Jev, model hành động theo thời gian thực, và lần thử Minecraft
Matt thử Jev, model chọn hành động thay vì sinh token: computer use, robot mô phỏng, ghép với Astra, và giới hạn khi Jev tự chơi Minecraft.
✓ Đã duyệt độc lập · cập nhật 18/11/2026 · 13 min
1. Jev ra mắt: một model Frontier AI kiểu mới
Matt chào mọi người, chúc mọi người một ngày thật tuyệt và chào mừng quay lại kênh MattVidPro. Anh mở đầu bằng tin Jev được tung ra "hôm qua" (video đăng ngày 18/09/2026). Theo lời Matt đọc (video đăng ngày 18/09/2026), Diogo đã dành hai năm qua làm việc trong im lặng (stealth) để xây một cách mới để train model, và công bố một loại model Frontier AI mới: nhanh hơn từ 20 đến 200 lần cho mỗi task, rẻ hơn từ 40 đến 400 lần. Matt hỏi nó là gì, rồi tự trả lời: "Frontier Composable Intelligence Optimized for Decision Making" (trí tuệ frontier có thể ghép nối, tối ưu cho việc ra quyết định).

Trên bài đăng, dòng thứ ba ghi "optimized for decisions", còn Matt đọc thành "optimized for decision making" (video đăng ngày 18/09/2026). Theo Matt (video đăng ngày 18/09/2026), đó "absolutely" là thứ người ta gọi là một game changer.
Nhưng anh bảo mọi người khoan đã. Theo Matt (video đăng ngày 18/09/2026), mọi người biết công nghệ này là có thật, dù nó nhanh và rẻ; câu hỏi là nó thật sự hoạt động tốt tới đâu.
2. Jev làm được những gì
Matt tự trả lời câu hỏi đó bằng một loạt ví dụ (video đăng ngày 18/09/2026). Theo anh, Jev đủ tốt để:
- tự chơi video game một mình (theo Matt, video đăng ngày 18/09/2026);
- cho bạn điều khiển và dùng máy tính theo thời gian thực chỉ bằng giọng nói (theo Matt, video đăng ngày 18/09/2026);
- gián tiếp tạo ra text khi được nối với một bộ từ điển (theo Matt, video đăng ngày 18/09/2026);
- đóng vai một nhóm NPC nhỏ trong một thị trấn mô phỏng (theo Matt, video đăng ngày 18/09/2026);
- điều khiển một robot mô phỏng, nhặt một khối lập phương nhỏ màu đỏ lên và đặt vào đúng hộp (theo Matt, video đăng ngày 18/09/2026).
Theo Matt (video đăng ngày 18/09/2026), Jev thật ra làm được nhiều thứ. Thực tế, tất cả xoay quanh hành động, xoay quanh việc làm.
3. Hai yếu tố quyết định: mục tiêu của task và harness
Nhưng theo trải nghiệm riêng của Matt khi thử Jev (video đăng ngày 18/09/2026), có hai yếu tố chính có thể ảnh hưởng nghiêm trọng tới hiệu năng của Jev khi hoàn thành hành động: mục tiêu cuối cùng của task, và harness nối Jev với task đó.
Anh lấy ví dụ (video đăng ngày 18/09/2026): nếu bạn muốn Jev chơi Subway Surfers, số hành động Jev có thể làm trong game đó là có giới hạn: vuốt trái, phải, lên hoặc xuống. Nếu nó thấy được lúc chướng ngại vật lao tới và phản ứng đủ nhanh, thì, nó chơi được Subway Surfers. Theo Matt, game này đơn giản, task rất rõ ràng, chỉ có chừng đó input.

