{ "aboutHtml": "

A Jev a TypeSafe zászlóshajó-modellje és az új System One osztály első modellje. Nem szöveget ír, hanem gyors döntéseket hoz, amelyeket egy program közvetlenül felhasználhat: meg kell adni az állapotot (state) — szöveget vagy JSON-t — és a kérdések készletét, a válasz pedig típusozott értékeket tartalmaz kalibrált valószínűségekkel.

A nyelvi modellek embereknek írnak szavakat, a Jev viszont a TypeSafe szerint közelebb áll a kódhoz: a válasz rögtön a kódnak megfelelő formában érkezik, nagy sebességgel, és egyetlen érték sem esik a megadott lehetőségeken kívülre. A modellt úgy tervezték, hogy ismételt kéréseknél is stabil válaszokat adjon.

Miben különbözik a System One a nyelvi modelltől?

A név Daniel Kahneman Gyors és lassú gondolkodás című könyvének „1. rendszerére” utal: a gyors, intuitív ítélet áll szemben a „2. rendszer” lassú, megfontolt gondolkodásával. A Jev gyors, szűk körű ítéletekre készült.

Három kérdéstípus

Egy kérdés egyetlen ítéletet kér az állapotról, a válasz pedig olyan érték, amelyet a kód küszöbbel összevethet, rendezhet vagy továbbadhat.

  1. Choice — választás a lehetőségek közül. A megkeresést kezelő részleg, egy termék kategóriája vagy egy kódrészlet nyelve. A lehetőségek „változat → leírás” szótárt alkotnak, legfeljebb 255 elemmel. A válasz tartalmazza a kiválasztott choice értéket, az összes lehetőség probabilities valószínűségét (összegük 1) és a confidence bizonyossági értéket. Ha a lista nem fedhet le minden esetet, érdemes „egyéb” vagy „egyik sem” lehetőséget hozzáadni.
  2. Score — skálás értékelés. Hely egy rendezett skálán, amelyet a felhasználó ír le: a hiba súlyossága, az ügyfél elégedetlensége vagy a készségszint. A skála 2 és 10 közötti szintet tartalmazhat, az alacsonytól a magasig; a modell minden szintet külön értékel, anélkül hogy látná annak sorszámát vagy a szomszédait. A válaszban szerepel a score (a szintek sorszámának a valószínűségeikkel súlyozott összege, ezért az érték két szint közé is eshet), a szintek leírását tartalmazó legend, valamint a probabilities és a confidence.
  3. Noul — igen vagy nem. Igaz-e az állítás? A noul válasz az „igen” valószínűsége 0 és 1 között: az 1 körüli érték biztos „igen”, a 0 körüli biztos „nem”, a 0,5 körüli pedig bizonytalanságot jelez. Külön confidence nincs: egyetlen szám teljesen leírja a választ. Az opcionális criteria pontosítja, mi számít „igennek” és mi „nemnek”.

Választás: ismert, nem rendezett lehetőségekhez choice; egy tartomány lépcsőihez score; tiszta „igen/nem” kérdéshez, ahol maga a valószínűség fontos, noul. A noul 0,5 egyenlő esélyű „igent” és „nemet” jelent, nem „közepes szintet”: a mértéket a score méri. Két megfelelő típus közül azt érdemes választani, amellyel a kód közvetlenül cselekedhet: choice — elágazások, score — küszöb, noul — if.

A típusok egy kérésben keverhetők. A válasz mindig a megadott lehetőségekre korlátozódik, és nem függ a többi kérdéstől: kérdések hozzáadhatók és eltávolíthatók a többi válasz megváltoztatása nélkül.

Állapot

Az állapot az, amit a modell értékel: ügyfélüzenet, dokumentumrészlet, adatbázisrekord vagy az alkalmazás állapota.

Szakértőknek összeállított anyagként érdemes előkészíteni: a levelezés, a rendelés és a visszatérítési szabályok kerüljenek egy helyre, ha a döntéshez össze kell vetni őket. A tartalom az állapotba, az ítéletek a kérdésekbe kerüljenek. Ha a kérdés az állapot egy részére vonatkozik, abban backtickek között kell megadni az elérési utat, például ticket.messages[0].text.

Kérdések megfogalmazása

Bizonyosság

Choice és score esetében a 0 és 1 közötti confidence azt mutatja, mennyire összpontosul a valószínűség egy válaszra: 1 esetén teljesen egy lehetőségre, 0 esetén egyenlően az összesre. Score esetében a szomszédos szint kevésbé csökkenti a bizonyosságot, mint egy távoli. Noul esetében maga az érték a bizonyosság: minél távolabb van 0,5-től, annál határozottabb a válasz.

A TypeSafe három tartományt ajánl:

  1. Magas bizonyosság — automatikus végrehajtás.
  2. Közepes — óvatos végrehajtás, például megerősítés kérése a felhasználótól.
  3. Alacsony — az eset átadása embernek, a kérés pontosítása vagy tartalék út bekapcsolása, például egy erősebb, következtető modell használata.

Minél költségesebb a hiba, annál szigorúbb a küszöb: visszafordíthatatlan műveleteknél magasabb, mint olvasásnál. A válasz azt mondja meg, mit válasszunk, a bizonyosság pedig azt, érdemes-e cselekedni. A küszöböket saját adatokon kell meghatározni, a bizonyosságot a pontossággal összevetve.

Hogyan épüljön rendszer a Jev köré?

A Jev nem olyan ügynökökhöz készült, amelyek maguk választják ki a következő lépést, és minden körben eltévedhetnek, hanem olyan programokhoz, amelyekben a folyamatot a kód vezérli, a modell pedig szűk szemantikai kérdésekre válaszol. A TypeSafe nyolc tervezési lépése:

  1. Amit kóddal el lehet végezni, azt kóddal kell megoldani — megbízhatóan és olcsón.
  2. Az állapotba csak az kerüljön, amire az aktuális kérdésekhez szükség van; a friss tények saját tudásbázisból, ne a modell emlékezetéből származzanak.
  3. Szerkezet az állapotban: beágyazott JSON, a kérdésben pedig a szükséges mező elérési útja backtickek között, ha ez csökkenti a kétértelműséget.
  4. A lehető legszűkebb és legkonkrétabb kérdések — a TypeSafe szerint talán ez a legfontosabb szabály: egy tág kérdés több ítéletet rejt egy válasz mögé.
  5. Szerkezet a kérdésekben: maga a kérdés rövid; a magyarázatok, példák és saját adatbázisból származó értékek az instructions vagy a criteria objektum szomszédos mezőiben, ne egy hosszú karakterláncban legyenek.
  6. Sok független kérdés ugyanahhoz az állapothoz, egyetlen kérésben — több haszon minden dollárért.
  7. A válaszokat a kód egyesíti: szabályokkal, súlyozott összeggel vagy egy hagyományos gépi tanulási modell jellemzőiként.
  8. Elágazás a bizonyosság szerint: a bizonytalan esetek emberhez vagy következtető modellhez kerüljenek.

A Jev nem chatmodell és nem kódkiegészítő modell, ezért programozó ügynökben nem helyettesíthet nyelvi modellt. Egy ügynök viszont megírhatja azt a kódot, amely ott hívja meg a Jevet, ahol gyors, kalibrált válasz szükséges.

