Inlägget jämför @omnämnanden i gruppchatt, en LLM-orkestrerare och TypeSafe Jev för att avgöra vilken agent som svarar, med 0,29 s medianlatens och $0,00002 per meddelande.
$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 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.
