Jev i kombination med Mercury 2.5 som använder WebMCP löste 100 % av uppgifterna i ett benchmark, till cirka 112 gånger lägre modellkostnad än GPT-6 Astra med computer use och kodkörning.
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 visar en öppen källkods-webbläsaragent som kombinerar Browser Use och Jev, hittar flyg på 7 sekunder för 0,0039 $, med ny åtgärdsrymd per steg, DOM-tillståndsrymd och liten LLM-fallback för att skriva.
Scott Williams förutspår att anpassade Jev-modeller (parallell begränsad avkodning) gör befintliga agentsystem mer token-effektiva och skapar miljonärer.
Användaren berömmer JEV-modellen för dess extremt snabba reproduktion av varje rörelse och kommando, och tror att botar kommer att bli smartare.