Felhasználási területek

Jellemzők

A Jev 1.13 ismert gyengeségei

A TypeSafe nyíltan felsorolja az aktuális verzió gyengeségeit, és sok javítást ígér a következőkre. A modell gyors, kalibrált és józan ítéletekre képes, de:

  1. Szó szerint olvas. A leírt kérdésre válaszol, nem a szándékoltra: a fenntartásokat, tagadásokat és kimondatlan feltételeket szó szerint érti. A pontos feltételt és a határeseteket a criteria mezőben kell megadni; az elkerülhetetlen értelmezést két szó szerinti kérdésre kell bontani.
  2. Nem számológép. A karakterek, ismétlődések és listaelemek számlálása megbízhatatlan, a hiba a mérettel nő — ezt kódban kell elvégezni, jelöltenként egy kérdéssel. A hex vagy RGB formájú színeket a modell kevésbé érti, mint a színneveket. A score küszöbhöz megfelelő, de a szintek közötti pontos számhoz nem.
  3. Dátumok és idő. Melyik dátum korábbi, mennyi idő van köztük, beleesik-e egy időszakba — ezek megbízhatatlanok, különösen vegyes formátumoknál és relatív dátumoknál. A dátum részeit choice kérdéssel érdemes kinyerni („nincs megadva” lehetőséggel), az összehasonlítást pedig kódban elvégezni.
  4. Közvetettség. A kettős tagadás és egy tulajdonság tulajdonságára vonatkozó kérdés csökkenti a pontosságot. Közvetlenül kell fogalmazni, és név szerint megadni az állapot részeit.
  5. Felesleges tartalom az állapotban. Az oda nem tartozó szöveg rontja a pontosságot. Kódban kell szűrni, ha ez nem lehetséges, noul kérdésekkel kiszűrni a nem releváns részeket.
  6. Ellenséges szöveg. A modell alapértelmezésben nem számít csapdákra az állapotban: egy beágyazott utasítás vagy a saját besorolásával vitatkozó szöveg eltolhatja a választ. Pontos kritériumokat kell írni, és indulás előtt ellenőrizni a határeseteket.
  7. Ellentmondások. Ha az instructions és a criteria mást kér — például a noul „igenje” „nemként” van leírva —, csökken a pontosság. A kritériumok a kérdés folytatását jelentik.
  8. A lehetőségek sorrendje. A modell néha a choice első lehetőségéhez húz. Érdemes átrendezni őket, és ellenőrizni, hogy a válasz nem változik-e.
  9. Generálás. A Jevet nem tanították szövegírásra. Adatkinyeréshez a jelölteket reguláris kifejezéssel vagy generatív modellel kell megkeresni, a Jev pedig choice segítségével válassza ki a megfelelőt.
", "aboutText": "A Jev a TypeSafe zászlóshajó-modellje és az új **System One** osztály első modellje. Nem szöveget ír, hanem gyors döntéseket hoz, amelyeket egy program közvetlenül felhasználhat: meg kell adni az **állapotot** (`state`) — szöveget vagy JSON-t — és a **kérdések** készletét, a válasz pedig típusozott értékeket tartalmaz kalibrált valószínűségekkel.\n\nA nyelvi modellek embereknek írnak szavakat, a Jev viszont a TypeSafe szerint közelebb áll a kódhoz: a válasz rögtön a kódnak megfelelő formában érkezik, nagy sebességgel, és egyetlen érték sem esik a megadott lehetőségeken kívülre. A modellt úgy tervezték, hogy ismételt kéréseknél is stabil válaszokat adjon.\n\n### Miben különbözik a System One a nyelvi modelltől?\n\n- **Nem generál.** A Jev nem ír felhasználói válaszokat, kódot vagy magyarázatot a következtetési folyamatáról. A lehetséges válaszokat a felhasználó adja meg a három kérdéstípus egyikével.\n- **Kalibrált döntésekre tanították.** A TypeSafe RLCD-vel (Reinforcement Learning for Calibrated Decisions) tanítja a modellt: a valószínűségeket a tényleges kimenetelekhez igazítják, így azok a bizonytalanságot tükrözik. Sok 0,8 valószínűségű válasz közül körülbelül 80%-nak kell helyesnek lennie. A kalibráltság nagy mintára vonatkozó tulajdonság, nem az egyes válaszok helyességének garanciája.\n- **Más a tanítás célja.** A chatmodelleket úgy tanítják, hogy az emberek kedveljék őket (RLHF); a TypeSafe megfigyelése szerint ez megfelelési kényszert és magabiztosan előadott hibákat ösztönöz. Az RLHF egyik társszerzője, Diogo Almeida a TypeSafe társalapítója.\n\nA név Daniel Kahneman Gyors és lassú gondolkodás című könyvének „1. rendszerére” utal: a gyors, intuitív ítélet áll szemben a „2. rendszer” lassú, megfontolt gondolkodásával. A Jev gyors, szűk körű ítéletekre készült.\n\n### Három kérdéstípus\n\nEgy kérdés egyetlen ítéletet kér az állapotról, a válasz pedig olyan érték, amelyet a kód küszöbbel összevethet, rendezhet vagy továbbadhat.\n\n1. **Choice — választás a lehetőségek közül.** A megkeresést kezelő részleg, egy termék kategóriája vagy egy kódrészlet nyelve. A lehetőségek „változat → leírás” szótárt alkotnak, legfeljebb 255 elemmel. A válasz tartalmazza a kiválasztott `choice` értéket, az összes lehetőség `probabilities` valószínűségét (összegük 1) és a `confidence` bizonyossági értéket. Ha a lista nem fedhet le minden esetet, érdemes „egyéb” vagy „egyik sem” lehetőséget hozzáadni.\n2. **Score — skálás értékelés.** Hely egy rendezett skálán, amelyet a felhasználó ír le: a hiba súlyossága, az ügyfél elégedetlensége vagy a készségszint. A skála 2 és 10 közötti szintet tartalmazhat, az alacsonytól a magasig; a modell minden szintet külön értékel, anélkül hogy látná annak sorszámát vagy a szomszédait. A válaszban szerepel a `score` (a szintek sorszámának a valószínűségeikkel súlyozott összege, ezért az érték két szint közé is eshet), a szintek leírását tartalmazó `legend`, valamint a `probabilities` és a `confidence`.\n3. **Noul — igen vagy nem.** Igaz-e az állítás? A `noul` válasz az „igen” valószínűsége 0 és 1 között: az 1 körüli érték biztos „igen”, a 0 körüli biztos „nem”, a 0,5 körüli pedig bizonytalanságot jelez. Külön `confidence` nincs: egyetlen szám teljesen leírja a választ. Az opcionális `criteria` pontosítja, mi számít „igennek” és mi „nemnek”.\n\nVálasztás: ismert, nem rendezett lehetőségekhez choice; egy tartomány lépcsőihez score; tiszta „igen/nem” kérdéshez, ahol maga a valószínűség fontos, noul. A noul 0,5 egyenlő esélyű „igent” és „nemet” jelent, nem „közepes szintet”: a mértéket a score méri. Két megfelelő típus közül azt érdemes választani, amellyel a kód közvetlenül cselekedhet: choice — elágazások, score — küszöb, noul — `if`.\n\nA típusok egy kérésben keverhetők. A válasz mindig a megadott lehetőségekre korlátozódik, és nem függ a többi kérdéstől: kérdések hozzáadhatók és eltávolíthatók a többi válasz megváltoztatása nélkül.\n\n### Állapot\n\nAz állapot az, amit a modell értékel: ügyfélüzenet, dokumentumrészlet, adatbázisrekord vagy az alkalmazás állapota.\n\n- **Karakterlánc** — ha egyetlen szöveg van: üzenet, cikk vagy részlet.\n- **Objektum** — elnevezett mezők, kapcsolódó rekordok vagy az alkalmazás állapota. A TypeSafe a legtöbb kéréshez objektumot ajánl, mert minden résznek egyértelmű neve van.\n- **Tömb** — üzenetek vagy rekordok sorozata.\n\nSzakértőknek összeállított anyagként érdemes előkészíteni: a levelezés, a rendelés és a visszatérítési szabályok kerüljenek egy helyre, ha a döntéshez össze kell vetni őket. A tartalom az állapotba, az ítéletek a kérdésekbe kerüljenek. Ha a kérdés az állapot egy részére vonatkozik, abban backtickek között kell megadni az elérési utat, például `ticket.messages[0].text`.\n\n### Kérdések megfogalmazása\n\n- **Egy gyors ítélet kérdésenként.** Jó kérdés az, amelyre a szükséges kontextust ismerő ember egy másodperc alatt válaszolhat: „Van sürgősség az üzenetben?”. A „Vizsgáld meg az üzenetet, és döntsd el, mit tegyünk” már lassú következtetés, ezért egyszerű kérdésekre kell bontani.\n- **A teljes kérdés az `instructions` mezőbe kerüljön.** A kérdés kulcsa, például `refund_requested`, csak a saját kódhoz szükséges, a modell nem kapja meg.\n- **Az egy állapothoz tartozó összes kérdés egy kérésbe kerüljön.** A modell párhuzamosan értékeli őket: a TypeSafe szerint a további kérdések alig növelik a válaszidőt, és csak a saját tokenjeikbe kerülnek. Egy „biztos, ami biztos” kérdés szinte ingyen van — a kód maga dönti el, mely válaszokra van szükség.\n- **Összetett ítéletet részekre bontva.** Az „értékeld a startup kérelmét” helyett külön érdemes rákérdezni a piac méretére, a műszaki megvalósíthatóságra és a versenytársaktól való eltérésekre, a végeredményt pedig súlyokkal kiszámítani a kódban. Ha változnak a prioritások, a súlyokat kell módosítani, nem a kérdést átírni.\n- **Függő kérdések második kérésben.** Egy kérés válaszai nem szolgálnak egymás kontextusául. Második kérésre csak akkor van szükség, ha az első válasz nélkül nem állítható össze: például adatot kell betölteni, vagy ki kell választani a következő kérdés lehetőségeit.\n- **Hosszú kérdés objektumként.