Edição em Markdown

AI-translated from English; not yet reviewed by a fluent editor.

# Estudo sobre Jev: decisões mais baratas, menos tarefas móveis concluídas

> Estudo com 4.500 execuções: duas integrações móveis concluíram menos tarefas; uma gastou mais por sucesso na média observada.

By BIG CHANGE Editorial

Published: 2026-10-13T05:25:18.815Z
Updated: 2026-10-13T05:25:18.815Z
Canonical: https://bigchange.ai/blog/jev-agent-workflow-study-task-completion-cost

![Conceptual charcoal illustration of one connected hand poised above a blank unbranded smartphone screen, with an orange reflection under the fingertip.](https://bigchange.ai/api/media/file/jev-mobile-decision-hero-v2.png)
AI-generated conceptual illustration by BIG CHANGE; generic phone and hand, no Jev interface, experiment, result or BIG CHANGE test depicted.

Um novo estudo sobre Jev acompanha uma questão deixada em aberto por [a cobertura da BIG CHANGE sobre o lançamento de setembro](https://bigchange.ai/blog/jev-typesafe-ai-decisions-software-diogo-almeida): se escolhas de ação mais rápidas e baratas melhoram o trabalho completo. Em 4.500 execuções, os pesquisadores encontraram seleção de ações mais barata em todos os agentes testados. Em duas integrações de agentes móveis, a conclusão de tarefas caiu o bastante para mudar a economia de um resultado entregue.

O [O preprint de 9 de outubro](https://arxiv.org/html/2610.13092v1) é um experimento relatado pelos autores, não uma replicação independente nem um teste da BIG CHANGE. As cinco famílias de agentes trabalharam em dois ambientes observados por texto: tarefas domésticas do ALFWorld e tarefas de aplicativos móveis do AndroidWorld. Os pesquisadores executaram cada configuração três vezes em instâncias de tarefas fixas. Substituíram a etapa de seleção de ações pelo Jev, mantendo o fluxo de trabalho ao redor de cada agente, incluindo outras chamadas de modelo e interação com o ambiente.

## Onde a conclusão mudou

No ALFWorld, o ReAct passou de 96,02% para 97,51% e o Reflexion de 98,01% para 99,75%. O controle usou as mesmas ações candidatas do Jev, mas um modelo de linguagem geral escolheu entre elas; a lista de candidatas muda a interface e o modelo.

Nos resultados móveis, o T3A caiu de 57,47% para 44,25% (13,22 pontos percentuais); o FastAgent, de 50,00% para 31,90% (18,10 pontos). Os intervalos de bootstrap por grupos de tarefas ficaram abaixo de zero. No AutoDroid, caiu de 18,68% para 16,38%, mas o intervalo inclui zero. Ambos os sistemas móveis concluíram menos de uma em cada cinco tarefas; são integrações testadas, não todos os agentes.

## Uma tentativa mais barata pode custar mais por sucesso

O Jev reduziu em 66,1%–78,4% o custo médio da seleção de ações e em 73,9%–81,5% o tempo de decisão nas cinco famílias. As médias da tarefa completa também caíram, porém menos; raciocínio e ações adicionais e a interação com o ambiente absorveram parte da economia.

Para o T3A, o custo médio de inferência por tentativa caiu 17,1%; o trecho termina em “custo de  *todas* as tentativas, inclusive as falhas, dividido pelo número de tarefas concluídas, a média subiu de 68,70 para 73,97 milésimos de dólar por sucesso. Esse aumento de 7,7% tem um intervalo de incerteza que inclui zero, portanto o estudo não estabelece um aumento subjacente preciso. Mostra que gastar menos por tentativa não garantiu menor custo observado por entrega nesta configuração.

O tempo médio do FastAgent quase não mudou apesar das decisões mais rápidas; com menos tarefas concluídas, segundos por sucesso subiram de 239,4 para 377,8. A versão Jev tomou 44,1% mais decisões e, ao contrário da linha de base, executa uma ferramenta por etapa; isso limita a atribuição causal.

A inspeção de rastros mostrou uma troca ambígua de Wi-Fi no agente móvel e uma conclusão antes do objetivo. No ALFWorld, o Reflexion teve mais sucessos na primeira tentativa, mas menos recuperações: 11/19 contra 25/26. Os conjuntos de falhas diferiram; detectar e corrigir erros importa.

## A grande mudança

As economias relatadas sobreviveram no nível da tarefa quando a seleção dominou e a conclusão foi alta; ReAct ficou mais barato e rápido por sucesso. Nos demais agentes móveis, outras chamadas, o tempo no ambiente e a queda na conclusão reduziram ou inverteram o benefício; a medida deve comparar tarefas concluídas e recursos usados em  *todas* as tentativas, depois inspecionar decisões de recuperação e parada. O preço ou a latência por chamada não respondem se um fluxo entregou mais trabalho útil.

O estudo apresenta a metodologia e limitações; ele não valida SubQ Snap.

## O preprint de 9 de outubro de Ling e colegas, ‘When Faster Decisions Do Not Make Better Agents’

- [ relata o experimento, as tabelas completas, a análise dos rastros e as limitações. A ](https://arxiv.org/html/2610.13092v1)versão identificada[ registra v1, publicada em 9 de outubro de 2026. Os resultados aqui são os relatados pelos autores; a BIG CHANGE não repetiu o experimento.](https://arxiv.org/abs/2610.13092v1)A reportagem da BIG CHANGE sobre o lançamento do Jev
- [ explica a proposta original do modelo de decisão da TypeSafe AI. O novo preprint amplia essa história ao medir tarefas completas de agentes, em vez de alegações de lançamento.](https://bigchange.ai/blog/jev-typesafe-ai-decisions-software-diogo-almeida)Ling e colegas, ‘When Faster Decisions Do Not Make Better Agents’ (preprint, 2026).

## Sources

- [Fonte primária, versão v1 de 9 de outubro; os resultados são experimentos relatados pelos autores, sem replicação independente.](https://arxiv.org/html/2610.13092v1) — Registro de versão do preprint no arXiv.
- [Confirma a versão v1 e a data de 9 de outubro de 2026.](https://arxiv.org/abs/2610.13092v1) — BIG CHANGE: reportagem sobre o lançamento do Jev.
- [Contextualiza a proposta de seleção de ações da TypeSafe AI antes do estudo de tarefas completas.](https://bigchange.ai/blog/jev-typesafe-ai-decisions-software-diogo-almeida) — Contextualiza a proposta original de seleção de ações da TypeSafe AI; não verifica o novo estudo.