Valen 与 Jev 对比（2026）：你的 Agent 该选哪种决策模型？

Valen 自己的 README 将它描述为受 Jev 启发、加入视觉输入的结构化决策模型。TypeSafe 的 Jev 针对状态和问题返回类型化答案；Valen 将类似接口用于文字、图片和视频。它使用 Qwen3.5 骨干与自己训练的决策头，把它称为官方 Jev 视觉版会误导读者。对 Agent 开发者，值得判断的是：下一步动作是否需要像素证据，以及是否值得单独运行一个模型。本文是独立资料分析；JevModel 与两个项目均无关联，本站当前工作台也没有提供 Valen。

截图可能包含文字记录遗漏的证据：按钮是否禁用、障碍物在哪里、目标物是否可见。Valen 根据这些证据和问题指令给候选项打分。Qwen 实现通过共享决策头读取隐藏状态，不生成答案 token；但参考实现仍逐分支执行骨干计算：Choice、Noul 每题一个分支，Score 每个等级一个分支。因此，一道三级 Score 加一道 Choice、一道 Noul，需要五次骨干前向计算。类型化输出限定了答案空间，却不能修正错误观察或不完整的候选列表。

下表比较已记录的接口与运行方式，不是准确率排名。问题结构像 Jev，并不代表 SDK、媒体预处理或响应完全兼容；应先对照真实端点或本地实现检查，再决定能否复用接入代码。

项目的推箱子回放展示了一种实用流程：观察棋盘、选择方向、执行移动，再观察新棋盘。作者报告该展示关卡用了九次判断，累计决策延迟为 1.13 秒。这是选取的演示，不是与托管 Jev 的实测速度对比，也不保证浏览器自动化有同样表现。展开下方动画即可查看，收起后隐藏动态内容；来源注明思考模型的回放经过加速，不能凭播放画面直接比较耗时。

Preview 模型卡报告：500 道推箱子单步题准确率为 87.60%，在每局最多 200 步的条件下，100 局完成了 38 局。两项指标分别测一次动作选择和整段流程完成，不能混用。模型卡还披露，这 100 个简单关卡先保留了 2B RLCD 模型成功的案例，再补齐集合，评测因此受到模型结果筛选影响，并非无偏的完整基准。系列总览图中的 General 视觉问答结果使用另外训练的 checkpoint，不是该推箱子 Preview 的成绩。这些数据也不提供 Valen 对 Jev 的直接比较。用于生产选型的测试集，应独立于两个模型的成功案例来选取。

Valen 评估文档把 confidence 定义为概率分布的集中程度。Choice 将最大概率相对于均匀分布基线缩放；Noul 只返回 true 的概率，没有单独的 confidence 字段。模糊演示展示了视觉信息变差时分布集中度的变化，却不能证明其他任务上的正确概率已经校准。设置执行阈值前，应在独立样本上检查可靠性。适当加入 unknown 或人工复核候选，并让代码始终执行权限检查，即使置信度很高。

设想一个内部工具，将失败任务的截图分流到 retry、inspect_logs 或 human_review。提供裁剪后的截图，并准确描述允许的动作；重试预算、访问校验和最终执行保留在普通代码中。截图不完整或错误类型陌生时，应能进入复核。先采用影子模式：操作员照常选择动作，模型结果只记录下来用于对比。工程负责人复查错误和交接，安全负责人决定哪些截图可以进入流程。这是建议的评估场景，不是已发生的 Valen 部署案例，也不保证推箱子 Preview 能理解你的软件界面。

项目参考环境要求 Linux、Python 3.10+ 与 NVIDIA GPU。Preview 是 checkpoint 加配置文件，不是可单独加载的 AutoModel 仓库：它需要匹配的 Qwen3.5-2B 骨干，并保留训练时的 vision_top stage。应按模型卡使用 prepare_model 脚本核验基础模型版本，而不是任意混搭下载。下方是已记录的配置命令；本文没有执行它们或下载模型权重。另一个 vLLM Jev 项目列出 Linux、Apple Silicon 上的 Valen 服务支持，包括实验性短视频输入；那是需要另外验收的运行时，有独立的安装和请求规则。

git clone https://github.com/Liuziyu77/Valen.git Valen
cd Valen
bash scripts/setup/bootstrap.sh
source .venv/bin/activate
hf download Valen-Team/Valen-Preview-0923 --local-dir models/Valen-Preview-0923
python scripts/setup/prepare_model.py
python -m valen.inference \
  --checkpoint models/Valen-Preview-0923 \
  --data data/smoke/train.jsonl \
  --output predictions.jsonl

Valen 仓库代码以 Apache 2.0 发布，Preview 模型卡也标注 Apache 2.0；基础模型和来源数据集仍适用各自条款，重新分发或商业训练前应检查完整依赖链。开放权重减少了对托管模型的依赖，但 GPU 运行与闲置、媒体预处理、升级和复核仍由运营方承担。应比较每次成功完成工作流的成本，把错误动作和人工复核也算进去，而不只比较 token 单价。只有媒体、日志和监控链路都按本地方式配置，自托管推理才能保持数据在本地；下载开放权重本身不构成隐私保证。

如果文本或 JSON 已经包含窄范围判断所需的证据，可以先评测托管 Jev 路径。若原始像素不可缺少，团队也能负责部署或任务专用训练，Valen 值得进入受控试验。调参前固定有代表性的样本，加入模糊输入、证据缺失、误导性选项名和没有合适动作的案例；校准集与测试集分开。记录错误动作率、复核率、端到端 p50/p95 延迟和完整流程成功率，并指定负责人在 checkpoint 或预处理改变后检查回归。最终判断应落在应用能接受哪些错误和运营责任，而不是哪段选取回放看起来最快。