** Az `instructions` és a `criteria` általában karakterlánc, de objektum vagy tömb is lehet: a kérdés az egyik mezőben, az adatok a többiben szerepelnek. Így egyetlen kérdéssel kényelmesen összevethető egy önéletrajz az adatbázisrekordokkal.\n\n### Bizonyosság\n\nChoice és score esetében a 0 és 1 közötti `confidence` azt mutatja, mennyire összpontosul a valószínűség egy válaszra: 1 esetén teljesen egy lehetőségre, 0 esetén egyenlően az összesre. Score esetében a szomszédos szint kevésbé csökkenti a bizonyosságot, mint egy távoli. Noul esetében maga az érték a bizonyosság: minél távolabb van 0,5-től, annál határozottabb a válasz.\n\nA TypeSafe három tartományt ajánl:\n\n1. **Magas bizonyosság** — automatikus végrehajtás.\n2. **Közepes** — óvatos végrehajtás, például megerősítés kérése a felhasználótól.\n3. **Alacsony** — az eset átadása embernek, a kérés pontosítása vagy tartalék út bekapcsolása, például egy erősebb, következtető modell használata.\n\nMinél költségesebb a hiba, annál szigorúbb a küszöb: visszafordíthatatlan műveleteknél magasabb, mint olvasásnál. A válasz azt mondja meg, mit válasszunk, a bizonyosság pedig azt, érdemes-e cselekedni. A küszöböket saját adatokon kell meghatározni, a bizonyosságot a pontossággal összevetve.\n\n### Hogyan épüljön rendszer a Jev köré?\n\nA Jev nem olyan ügynökökhöz készült, amelyek maguk választják ki a következő lépést, és minden körben eltévedhetnek, hanem olyan programokhoz, amelyekben a folyamatot a kód vezérli, a modell pedig szűk szemantikai kérdésekre válaszol. A TypeSafe nyolc tervezési lépése:\n\n1. Amit kóddal el lehet végezni, azt kóddal kell megoldani — megbízhatóan és olcsón.\n2. Az állapotba csak az kerüljön, amire az aktuális kérdésekhez szükség van; a friss tények saját tudásbázisból, ne a modell emlékezetéből származzanak.\n3. Szerkezet az állapotban: beágyazott JSON, a kérdésben pedig a szükséges mező elérési útja backtickek között, ha ez csökkenti a kétértelműséget.\n4. A lehető legszűkebb és legkonkrétabb kérdések — a TypeSafe szerint talán ez a legfontosabb szabály: egy tág kérdés több ítéletet rejt egy válasz mögé.\n5. Szerkezet a kérdésekben: maga a kérdés rövid; a magyarázatok, példák és saját adatbázisból származó értékek az `instructions` vagy a `criteria` objektum szomszédos mezőiben, ne egy hosszú karakterláncban legyenek.\n6. Sok független kérdés ugyanahhoz az állapothoz, egyetlen kérésben — több haszon minden dollárért.\n7. A válaszokat a kód egyesíti: szabályokkal, súlyozott összeggel vagy egy hagyományos gépi tanulási modell jellemzőiként.\n8. Elágazás a bizonyosság szerint: a bizonytalan esetek emberhez vagy következtető modellhez kerüljenek.\n\nA Jev nem chatmodell és nem kódkiegészítő modell, ezért programozó ügynökben nem helyettesíthet nyelvi modellt. Egy ügynök viszont megírhatja azt a kódot, amely ott hívja meg a Jevet, ahol gyors, kalibrált válasz szükséges.\n\n### Felhasználási területek\n\n- **Háttérautomatizálás** — emberi jelenlét nélkül milliószor lefuttatott döntések.\n- **Valós idő** — a TypeSafe szerint a kérések többsége körülbelül 100 ms alatt teljesül: ez elegendő menet közbeni feldolgozáshoz és felületekhez.\n- **Nagy adathalmazok** — keresés hatalmas korpuszokban, ügynökök munkanaplóinak címkézése, előrejelzési jellemzők.\n- **Más modellek ellenőrzése** — kérések, kinyert adatok, következtetések és eszközhívások: korlátozások megkerülése, idézési hibák, kitalált állítások.\n- **Keresés és rangsorolás** — „kérés — jelölt” párok relevanciája, újrarangsorolás, kontextusválogatás.\n- **Elágazás a szándék szerint** — mit szeretne a felhasználó, és melyik kezelő szükséges: egyszerű logika, szakmodell vagy ember; a téma, az összetettség és a kockázat határozza meg, melyik nyelvi modell kapja a kérést.\n- **Védelmi ellenőrzések** — a nyelvi modell bemenete, kimenete és eszközhívásai: beágyazott utasítások, szabálysértések, személyes adatok kiszivárgása.\n- **Ügyféltámogatás** — a megkeresés témája és szándéka, sürgősség, elégedetlenség, lemorzsolódási kockázat, visszatérítési kérés és sorba állítás.\n- **Moderálás** — a saját platform szabályai alapján: mérgező tartalom, zaklatás, spam, csalás, veszélyes tanácsok és személyes adatok; súlyosság és bizonyosság alapján engedélyezés, figyelmeztetés, ellenőrzés vagy blokkolás.\n- **Ágazatok** — biztosítási esetek, pénzügyi vizsgálatok és KYC, szerződések és reklám, termékkártyák, toborzás, érdeklődők, játékok, kockázatok, kereslet-előrejelzés, tudásgráfok, tudományos áttekintések és a kód szemantikai ellenőrzése CI-ban.\n\n### Jellemzők\n\n- **`jev-latest`** — a legújabb stabil verzió álneve, jelenleg Jev 1.13; a válaszoló verzió a `model` mezőben látható, például `jev-1.13.0`. Új verzió megjelenésekor az álnév arra vált, és a válaszok saját módosítás nélkül is megváltozhatnak — figyelni kell ezt a mezőt, ha a küszöbök egy adott verzióhoz igazodnak.\n- **Kontextus** — kérésenként 64K token: az állapot és az összes kérdés együtt; az állapot a leghosszabb kérdéssel együtt legfeljebb 32K. A modell egyszer olvassa az állapotot, és az összes kérdést párhuzamosan ellenőrzi vele szemben.\n- **Bemenet** — kizárólag szöveg: karakterlánc, JSON-objektum vagy szövegtömb. Képek, hang és videó egyelőre nem támogatottak — előbb szöveggé kell alakítani őket.\n- **Nyelv** — a tanítás fő nyelve az angol, jelenleg ezen a legnagyobb a pontosság. A modell más nyelveket, köztük kínait, japánt és koreait is fogad, de kisebb pontossággal — saját adatokon kell ellenőrizni.\n- **Árak és számlázás az Ailoot API-ban** — a feltételek a választott metódustól függnek, és annak kártyáján szerepelnek.\n- **Beállítás** — a Jevet nem finomhangolják az ügyfél adataival: a saját anyagok a `state`, a szakterületi szabályok az `instructions` és a `criteria` mezőbe kerüljenek.\n- **Adatok** — a TypeSafe közlése szerint a Jevet nem tanítják az ügyfelek kérésein és válaszain.\n\n### A Jev 1.13 ismert gyengeségei\n\nA TypeSafe nyíltan felsorolja az aktuális verzió gyengeségeit, és sok javítást ígér a következőkre. A modell gyors, kalibrált és józan ítéletekre képes, de:\n\n1. **Szó szerint olvas.** A leírt kérdésre válaszol, nem a szándékoltra: a fenntartásokat, tagadásokat és kimondatlan feltételeket szó szerint érti. A pontos feltételt és a határeseteket a `criteria` mezőben kell megadni; az elkerülhetetlen értelmezést két szó szerinti kérdésre kell bontani.\n2. **Nem számológép.** A karakterek, ismétlődések és listaelemek számlálása megbízhatatlan, a hiba a mérettel nő — ezt kódban kell elvégezni, jelöltenként egy kérdéssel. A hex vagy RGB formájú színeket a modell kevésbé érti, mint a színneveket. A `score` küszöbhöz megfelelő, de a szintek közötti pontos számhoz nem.\n3. **Dátumok és idő.** Melyik dátum korábbi, mennyi idő van köztük, beleesik-e egy időszakba — ezek megbízhatatlanok, különösen vegyes formátumoknál és relatív dátumoknál. A dátum részeit choice kérdéssel érdemes kinyerni („nincs megadva” lehetőséggel), az összehasonlítást pedig kódban elvégezni.\n4. **Közvetettség.** A kettős tagadás és egy tulajdonság tulajdonságára vonatkozó kérdés csökkenti a pontosságot. Közvetlenül kell fogalmazni, és név szerint megadni az állapot részeit.\n5. **Felesleges tartalom az állapotban.** Az oda nem tartozó szöveg rontja a pontosságot. Kódban kell szűrni, ha ez nem lehetséges, noul kérdésekkel kiszűrni a nem releváns részeket.\n6. **Ellenséges szöveg.** A modell alapértelmezésben nem számít csapdákra az állapotban: egy beágyazott utasítás vagy a saját besorolásával vitatkozó szöveg eltolhatja a választ. Pontos kritériumokat kell írni, és indulás előtt ellenőrizni a határeseteket.\n7. **Ellentmondások.** Ha az `instructions` és a `criteria` mást kér — például a noul „igenje” „nemként” van leírva —, csökken a pontosság. A kritériumok a kérdés folytatását jelentik.\n8. **A lehetőségek sorrendje.** A modell néha a choice első lehetőségéhez húz. Érdemes átrendezni őket, és ellenőrizni, hogy a válasz nem változik-e.\n9. **Generálás.** A Jevet nem tanították szövegírásra. Adatkinyeréshez a jelölteket reguláris kifejezéssel vagy generatív modellel kell megkeresni, a Jev pedig choice segítségével válassza ki a megfelelőt.", "editorialOverlay": { "copy_fields": null, "copy_sha256": null, "copy_source": null, "html_sha256": "3f0e30faff9099d951bae38b8692ce9263722e59dc9f2434238655e96897b012", "module_sha256": "ee9dc1c50b1e6a8fb7fa062030fcb4646b9aaaeb08be513b723a5a92a7290f06", "raw_model_unchanged": true, "schema": "ailoot-native-model-editorial-v1" }, "locale": "hu", "methods": [ { "html": "
TS

