Il post confronta menzioni in chat di gruppo, un orchestratore LLM e TypeSafe Jev per decidere quale agente risponde, citando 0,29 s di latenza mediana e $0,00002 per messaggio.
$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 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.
