Omawia podejście z dwoma silnikami: System-1 (JEV) do trasowania poniżej 100 ms i System-2 do ciężkiego rozumowania LLM, aby uniknąć kosztownych wywołań dużego modelu dla każdego mikrozadania.
90% of AI agent setups burn money by routing every micro-task through a heavy LLM. Dual-engine fix: ⚡ System-1 (JEV): Sub-100ms routing 🧠 System-2: Heavy LLM reasoning What engine stack are you building on? #AI #Tech #SaaS #AgenticAI
Gregor Zunic prezentuje otwartoźródłowego agenta przeglądarki łączącego Browser Use i Jev, znajduje loty w 7 sekund za 0,0039 USD, używając nowej przestrzeni akcji na krok, przestrzeni stanów DOM i małego LLM awaryjnego do wpisywania.
Scott Williams przewiduje, że niestandardowe modele w stylu Jev (równoległe dekodowanie z ograniczeniami) zwiększą efektywność tokenową istniejących systemów agentowych firm, tworząc milionerów.
Użytkownik chwali model JEV za niezwykle szybkie odtwarzanie każdego ruchu i polecenia, uważając, że boty staną się mądrzejsze.