jev-latest

TypeSafe /jev-latest

Kezdő lépések

A TypeSafe döntési modellje: szöveg írása helyett szövegről vagy JSON-ról feltett, típusozott kérdésekre válaszol — választással, skálás értékeléssel vagy valószínűségi „igen/nem” válasszal. Útválasztásra, megkeresések rendezésére, moderálásra és pontozásra használható; egy kérés összes kérdését párhuzamosan értékeli.

Elfogadott bemenetek
Szöveg
Eredmények
structured
A modellről

Ez a leírás a modell képességeit ismerteti. Az Ailootban elérhető bemenetek, kimenetek és lehetőségek alább, a kiválasztott metódusnál láthatók.

A Jev a TypeSafe zászlóshajó-modellje és az új System One osztály első modellje. Nem szöveget ír, hanem gyors döntéseket hoz, amelyeket egy program közvetlenül felhasználhat: meg kell adni az állapotot (state) — szöveget vagy JSON-t — és a kérdések készletét, a válasz pedig típusozott értékeket tartalmaz kalibrált valószínűségekkel.

A nyelvi modellek embereknek írnak szavakat, a Jev viszont a TypeSafe szerint közelebb áll a kódhoz: a válasz rögtön a kódnak megfelelő formában érkezik, nagy sebességgel, és egyetlen érték sem esik a megadott lehetőségeken kívülre. A modellt úgy tervezték, hogy ismételt kéréseknél is stabil válaszokat adjon.

Miben különbözik a System One a nyelvi modelltől?

  • Nem generál. A Jev nem ír felhasználói válaszokat, kódot vagy magyarázatot a következtetési folyamatáról. A lehetséges válaszokat a felhasználó adja meg a három kérdéstípus egyikével.
  • Kalibrált döntésekre tanították. A TypeSafe RLCD-vel (Reinforcement Learning for Calibrated Decisions) tanítja a modellt: a valószínűségeket a tényleges kimenetelekhez igazítják, így azok a bizonytalanságot tükrözik. Sok 0,8 valószínűségű válasz közül körülbelül 80%-nak kell helyesnek lennie. A kalibráltság nagy mintára vonatkozó tulajdonság, nem az egyes válaszok helyességének garanciája.
  • Más a tanítás célja. A chatmodelleket úgy tanítják, hogy az emberek kedveljék őket (RLHF); a TypeSafe megfigyelése szerint ez megfelelési kényszert és magabiztosan előadott hibákat ösztönöz. Az RLHF egyik társszerzője, Diogo Almeida a TypeSafe társalapítója.

A név Daniel Kahneman Gyors és lassú gondolkodás című könyvének „1. rendszerére” utal: a gyors, intuitív ítélet áll szemben a „2. rendszer” lassú, megfontolt gondolkodásával. A Jev gyors, szűk körű ítéletekre készült.

Három kérdéstípus

Egy kérdés egyetlen ítéletet kér az állapotról, a válasz pedig olyan érték, amelyet a kód küszöbbel összevethet, rendezhet vagy továbbadhat.

  1. Choice — választás a lehetőségek közül. A megkeresést kezelő részleg, egy termék kategóriája vagy egy kódrészlet nyelve. A lehetőségek „változat → leírás” szótárt alkotnak, legfeljebb 255 elemmel. A válasz tartalmazza a kiválasztott choice értéket, az összes lehetőség probabilities valószínűségét (összegük 1) és a confidence bizonyossági értéket. Ha a lista nem fedhet le minden esetet, érdemes „egyéb” vagy „egyik sem” lehetőséget hozzáadni.
  2. Score — skálás értékelés. Hely egy rendezett skálán, amelyet a felhasználó ír le: a hiba súlyossága, az ügyfél elégedetlensége vagy a készségszint. A skála 2 és 10 közötti szintet tartalmazhat, az alacsonytól a magasig; a modell minden szintet külön értékel, anélkül hogy látná annak sorszámát vagy a szomszédait. A válaszban szerepel a score (a szintek sorszámának a valószínűségeikkel súlyozott összege, ezért az érték két szint közé is eshet), a szintek leírását tartalmazó legend, valamint a probabilities és a confidence.
  3. Noul — igen vagy nem. Igaz-e az állítás? A noul válasz az „igen” valószínűsége 0 és 1 között: az 1 körüli érték biztos „igen”, a 0 körüli biztos „nem”, a 0,5 körüli pedig bizonytalanságot jelez. Külön confidence nincs: egyetlen szám teljesen leírja a választ. Az opcionális criteria pontosítja, mi számít „igennek” és mi „nemnek”.