4. Minecraft là một bài toán khác hẳn
Giờ hãy lấy một game như Minecraft. Theo Matt (video đăng ngày 18/09/2026), về bản chất game này là kết thúc mở (open-ended): có rất nhiều việc bạn có thể làm, có những mục tiêu chung chung, và cũng không phải là Jev không thể thử chơi Minecraft.
Theo Matt (video đăng ngày 18/09/2026), anh và nhóm có thấy tiến bộ, và Jev phản ứng trong game khá nhanh, nhưng nhiều vấn đề mà Minecraft đặt ra vốn không dễ để Jev giải quyết. Anh nói điều đó có thể chỉ là tạm thời, khi kiến trúc mới và loại model mới này dần hoàn thiện theo thời gian.
Anh cũng nói trước (video đăng ngày 18/09/2026): khi ghép Jev chạy song song với Astra hoặc một LLM khác, chúng "kind of" trở nên supercharged.

5. Demo computer use của Jack Cheng
Theo Matt (video đăng ngày 18/09/2026), đây có lẽ là clip viral nhất anh từng thấy về một người dùng Jev cho computer use, do Jack Cheng làm. Giọng nói của người trong clip được chuyển thành chữ, thành các chỉ dẫn, rồi các chỉ dẫn đó điều khiển máy tính thông qua Jev.
Trong clip, giọng ra lệnh lần lượt nói (demo trong video đăng ngày 18/09/2026):
Make a blue square here. Add a red diamond here. Make it bigger. Move this over here. Put that there. Move the blue square to the right of the red diamond. Actually undo that. Select all of these. Delete.

Matt chỉ ra vài điều về riêng demo này (video đăng ngày 18/09/2026). Trước hết, người làm demo đang điều khiển con trỏ chuột bằng tay: webcam theo dõi anh ấy, và một model điều khiển chuột. Toàn bộ ý tưởng là điện toán rảnh tay (hands-free computing).
Theo Matt (video đăng ngày 18/09/2026), điều thật sự khiến mọi người ấn tượng với video này không phải chuyện anh ấy làm hình hiện ra và di chuyển chúng, mà là tốc độ anh ấy làm được, và nó trôi chảy, nhạy, đơn giản tới mức nào. Anh ấy thậm chí không cần nói "move the blue square"; anh ấy chỉ cần nói "put that over there", và nó chạy.
Theo Matt (video đăng ngày 18/09/2026), Jack Cheng đã xây một harness rất tốt để Jev điều khiển giao diện này, và các mục tiêu cụ thể đến thẳng từ anh ấy. Matt gọi đây là một ví dụ tuyệt vời về Jev trong computer use, nhưng ít là ví dụ về Jev tự làm một việc gì, mà nhiều hơn là một màn giải thích cách nó hoạt động, và nó dẫn sang demo kế tiếp.
6. Harness và cách Jev trả lời
Theo Matt (video đăng ngày 18/09/2026), app của bạn sẽ phải đi kèm một kiểu harness nào đó cho Jev: một harness vốn đã nối Jev với thông tin, đồng thời đưa cho nó các lựa chọn để hành động.
Trong đoạn video giải thích mà Matt chiếu (video đăng ngày 18/09/2026), slide "01 HOW AN LLM ANSWERS" đặt câu hỏi "is this invoice fraud?" từ ô YOUR APP sang một LLM đang "generating...", trả về câu "Based on the line items and the vendor history, this invoice appears to be legitimate." sau 8.5s, với dòng chú thích "it writes a sentence, one token at a time. 8.5 seconds".

Theo Matt (video đăng ngày 18/09/2026), không có token nào cả. Nó hoàn thành mọi thứ trong một lượt chạy song song (one parallel pass). Mọi lựa chọn được xếp hạng và chấm điểm cùng lúc.
Vậy nếu ta đang kiểm tra một hoá đơn có gian lận không, theo Matt (video đăng ngày 18/09/2026): nghĩ ra cách để Jev truy cập hoá đơn, đưa cho nó các lựa chọn để chọn, và nó có thể đưa ra câu trả lời, lại làm việc đó gần như ngay lập tức.
7. Jev không viết câu, nhưng vẫn tạo ra text
Matt nói video giải thích này khẳng định Jev không thể viết một câu, tự giải thích, viết code hay suy luận từng bước (video đăng ngày 18/09/2026).

