Jev combinato con Mercury 2.5 utilizzando WebMCP ha risolto il 100% delle attività in un benchmark, con un costo del modello circa 112 volte inferiore rispetto a GPT-6 Astra che utilizza computer use con esecuzione di codice.
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 presenta un agente browser open source che combina Browser Use e Jev, trova voli in 7 secondi a 0,0039 $, usando nuovo spazio azioni per passo, spazio stati DOM e fallback LLM piccolo per digitare.
Scott Williams prevede che i modelli personalizzati in stile Jev (decodifica vincolata parallela) renderanno i sistemi di agenti aziendali più efficienti in token, creando milionari.
L'utente elogia la riproduzione estremamente rapida di ogni movimento e comando del modello JEV, ritenendo che i bot diventeranno più intelligenti.