Választás: ismert, nem rendezett lehetőségekhez choice; egy tartomány lépcsőihez score; tiszta „igen/nem” kérdéshez, ahol maga a valószínűség fontos, noul. A noul 0,5 egyenlő esélyű „igent” és „nemet” jelent, nem „közepes szintet”: a mértéket a score méri. Két megfelelő típus közül azt érdemes választani, amellyel a kód közvetlenül cselekedhet: choice — elágazások, score — küszöb, noul — if.

A típusok egy kérésben keverhetők. A válasz mindig a megadott lehetőségekre korlátozódik, és nem függ a többi kérdéstől: kérdések hozzáadhatók és eltávolíthatók a többi válasz megváltoztatása nélkül.

Állapot

Az állapot az, amit a modell értékel: ügyfélüzenet, dokumentumrészlet, adatbázisrekord vagy az alkalmazás állapota.

  • Karakterlánc — ha egyetlen szöveg van: üzenet, cikk vagy részlet.
  • Objektum — elnevezett mezők, kapcsolódó rekordok vagy az alkalmazás állapota. A TypeSafe a legtöbb kéréshez objektumot ajánl, mert minden résznek egyértelmű neve van.
  • Tömb — üzenetek vagy rekordok sorozata.

Szakértőknek összeállított anyagként érdemes előkészíteni: a levelezés, a rendelés és a visszatérítési szabályok kerüljenek egy helyre, ha a döntéshez össze kell vetni őket. A tartalom az állapotba, az ítéletek a kérdésekbe kerüljenek. Ha a kérdés az állapot egy részére vonatkozik, abban backtickek között kell megadni az elérési utat, például ticket.messages[0].text.

Kérdések megfogalmazása

  • Egy gyors ítélet kérdésenként. Jó kérdés az, amelyre a szükséges kontextust ismerő ember egy másodperc alatt válaszolhat: „Van sürgősség az üzenetben?”. A „Vizsgáld meg az üzenetet, és döntsd el, mit tegyünk” már lassú következtetés, ezért egyszerű kérdésekre kell bontani.
  • A teljes kérdés az instructions mezőbe kerüljön. A kérdés kulcsa, például refund_requested, csak a saját kódhoz szükséges, a modell nem kapja meg.
  • Az egy állapothoz tartozó összes kérdés egy kérésbe kerüljön. A modell párhuzamosan értékeli őket: a TypeSafe szerint a további kérdések alig növelik a válaszidőt, és csak a saját tokenjeikbe kerülnek. Egy „biztos, ami biztos” kérdés szinte ingyen van — a kód maga dönti el, mely válaszokra van szükség.
  • Összetett ítéletet részekre bontva. Az „értékeld a startup kérelmét” helyett külön érdemes rákérdezni a piac méretére, a műszaki megvalósíthatóságra és a versenytársaktól való eltérésekre, a végeredményt pedig súlyokkal kiszámítani a kódban. Ha változnak a prioritások, a súlyokat kell módosítani, nem a kérdést átírni.
  • Függő kérdések második kérésben. Egy kérés válaszai nem szolgálnak egymás kontextusául. Második kérésre csak akkor van szükség, ha az első válasz nélkül nem állítható össze: például adatot kell betölteni, vagy ki kell választani a következő kérdés lehetőségeit.
  • Hosszú kérdés objektumként. Az instructions és a criteria általában karakterlánc, de objektum vagy tömb is lehet: a kérdés az egyik mezőben, az adatok a többiben szerepelnek. Így egyetlen kérdéssel kényelmesen összevethető egy önéletrajz az adatbázisrekordokkal.

Bizonyosság

Choice és score esetében a 0 és 1 közötti confidence azt mutatja, mennyire összpontosul a valószínűség egy válaszra: 1 esetén teljesen egy lehetőségre, 0 esetén egyenlően az összesre. Score esetében a szomszédos szint kevésbé csökkenti a bizonyosságot, mint egy távoli. Noul esetében maga az érték a bizonyosság: minél távolabb van 0,5-től, annál határozottabb a válasz.

A TypeSafe három tartományt ajánl:

  1. Magas bizonyosság — automatikus végrehajtás.
  2. Közepes — óvatos végrehajtás, például megerősítés kérése a felhasználótól.
  3. Alacsony — az eset átadása embernek, a kérés pontosítása vagy tartalék út bekapcsolása, például egy erősebb, következtető modell használata.

Minél költségesebb a hiba, annál szigorúbb a küszöb: visszafordíthatatlan műveleteknél magasabb, mint olvasásnál. A válasz azt mondja meg, mit válasszunk, a bizonyosság pedig azt, érdemes-e cselekedni. A küszöböket saját adatokon kell meghatározni, a bizonyosságot a pontossággal összevetve.

Hogyan épüljön rendszer a Jev köré?

A Jev nem olyan ügynökökhöz készült, amelyek maguk választják ki a következő lépést, és minden körben eltévedhetnek, hanem olyan programokhoz, amelyekben a folyamatot a kód vezérli, a modell pedig szűk szemantikai kérdésekre válaszol. A TypeSafe nyolc tervezési lépése:

  1. Amit kóddal el lehet végezni, azt kóddal kell megoldani — megbízhatóan és olcsón.
  2. Az állapotba csak az kerüljön, amire az aktuális kérdésekhez szükség van; a friss tények saját tudásbázisból, ne a modell emlékezetéből származzanak.
  3. Szerkezet az állapotban: beágyazott JSON, a kérdésben pedig a szükséges mező elérési útja backtickek között, ha ez csökkenti a kétértelműséget.
  4. A lehető legszűkebb és legkonkrétabb kérdések — a TypeSafe szerint talán ez a legfontosabb szabály: egy tág kérdés több ítéletet rejt egy válasz mögé.
  5. Szerkezet a kérdésekben: maga a kérdés rövid; a magyarázatok, példák és saját adatbázisból származó értékek az instructions vagy a criteria objektum szomszédos mezőiben, ne egy hosszú karakterláncban legyenek.
  6. Sok független kérdés ugyanahhoz az állapothoz, egyetlen kérésben — több haszon minden dollárért.
  7. A válaszokat a kód egyesíti: szabályokkal, súlyozott összeggel vagy egy hagyományos gépi tanulási modell jellemzőiként.
  8. Elágazás a bizonyosság szerint: a bizonytalan esetek emberhez vagy következtető modellhez kerüljenek.

A Jev nem chatmodell és nem kódkiegészítő modell, ezért programozó ügynökben nem helyettesíthet nyelvi modellt. Egy ügynök viszont megírhatja azt a kódot, amely ott hívja meg a Jevet, ahol gyors, kalibrált válasz szükséges.

Felhasználási területek

  • Háttérautomatizálás — emberi jelenlét nélkül milliószor lefuttatott döntések.
  • Valós idő — a TypeSafe szerint a kérések többsége körülbelül 100 ms alatt teljesül: ez elegendő menet közbeni feldolgozáshoz és felületekhez.
  • Nagy adathalmazok — keresés hatalmas korpuszokban, ügynökök munkanaplóinak címkézése, előrejelzési jellemzők.
  • Más modellek ellenőrzése — kérések, kinyert adatok, következtetések és eszközhívások: korlátozások megkerülése, idézési hibák, kitalált állítások.
  • Keresés és rangsorolás — „kérés — jelölt” párok relevanciája, újrarangsorolás, kontextusválogatás.
  • Elágazás a szándék szerint — mit szeretne a felhasználó, és melyik kezelő szükséges: egyszerű logika, szakmodell vagy ember; a téma, az összetettség és a kockázat határozza meg, melyik nyelvi modell kapja a kérést.
  • Védelmi ellenőrzések — a nyelvi modell bemenete, kimenete és eszközhívásai: beágyazott utasítások, szabálysértések, személyes adatok kiszivárgása.
  • Ügyféltámogatás — a megkeresés témája és szándéka, sürgősség, elégedetlenség, lemorzsolódási kockázat, visszatérítési kérés és sorba állítás.
  • Moderálás — a saját platform szabályai alapján: mérgező tartalom, zaklatás, spam, csalás, veszélyes tanácsok és személyes adatok; súlyosság és bizonyosság alapján engedélyezés, figyelmeztetés, ellenőrzés vagy blokkolás.
  • Ágazatok — biztosítási esetek, pénzügyi vizsgálatok és KYC, szerződések és reklám, termékkártyák, toborzás, érdeklődők, játékok, kockázatok, kereslet-előrejelzés, tudásgráfok, tudományos áttekintések és a kód szemantikai ellenőrzése CI-ban.

