LangChain、エージェント評価の審査役としてJevが人間のレビュアーと一致したと報告、GPT-5.6およびClaude Sonnet 4.6と比較

LangChainは、エージェント評価の審査役としてJevをGPT-5.6 Luna、GPT-5.6 Terra、Claude Sonnet 4.6と比較検証したと述べた。

LangChainによると、Jevはすべての呼び出しで人間のレビュアーと一致し、最大913倍低い分散、呼び出しあたり0.44秒対LLMの2.16〜2.83秒だった。フル実行のコストはJevで0.34ドル、Claude Sonnet 4.6で28.17ドルと報告した。