Browser Use 创始人实测：Jev 长链路任务 20 题只过 1 题
对比 Luna 的 17/20，Jev agent 在复杂现实任务中因零推理、不会回溯而大量失败，说明它只擅长无分叉的直线流程。
JEV 的能力边界慢慢开始暴露了 前几天，Browser Use 创始人 @gregpr07 开源的那个爆火 Demo（7 秒订机票、成本 $0.0039）刷爆全网 但后面他亲自用 JEV 跑了一轮长链路任务实测，发现正确率很低，远远落后于GPT luna： • Luna：17 / 20 • Jev Agent：1 / 20 20 道复杂的现实任务，JEV 整整挂了 19 道…… 那它之前为什么能做到 7 秒订机票？它到底强在哪里？ ✅这是JEV擅长的：输入需求 ──> 填表 ──> 选航班 ──> 提交成功（毫无分叉，全是直道） 💥这是JEV做不到的： 【真实复杂长任务】 输入需求 ──> 弹窗拦截？ ──> 验证码？ ↓ ↓ [死胡同] [死胡同] │ │ JEV：零推理不会回溯，直接原地死锁 💥 Luna+推理模型：回退上一步（Backtrack），切换策略绕行 ✅ 客观来说，JEV 确实快到不可思议，但一旦进入真实的复杂环境，逻辑就全崩了： Browser Use 创始人说： 浏览器交互从来不是简单的元素点击，而是极其复杂的【高维状态空间搜索】 在真实网页里，一个合格的 Agent 必须具备两个核心底层行为： 停下来深思（Think hard） 走不通时原路回退（Go back / Backtrack） 而 JEV 的推理能力（Reasoning）完全为 0。 看来Jev还有很长的路要走啊~~
这条是引用着另一条写的：「Browser Use 接 Jev：7 秒查完机票，成本 3 分钱」