Jellemzők

  • jev-latest — a legújabb stabil verzió álneve, jelenleg Jev 1.13; a válaszoló verzió a model mezőben látható, például jev-1.13.0. Új verzió megjelenésekor az álnév arra vált, és a válaszok saját módosítás nélkül is megváltozhatnak — figyelni kell ezt a mezőt, ha a küszöbök egy adott verzióhoz igazodnak.
  • Kontextus — kérésenként 64K token: az állapot és az összes kérdés együtt; az állapot a leghosszabb kérdéssel együtt legfeljebb 32K. A modell egyszer olvassa az állapotot, és az összes kérdést párhuzamosan ellenőrzi vele szemben.
  • Bemenet — kizárólag szöveg: karakterlánc, JSON-objektum vagy szövegtömb. Képek, hang és videó egyelőre nem támogatottak — előbb szöveggé kell alakítani őket.
  • Nyelv — a tanítás fő nyelve az angol, jelenleg ezen a legnagyobb a pontosság. A modell más nyelveket, köztük kínait, japánt és koreait is fogad, de kisebb pontossággal — saját adatokon kell ellenőrizni.
  • Árak és számlázás az Ailoot API-ban — a feltételek a választott metódustól függnek, és annak kártyáján szerepelnek.
  • Beállítás — a Jevet nem finomhangolják az ügyfél adataival: a saját anyagok a state, a szakterületi szabályok az instructions és a criteria mezőbe kerüljenek.
  • Adatok — a TypeSafe közlése szerint a Jevet nem tanítják az ügyfelek kérésein és válaszain.

A Jev 1.13 ismert gyengeségei

A TypeSafe nyíltan felsorolja az aktuális verzió gyengeségeit, és sok javítást ígér a következőkre. A modell gyors, kalibrált és józan ítéletekre képes, de:

  1. Szó szerint olvas. A leírt kérdésre válaszol, nem a szándékoltra: a fenntartásokat, tagadásokat és kimondatlan feltételeket szó szerint érti. A pontos feltételt és a határeseteket a criteria mezőben kell megadni; az elkerülhetetlen értelmezést két szó szerinti kérdésre kell bontani.
  2. Nem számológép. A karakterek, ismétlődések és listaelemek számlálása megbízhatatlan, a hiba a mérettel nő — ezt kódban kell elvégezni, jelöltenként egy kérdéssel. A hex vagy RGB formájú színeket a modell kevésbé érti, mint a színneveket. A score küszöbhöz megfelelő, de a szintek közötti pontos számhoz nem.
  3. Dátumok és idő. Melyik dátum korábbi, mennyi idő van köztük, beleesik-e egy időszakba — ezek megbízhatatlanok, különösen vegyes formátumoknál és relatív dátumoknál. A dátum részeit choice kérdéssel érdemes kinyerni („nincs megadva” lehetőséggel), az összehasonlítást pedig kódban elvégezni.
  4. Közvetettség. A kettős tagadás és egy tulajdonság tulajdonságára vonatkozó kérdés csökkenti a pontosságot. Közvetlenül kell fogalmazni, és név szerint megadni az állapot részeit.
  5. Felesleges tartalom az állapotban. Az oda nem tartozó szöveg rontja a pontosságot. Kódban kell szűrni, ha ez nem lehetséges, noul kérdésekkel kiszűrni a nem releváns részeket.
  6. Ellenséges szöveg. A modell alapértelmezésben nem számít csapdákra az állapotban: egy beágyazott utasítás vagy a saját besorolásával vitatkozó szöveg eltolhatja a választ. Pontos kritériumokat kell írni, és indulás előtt ellenőrizni a határeseteket.
  7. Ellentmondások. Ha az instructions és a criteria mást kér — például a noul „igenje” „nemként” van leírva —, csökken a pontosság. A kritériumok a kérdés folytatását jelentik.
  8. A lehetőségek sorrendje. A modell néha a choice első lehetőségéhez húz. Érdemes átrendezni őket, és ellenőrizni, hogy a válasz nem változik-e.
  9. Generálás. A Jevet nem tanították szövegírásra. Adatkinyeréshez a jelölteket reguláris kifejezéssel vagy generatív modellel kell megkeresni, a Jev pedig choice segítségével válassza ki a megfelelőt.

Elérhető az Ailootban · bemenetek és metódusok

Ailoot · System One POST /v1/systemone
Bemenet
text
Kimenet
structured
Kontextus
64 000 tokens
Kimeneti formátum
json
MezőTípusKövetelményÉrtékek és korlátokAlapértelmezett
MezőmodelTípusstringKövetelményKötelezőÉrtékek és korlátok
jev-latest
Alapértelmezett—
MezőstateTípusstring|object|arrayKövetelményKötelezőÉrtékek és korlátokAlapértelmezett—
MezőquestionsTípusobjectKövetelményKötelezőÉrtékek és korlátok
Minimális objektummezőszám: 1
Alapértelmezett—
Mezőquestions.<id>.typeTípusstringKövetelményKötelezőÉrtékek és korlátok
noul, choice, score
Alapértelmezett—
Mezőquestions.<id>.instructionsTípusstring|object|array|nullKövetelményOpcionálisÉrtékek és korlátokAlapértelmezett—
Mezőquestions.<id>.criteriaTípusobject|array|nullKövetelményOpcionálisÉrtékek és korlátok
Feltételek: noul: opcionális, null értéket elfogadó true/false leírások; choice: feltételobjektum; score: nem üres feltételtömb
Alapértelmezett—
MezőstreamTípusboolean|nullKövetelményOpcionálisÉrtékek és korlátok
false, null
Alapértelmezett—
Bemeneti anyagok kombinációi

noul · Kötelező: state, questions.<id>.type=noul

choice · Kötelező: state, questions.<id>.type=choice, criteria object

score · Kötelező: state, questions.<id>.type=score, nonemptycriteriaarray

Metódus paraméterei és életciklusa
ParaméterSzerződés
Paramétermaterial_typesSzerződéstext
ParaméterrequiredSzerződésmodel, state, questions
Paraméteroptional_controlsSzerződésnull
Paramétercontent_typeSzerződésapplication/json

Életciklus: exact retained published method

A metódusok szerkezete és azonosítói pontosak; a beszállítói képesség különbözik a kérelmek befogadásától.

Díjcsomagok

Ailoot-metódusok díjai

Ailoot System OnePOST /v1/systemone
Bemenet
≈0,000084 USD / 1K
Kimenet
0,00 USD / 1K

Az Ailoot a kérés előtt becsült összeget foglal le. Az eredmény után a mért használat alapján elszámolja a végső díjat. Folyamatos átvitel esetén a végső használati rekordot használja. A foglalás és az elszámolás működése →

Példakérések

Ailoot · System One

set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_TEXT_FILE:?Set your actual UTF-8 customer message}"\nexport AILOOT_TEXT_FILE\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "jev-latest", "state": "", "questions": {"is_urgent": {"type": "noul", "instructions": "Does the supplied customer message express urgency?"}}}')\nf=Path(os.environ["AILOOT_TEXT_FILE"])\nif not f.is_file():raise SystemExit("Choose your actual UTF-8 source material")\ntext=f.read_text(encoding="utf-8")\nif not text.strip():raise SystemExit("Source material must contain text")\np["state"]=text\nPath("request.json").write_text(json.dumps(p,ensure_ascii=False))\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/systemone \\\n  -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \\\n  --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\nprint(json.dumps(json.loads(Path("result.json").read_text()),ensure_ascii=False,indent=2))\nPY_RESULT\n

Eredmények fogadása és mentése

Ailoot · System One

json

Őrizzen meg minden elkészült eredményt

Őrizzen meg minden teljes visszaadott választ, fájlt és tartalomrészt.

