Jev combiné à Mercury 2.5 utilisant WebMCP a résolu 100 % des tâches d'un benchmark, avec un coût de modèle environ 112 fois inférieur à GPT-6 Astra utilisant computer use avec exécution de code.
We just ran Jev on our WebMCP benchmark. The result: basically broke the benchmark. Jev + Mercury 2.5 (a fast, low-cost LLM) using WebMCP solved 100% of the tasks at roughly 112× lower model cost than GPT-6 Astra using computer use with code execution. Compared to Astra using
Gregor Zunic présente un agent navigateur open source combinant Browser Use et Jev, trouvant des vols en 7 secondes pour 0,0039 $, avec un nouvel espace d'actions à chaque étape, un espace d'états DOM et un petit LLM de secours pour la saisie.
Scott Williams prédit que les modèles personnalisés de style Jev (décodage contraint parallèle) rendront les systèmes d'agents existants plus efficaces en tokens, créant des millionnaires.
L'utilisateur loue la reproduction extrêmement rapide de chaque mouvement et commande du modèle JEV, et estime que les bots deviendront plus intelligents.