Theo Matt (video đăng ngày 18/09/2026), đúng, đó không phải là những use case tự nhiên của Jev, nhưng đừng bao giờ nói không bao giờ. Có thể sẽ có những phiên bản tương lai thử thêm khả năng suy luận (reasoning), hoặc những harness thử thêm reasoning.
Còn về chuyện tự giải thích, viết code, Matt nói (video đăng ngày 18/09/2026) như giờ ta đã biết, nếu bạn chỉ cần cho nó truy cập một bộ từ điển, nó có thể chọn ra một từ trong từ điển đó có xác suất cao nhất, và về mặt kỹ thuật là tạo ra text. Với câu hỏi "Who is your favorite person?", theo lời Matt đọc, nó trả lời "I am not human, but I think that is you". Theo Matt, đó rõ ràng là một câu mạch lạc.

8. Viết lại câu chữ theo thời gian thực, và Jev ở mức GPT-3
Theo Matt (video đăng ngày 18/09/2026), Fabian còn đi thêm một bước: để Jev tự động chỉnh tiếng Anh của bạn theo thời gian thực, biến lời lẽ đơn giản của bạn thành văn hoa mỹ không cần thiết ngay khi bạn đang viết. Bài đăng của Fabian hiện trong video ghi "let Jev automatically transmogrify your simpleton English into unnecessarily fancy prose as you're writing it" (video đăng ngày 18/09/2026).

Theo Matt (video đăng ngày 18/09/2026), chuyện này chắc chắn cho ta một manh mối: bên trong Jev có nhiều thứ đang diễn ra hơn là chỉ chọn một xác suất. Nó phải hiểu một dải rộng lớn, tổng quát các hành động mang tính xác suất có thể xảy ra.
Anh nói điều đó thật sự khiến người ta suy nghĩ, đặc biệt là vì vị trí của các language model hiện nay (video đăng ngày 18/09/2026). Theo Matt, khi được nối với một harness như Codex, chúng có thể cực kỳ mạnh khi code, làm ra cả những game 3D hoàn chỉnh một cách mạch lạc, điều mà nhiều người chưa bao giờ nghĩ là có thể vào những ngày đầu của language model.
Vì thế, khi Jev mới này xuất hiện, Matt nói anh trở nên rất tò mò (video đăng ngày 18/09/2026) về chuyện nó có thể scale tới đâu, và những cải tiến kiến trúc, thêm research, và chỉ đơn giản là học xem ta thật sự làm được gì, theo cảm nhận của anh có thể mở ra cả một loạt khả năng cho tương lai. Anh hỏi: nếu đây là Jev ở mức GPT-3, thì nó thật sự có thể làm được gì?
9. Cánh tay robot mô phỏng
Matt nói thứ đang hiện ra là một cái nhìn nhỏ vào việc Jev làm được gì bên ngoài khuôn khổ thông thường: khả năng không gian (spatial ability) của Jev (video đăng ngày 18/09/2026). Một cánh tay robot mô phỏng nhặt một khối lập phương đỏ lên và đặt nó vào đúng ô vuông, nhưng theo Matt, người làm demo đang đưa cho nó một mục tiêu cụ thể.

