Jev gecombineerd met Mercury 2.5 via WebMCP loste 100% van de taken op in een benchmark, tegen ongeveer 112× lagere modelkosten dan GPT-6 Astra met computer use en code-uitvoering.
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 toont een open-source browseragent die Browser Use en Jev combineert, vluchten vindt in 7 seconden voor $ 0,0039, met nieuwe actieruimte per stap, DOM-toestandsruimte en kleine LLM-fallback voor typen.
Scott Williams voorspelt dat aangepaste Jev-stijl modellen (parallelle beperkte decoding) bestaande agentsystemen van bedrijven token-efficiënter maken en miljonairs opleveren.
De gebruiker prijst de extreem snelle reproductie van elke beweging en opdracht door het JEV-model en gelooft dat bots slimmer zullen worden.
