Jev combinado com Mercury 2.5 usando WebMCP resolveu 100% das tarefas em um benchmark, com custo de modelo cerca de 112 vezes menor que o GPT-6 Astra usando computer use com execução de código.
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 apresenta um agente de navegador open source que combina Browser Use e Jev, encontra voos em 7 segundos por US$ 0,0039, usando novo espaço de ações por passo, espaço de estados DOM e fallback de LLM pequeno para digitar.
Scott Williams prevê que modelos personalizados no estilo Jev (decodificação restrita paralela) tornarão os sistemas de agentes existentes mais eficientes em tokens, criando milionários.
O usuário elogia a reprodução extremamente rápida de cada movimento e comando do modelo JEV, acreditando que os bots se tornarão mais inteligentes.