Theo Matt (video đăng ngày 18/09/2026), Jev được truy cập geometry và các điểm tiếp xúc hiện tại, các vị trí. Ở thế giới thật, những thứ đó có thể thay đổi, nhưng Jev cũng có thể phản ứng nhanh với thông tin mới. Nó còn được truy cập các nút điều khiển và tác động dự đoán của chúng. Matt nói: ta đang cho nó thông tin về việc nó có thể sẽ làm gì. Anh nói đó là một phần của harness, thứ cho Jev khả năng này. Dĩ nhiên, harness cũng đưa cho nó kết quả của hành động trước đó.
Theo Matt (video đăng ngày 18/09/2026), không nghi ngờ gì là nó đang tự động hoàn thành task, nhưng nó cần đúng loại harness. Anh nói chuyện này chắc chắn có thể có ý nghĩa với robotics. Anh lại bảo mọi người nghĩ tới tương lai: nếu Jev được tuỳ biến riêng cho robotics thì sao, một bản fine-tuned thiết kế cho thế giới vật lý?
10. Điểm yếu dài hạn, và Jev cùng Astra chơi Minecraft
Theo Matt (video đăng ngày 18/09/2026), Jev còn đang ở những ngày đầu, nên nó rất giỏi những việc tức thời, nhưng không giỏi lắm việc giữ mục tiêu dài hạn: tập trung vào đúng task nào cần làm tiếp theo trong một bức tranh lớn hơn. Nó không xuất sắc trong việc nhìn lại năm bước phía sau để tìm ra chỗ sai, hay nhìn trước năm bước để hình dung chuyện gì có thể xảy ra. Theo anh, nó rất tức thời.
Vậy nên, theo Matt (video đăng ngày 18/09/2026), khi bạn nối nó với một thứ giỏi những việc kia, như Astra, nó chơi Minecraft cực tốt: nấu quặng sắt (smelting iron), đi qua hang động, tấn công mob theo thời gian thực. Anh nói phần đó dĩ nhiên là Jev làm, nhưng Astra điều phối nó ở phía sau. Theo Matt, bạn có thể dùng chúng song song cùng nhau để hoàn thành task tốt hơn so với khi tách riêng, và demo của Wuyang Zhou chứng minh điều đó.

11. Matt cho Jev tự chơi Minecraft
Theo Matt (video đăng ngày 18/09/2026), nhất là khi nhìn vào lần anh thử cho Jev chơi Minecraft, những giới hạn hiện tại của Jev trở nên rất rõ.
Jev bắt đầu cuộc đời Minecraft như nhiều người trong chúng ta: chạy lung tung không mục đích, đấm cây, gom gỗ, làm một crafting table, nhưng phần nhiều là đào bới lung tung, đấm cây lung tung và chạy vòng quanh (demo trong video đăng ngày 18/09/2026). Thực tế, Matt thấy Jev trông khá vô định. Nó cứ liên tục dự đoán cùng những hành động lặp đi lặp lại, tự đưa mình vào vòng lặp. Theo Matt, harness gặp khó trong việc đưa cho Jev đúng tập lựa chọn, nhưng Jev cũng không làm mọi chuyện dễ hơn, cứ liên tục rơi vào những vòng lặp hành động giống nhau.
Matt nói anh để GPT-6 Astra tự làm việc ngoài giờ để xây harness này hết khả năng có thể, và đưa Jev đi xa nhất có thể trong Minecraft mà vẫn công bằng, nhưng đó là một cuộc vật lộn (video đăng ngày 18/09/2026).

Theo Matt (demo trong video đăng ngày 18/09/2026), đây là lần đầu Jev thử làm một ngôi nhà. Cuối cùng nó làm ra sáu crafting table và tự đào sâu xuống một cái hố, trở nên ám ảnh với việc đào đá. Nó có làm ra một bộ dụng cụ đá đầy đủ, việc nằm trong bộ mục tiêu cơ bản của anh và nhóm, nhưng anh và nhóm cũng muốn nó làm ra một ngôi nhà ra hồn.
Theo Matt (demo trong video đăng ngày 18/09/2026), nó "kind of" quyết định sống trong hố thay vào đó; anh nói công bằng mà nói thì đó là chuyện rất Minecraft, nhưng anh muốn nó có thể tự thoát ra khỏi hố. Bạn phải làm được điều đó mới chơi được Minecraft. Cuối cùng nó cũng làm được: nó chất đủ đất, leo lên một tầng cao hơn và tự đào đường ra, nhưng rồi vẫn tiếp tục lang thang vô định và chỉ phá block.

