Le post compare les mentions dans un chat de groupe, un orchestrateur LLM et TypeSafe Jev pour décider quel agent répond, avec 0,29 s de latence médiane et 0,00002 $ par message.
$10k/month just to decide which agent should answer. not to answer. to decide. group chat + @mentions: fast, cheap, terrible UX. an LLM orchestrator: nice UX, 4-7s and $0.00046 a message. @typesafeai jev: 0.29s median, $0.00002. same decision, $20/month.
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.
