JevがOpusに助けを求めれば、4分の1のコストでOpus級の精度が出る

A Jev that can ask Opus for help gives Opus accuracy at 4x lower cost

Hightouchは、アイデンティティ解決の過剰マージを検出するLLMジャッジの精度とコストを、pseudopeopleで作った1,000件のベンチマークで検証した。単体ではOpus 5.5が99.0%で最高、Jevは95.6%ながら1,000件あたり$0.05と圧倒的に安い。難しいケースではLunaとJevの差が消え、Jevは誤りを低確信で出す傾向が強く、不確実なときだけOpusに回すハイブリッド構成でフロンティア級の精度を4分の1以下のコストで実現できるとわかった。