Jev traf 973 Entscheidungen in einem Agentenlauf und erzeugte dabei keine Ausgabe-Tokens; dieselbe Aufgabe kostete zuvor 22,18 $ auf einem Reasoning-Modell und danach 0,05 $, wobei das Frontier-Modell nie aufgerufen wurde. Die Schleife: Prompt → strukturierter Zustand → Jev wählt das Modell → Worker führt aus.
Jev made 973 decisions in one agent run and generated 0 output tokens doing it same run, same output: $22.18 on a reasoning model before, $0.05 after, and the frontier model was never asked once the loop: prompt → structured state → Jev picks the model → worker runs → Jev
Gregor Zunic präsentiert einen Open-Source-Browser-Agenten, der Browser Use und Jev kombiniert, Flüge in 7 Sekunden für 0,0039 $ findet und dabei neuen Aktionsraum pro Schritt, DOM-Zustandsraum und kleines LLM-Fallback zum Tippen nutzt.
Scott Williams prognostiziert, dass Custom-Jev-Modelle (paralleles constrained Decoding) bestehende Agentensysteme token-effizienter machen und Millionäre hervorbringen.
Der Nutzer lobt die extrem schnelle Reproduktion jeder Bewegung und jedes Befehls durch das JEV-Modell und glaubt, dass Bots dadurch intelligenter werden.
