O post compara menções em chat de grupo, um orquestrador LLM e o TypeSafe Jev para decidir qual agente responde, citando 0,29 s de latência mediana e US$ 0,00002 por mensagem.
$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, $20/month.
Gregor Zunic apresenta um agente de navegador open source que combina Browser Use e Jev, encontra voos em 7 segundos por US$ 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.
