机器人控制。三是这种“双模型接力”是否会成为 Agent 产品的常见架构，以及它对比单一大模型的成本优势能否在更复杂任务中保持。目前公开信息显示，该成绩来自个人测试者的单次运行，尚未看到大规模复现数据。
来源：MakeUseOf
