Производная Jev и LangGraph — 200× быстрее, 4,3× на act()
Саммари
Продолжение серии про Jev с другой стороны: не «как использовать», а «что меняется в системе, когда суждения становятся дешёвыми». Статья разбирает unbundling, экономику decision model и конкретные замеры на классификации и browser automation.
Из этого следует: после unbundling роль рантайма смещается — он не «раздаёт инструкции модели», а маршрутизирует каждое решение на дешёвую или сильную ветку.
На практике для Revit-агента порог 0,7 и «всё сомнительное в LLM» переносится напрямую: классификация «это изменение геометрии / это чтение свойства / это рискованная транзакция» не требует сильной модели, а редкие неоднозначные случаи и есть то, где она нужна.
Важный нюанс: обещанные 200× и 400× — это vendor-цифры TypeSafe для узких задач. Собственный замер LangChain даёт 5–6× на реальном графе. Ориентироваться нужно на второй порядок величины.