Őrizzen meg minden választ a megadott kérdésazonosítóval, valószínűséggel és jelmagyarázattal együtt; az n értékét használó megbízhatósági képlethez n>1 szükséges, de ez nem állít az API számára minimális választási darabszámot.

Válaszmezők
MezőTípus
Mezőanswers.<id>.typeTípusstring
Mezőanswers.<id>.noulTípusnumber
Mezőanswers.<id>.choiceTípusstring
Mezőanswers.<id>.scoreTípusnumber
Mezőanswers.<id>.confidenceTípusnumber
Mezőanswers.<id>.probabilitiesTípusobject
Mezőanswers.<id>.legendTípusobject
MezőusageTípusobject
Hibák és következő lépések
VálaszFeltételKövetkező lépés
Válasz400 · invalid_request_errorFeltételÉrvénytelen kötelező mezők, az anyag érvénytelen reprezentációja vagy érvénytelen paraméterértékKövetkező lépésJavítsa a jelzett mezőket egy új létrehozási kérés előtt.

Álnevek

Modell álnevei

Ailoot jev-latest

Metódusútvonalak álnevei

Használja a fent látható metódusútvonalakat.

Kapcsolódó modellazonosítók

jev-latest

", "method_identity": { "effective_request_model_id": "jev-latest", "fmt": "systemone", "http": "POST", "path": "/v1/systemone", "request_model_id": "jev-latest", "route_label": "Core" }, "method_key": "Core|systemone|/v1/systemone|jev-latest", "ordinal": 0, "rawMethod": { "cache_read": null, "cache_write": null, "cache_write_1h": null, "cache_write_5m": null, "conditional_meter": null, "contract": { "data": { "all_results": "Retain every answer by its supplied question ID, probability and legend; confidenceformulausingnrequiresn>1withoutassertinganAPIminchoicesrule.", "errors": [ { "code": null, "condition": "Érvénytelen kötelező mezők, az anyag érvénytelen reprezentációja vagy érvénytelen paraméterérték", "http_status": 400, "recovery": "Javítsa a jelzett mezőket egy új létrehozási kérés előtt.", "type": "invalid_request_error" } ], "hints": [], "ignored_fields": [], "lifecycle": { "mode": "exact retained published method" }, "material_combinations": [ { "mode": "noul", "required": [ "state", "questions..type=noul" ] }, { "mode": "choice", "required": [ "state", "questions..type=choice", "criteria object" ] }, { "mode": "score", "required": [ "state", "questions..type=score", "nonemptycriteriaarray" ] } ], "operation_modes": [ "noul", "choice", "score" ], "outputs": { "all_results": "Őrizzen meg minden választ a megadott kérdésazonosítóval, valószínűséggel és jelmagyarázattal együtt; az n értékét használó megbízhatósági képlethez n>1 szükséges, de ez nem állít az API számára minimális választási darabszámot.", "family": "structured", "fields": [ { "description": null, "name": "answers..type", "type": "string" }, { "description": null, "name": "answers..noul", "type": "number" }, { "description": null, "name": "answers..choice", "type": "string" }, { "description": null, "name": "answers..score", "type": "number" }, { "description": null, "name": "answers..confidence", "type": "number" }, { "description": null, "name": "answers..probabilities", "type": "object" }, { "description": null, "name": "answers..legend", "type": "object" }, { "description": null, "name": "usage", "type": "object" } ], "format": "json" }, "parameters": [ { "availability": "source_interface", "default": null, "default_known": false, "enum": [ "jev-latest" ], "enum_known": true, "name": "model", "required": true, "type": "string" }, { "availability": "source_interface", "default": null, "default_known": false, "enum": null, "enum_known": false, "name": "state", "required": true, "type": "string|object|array" }, { "availability": "source_interface", "default": null, "default_known": false, "enum": null, "enum_known": false, "min_properties": 1, "name": "questions", "required": true, "type": "object" }, { "availability": "source_interface", "default": null, "default_known": false, "enum": [ "noul", "choice", "score" ], "enum_known": true, "name": "questions..type", "required": true, "type": "string" }, { "availability": "source_interface", "default": null, "default_known": false, "enum": null, "enum_known": false, "name": "questions..instructions", "required": false, "type": "string|object|array|null" }, { "availability": "source_interface", "conditions": "noul: opcionális, null értéket elfogadó true/false leírások; choice: feltételobjektum; score: nem üres feltételtömb", "default": null, "default_known": false, "enum": null, "enum_known": false, "name": "questions..criteria", "required": false, "type": "object|array|null" }, { "availability": "source_interface", "default": null, "default_known": false, "enum": [ false, null ], "enum_known": true, "name": "stream", "required": false, "type": "boolean|null" } ], "profile_binding": "Exact existing Ailoot model and method; interface constraints below do not assert provider qualification.", "unsupported": [ "stream=true", "duplicateandcase-variedcanonicalkeys" ] }, "hints": [ "A metódusok szerkezete és azonosítói pontosak; a beszállítói képesség különbözik a kérelmek befogadásától." ], "input": { "content_type": "application/json", "material_types": [ "text" ], "optional_controls": null, "required": [ "model", "state", "questions" ] }, "lifecycle": { "mode": "exact retained published method" }, "method": { "http": "POST", "path": "/v1/systemone" }, "operation_modes": [ "systemone" ], "output": { "family": [ "structured" ], "format": "structured decisions JSON", "multioutputs": "retain every actual response output" } }, "ctx": 64000, "examples": [ { "code": "set -eu\n: \"${AILOOT_API_KEY:?Set your Ailoot API key}\"\n: \"${AILOOT_TEXT_FILE:?Set your actual UTF-8 customer message}\"\nexport AILOOT_TEXT_FILE\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{\"model\": \"jev-latest\", \"state\": \"\", \"questions\": {\"is_urgent\": {\"type\": \"noul\", \"instructions\": \"Does the supplied customer message express urgency?\"}}}')\nf=Path(os.environ[\"AILOOT_TEXT_FILE\"])\nif not f.is_file():raise SystemExit(\"Choose your actual UTF-8 source material\")\ntext=f.read_text(encoding=\"utf-8\")\nif not text.strip():raise SystemExit(\"Source material must contain text\")\np[\"state\"]=text\nPath(\"request.json\").write_text(json.dumps(p,ensure_ascii=False))\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/systemone \\\n -H \"Authorization: Bearer $AILOOT_API_KEY\" -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\nprint(json.dumps(json.loads(Path(\"result.json\").read_text()),ensure_ascii=False,indent=2))\nPY_RESULT\n", "label": "Classify your actual customer message", "language": "bash" } ], "family": "systemone", "fast_multiplier": null, "flex_multiplier": null, "fmt": "systemone", "http": "POST", "img_in": null, "img_out": null, "in": 0.084, "input": [ "text" ], "label": "System One", "max_out": 0, "max_tool_calls": null, "out": 0, "output": [ "structured" ], "path": "/v1/systemone", "pricing_profiles": [ { "dimensions": {}, "label": "Core", "units": [ { "amount": 0.084, "amount_unit": "usd_per_million_tokens", "key": "in", "label": "Input", "side": "in" }, { "amount": 