12. Kết luận về Jev chơi Minecraft một mình
Vì vậy, theo Matt (video đăng ngày 18/09/2026), việc kết hợp với một LLM thật sự để điều khiển "cơ thể" Jev phản ứng tức thời là một cách triển khai thông minh và hiệu quả hơn nhiều cho một AI chơi Minecraft.
Theo Matt (video đăng ngày 18/09/2026), Jev không thể trực tiếp nhìn theo cách mà nhiều LLM như Astra làm được, và điều đó cũng chắc chắn có ích. Anh nói một ngày nào đó anh chắc chắn có thể thấy một Jev multimodal có thể nhận cả hình ảnh, thậm chí dữ liệu video.
Tổng thể, Jev tự chơi Minecraft một mình có thành công không? Theo Matt (video đăng ngày 18/09/2026), ngoài chuyện đấm cây ra thì anh sẽ không nói vậy. Nhưng anh tò mò xem các model tương lai có tiến bộ hay không.
13. Cách truy cập Jev
Matt nói về cách thật sự truy cập Jev (video đăng ngày 18/09/2026). Anh truy cập nó qua một dịch vụ API trung gian cho model: anh chỉ nạp một ít credits vào tài khoản ở đó, lấy một API key, và việc có được quyền truy cập dễ như vậy. Codex gọi được Jev qua API, và nó dùng credits của anh.
Theo số đo của Matt (video đăng ngày 18/09/2026), Jev thật sự cực kỳ rẻ: hàng giờ thử nghiệm mà anh tiêu chưa tới một đô la cho Jev. Theo Matt, có vẻ bạn cũng truy cập được nó qua các công ty khác nữa (video đăng ngày 18/09/2026).
Lời khuyên của Matt (video đăng ngày 18/09/2026): nếu bạn không rành kỹ thuật lắm, anh khuyên tải Codex hoặc một hệ AI agent tương tự có thể dùng máy tính của bạn, rồi để nó gọi API.
14. Nhận định cuối của Matt
Matt nói anh không biết mọi người thế nào, nhưng anh cực kỳ hào hứng với tương lai của những gì Jev có thể mang lại (video đăng ngày 18/09/2026).
Theo Matt (video đăng ngày 18/09/2026), anh nghĩ đây chắc chắn vẫn là một khởi đầu còn hạn chế cho loại AI model này, nhưng nó giải quyết được nhiều vấn đề truyền thống của language model, với cái giá là không mạnh ở những chỗ language model vốn đã mạnh. Nhưng anh nghĩ đó là một sự đánh đổi đáng giá, vì nó nhanh khủng khiếp, rẻ khủng khiếp, và chạy rất tốt khi đi cùng các language model truyền thống. Ít nhất thì anh thấy chức năng đó là rất lớn.
Theo Matt (video đăng ngày 18/09/2026), anh nghĩ đây đúng là loại thứ mà lĩnh vực AI cần: những ý tưởng mới được đưa ra, những khả năng mới. Anh hào hứng muốn thấy nó scale theo thời gian, và muốn thấy mọi người dùng nó ra sao. Theo anh, nó không phải là thứ thay thế language model truyền thống về mọi mặt, nhưng anh không nghĩ nó phải như vậy. Còn rất nhiều thứ để khám phá.
Matt cảm ơn mọi người rất nhiều đã xem video rồi chào tạm biệt.
Nguồn và liên kết 5 nguồn
- Tên gốc: New Jev Model Acts in Real Time... Minecraft Broke It
- Sự kiện: YouTube
- Video gốc: https://www.youtube.com/watch?v=DI3iRGUlczQ youtube.com
- Kênh YouTube MattVidPro (MattVidPro): youtube.com/channel/UC5Wz4fFacYuON6IKbhSa7Zw youtube.com
- TypeSafe, trang docs "System One": trang ghi System One models đưa ra các quyết định nhanh, có cấu trúc cho phần mềm, trả về câu trả lời có kiểu (typed) và xác suất thay vì văn bản sinh ra, và Jev là model flagship, là model System One đầu tiên của TypeSafe; trang cũng ghi Jev hiểu được hình ảnh (đọc ngày 18/11/2026): docs.typesafe.ai/concepts/system-one docs.typesafe.ai