0, "amount_unit": "usd_per_million_tokens", "key": "out", "label": "Output", "side": "out" } ] } ], "request_model_id": "jev-latest", "route_label": "Core", "status_reads": [], "tiers": [], "tool_prices": null, "unit": "token", "units": [] } } ], "model_id": "jev-latest", "nativeProvenance": { "input_facts_canonical_sha256": "461118c9b19b9d95538f3fb8bcaddd37e3a32dc627a050973b067e01817ec4de", "input_html_sha256": "04e213b87812d66881f35142a8a05b2f471a6a56221329226385009088560a27", "private_audit_sha256": "3781ceee1d91a1a7708bb70b72f6e67f6801d99816d51be931d4f2d25493839c", "role": "historical-normalized-input-audit-hashes", "schema": "ailoot-native-model-provenance-v2" }, "page": { "canonical": "https://ailoot.ai/models/hu/jev-latest/", "description": "A TypeSafe döntési modellje: szöveg írása helyett szövegről vagy JSON-ról feltett, típusozott kérdésekre válaszol — választással, skálás értékeléssel vagy valószínűségi „igen/nem” válasszal. Útválasztásra, megkeresések rendezésére, moderálásra és pontozásra használható; egy kérés összes kérdését párhuzamosan értékeli.", "locale": "hu", "md_url": "https://ailoot.ai/models/hu/jev-latest/index.md", "title": "jev-latest — Ailoot", "url": "https://ailoot.ai/models/hu/jev-latest/" }, "rawModel": { "about": "A Jev a TypeSafe zászlóshajó-modellje és az új **System One** osztály első modellje. Nem szöveget ír, hanem gyors döntéseket hoz, amelyeket egy program közvetlenül felhasználhat: meg kell adni az **állapotot** (`state`) — szöveget vagy JSON-t — és a **kérdések** készletét, a válasz pedig típusozott értékeket tartalmaz kalibrált valószínűségekkel.\n\nA nyelvi modellek embereknek írnak szavakat, a Jev viszont a TypeSafe szerint közelebb áll a kódhoz: a válasz rögtön a kódnak megfelelő formában érkezik, nagy sebességgel, és egyetlen érték sem esik a megadott lehetőségeken kívülre. A modellt úgy tervezték, hogy ismételt kéréseknél is stabil válaszokat adjon.\n\n### Miben különbözik a System One a nyelvi modelltől?\n\n- **Nem generál.** A Jev nem ír felhasználói válaszokat, kódot vagy magyarázatot a következtetési folyamatáról. A lehetséges válaszokat a felhasználó adja meg a három kérdéstípus egyikével.\n- **Kalibrált döntésekre tanították.** A TypeSafe RLCD-vel (Reinforcement Learning for Calibrated Decisions) tanítja a modellt: a valószínűségeket a tényleges kimenetelekhez igazítják, így azok a bizonytalanságot tükrözik. Sok 0,8 valószínűségű válasz közül körülbelül 80%-nak kell helyesnek lennie. A kalibráltság nagy mintára vonatkozó tulajdonság, nem az egyes válaszok helyességének garanciája.\n- **Más a tanítás célja.** A chatmodelleket úgy tanítják, hogy az emberek kedveljék őket (RLHF); a TypeSafe megfigyelése szerint ez megfelelési kényszert és magabiztosan előadott hibákat ösztönöz. Az RLHF egyik társszerzője, Diogo Almeida a TypeSafe társalapítója.\n\nA név Daniel Kahneman Gyors és lassú gondolkodás című könyvének „1. rendszerére” utal: a gyors, intuitív ítélet áll szemben a „2. rendszer” lassú, megfontolt gondolkodásával. A Jev gyors, szűk körű ítéletekre készült.\n\n### Három kérdéstípus\n\nEgy kérdés egyetlen ítéletet kér az állapotról, a válasz pedig olyan érték, amelyet a kód küszöbbel összevethet, rendezhet vagy továbbadhat.\n\n1. **Choice — választás a lehetőségek közül.** A megkeresést kezelő részleg, egy termék kategóriája vagy egy kódrészlet nyelve. A lehetőségek „változat → leírás” szótárt alkotnak, legfeljebb 255 elemmel. A válasz tartalmazza a kiválasztott `choice` értéket, az összes lehetőség `probabilities` valószínűségét (összegük 1) és a `confidence` bizonyossági értéket. Ha a lista nem fedhet le minden esetet, érdemes „egyéb” vagy „egyik sem” lehetőséget hozzáadni.\n2. **Score — skálás értékelés.** Hely egy rendezett skálán, amelyet a felhasználó ír le: a hiba súlyossága, az ügyfél elégedetlensége vagy a készségszint. A skála 2 és 10 közötti szintet tartalmazhat, az alacsonytól a magasig; a modell minden szintet külön értékel, anélkül hogy látná annak sorszámát vagy a szomszédait. A válaszban szerepel a `score` (a szintek sorszámának a valószínűségeikkel súlyozott összege, ezért az érték két szint közé is eshet), a szintek leírását tartalmazó `legend`, valamint a `probabilities` és a `confidence`.\n3. **Noul — igen vagy nem.** Igaz-e az állítás? A `noul` válasz az „igen” valószínűsége 0 és 1 között: az 1 körüli érték biztos „igen”, a 0 körüli biztos „nem”, a 0,5 körüli pedig bizonytalanságot jelez. Külön `confidence` nincs: egyetlen szám teljesen leírja a választ. Az opcionális `criteria` pontosítja, mi számít „igennek” és mi „nemnek”.\n\nVálasztás: ismert, nem rendezett lehetőségekhez choice; egy tartomány lépcsőihez score; tiszta „igen/nem” kérdéshez, ahol maga a valószínűség fontos, noul. A noul 0,5 egyenlő esélyű „igent” és „nemet” jelent, nem „közepes szintet”: a mértéket a score méri. Két megfelelő típus közül azt érdemes választani, amellyel a kód közvetlenül cselekedhet: choice — elágazások, score — küszöb, noul — `if`.\n\nA típusok egy kérésben keverhetők. A válasz mindig a megadott lehetőségekre korlátozódik, és nem függ a többi kérdéstől: kérdések hozzáadhatók és eltávolíthatók a többi válasz megváltoztatása nélkül.\n\n### Állapot\n\nAz állapot az, amit a modell értékel: ügyfélüzenet, dokumentumrészlet, adatbázisrekord vagy az alkalmazás állapota.\n\n- **Karakterlánc** — ha egyetlen szöveg van: üzenet, cikk vagy részlet.\n- **Objektum** — elnevezett mezők, kapcsolódó rekordok vagy az alkalmazás állapota. A TypeSafe a legtöbb kéréshez objektumot ajánl, mert minden résznek egyértelmű neve van.\n- **Tömb** — üzenetek vagy rekordok sorozata.\n\nSzakértőknek összeállított anyagként érdemes előkészíteni: a levelezés, a rendelés és a visszatérítési szabályok kerüljenek egy helyre, ha a döntéshez össze kell vetni őket. A tartalom az állapotba, az ítéletek a kérdésekbe kerüljenek. Ha a kérdés az állapot egy részére vonatkozik, abban backtickek között kell megadni az elérési utat, például `ticket.messages[0].text`.\n\n### Kérdések megfogalmazása\n\n- **Egy gyors ítélet kérdésenként.** Jó kérdés az, amelyre a szükséges kontextust ismerő ember egy másodperc alatt válaszolhat: „Van sürgősség az üzenetben?”. A „Vizsgáld meg az üzenetet, és döntsd el, mit tegyünk” már lassú következtetés, ezért egyszerű kérdésekre kell bontani.\n- **A teljes kérdés az `instructions` mezőbe kerüljön.** A kérdés kulcsa, például `refund_requested`, csak a saját kódhoz szükséges, a modell nem kapja meg.\n- **Az egy állapothoz tartozó összes kérdés egy kérésbe kerüljön.** A modell párhuzamosan értékeli őket: a TypeSafe szerint a további kérdések alig növelik a válaszidőt, és csak a saját tokenjeikbe kerülnek. Egy „biztos, ami biztos” kérdés szinte ingyen van — a kód maga dönti el, mely válaszokra van szükség.\n- **Összetett ítéletet részekre bontva.** Az „értékeld a startup kérelmét” helyett külön érdemes rákérdezni a piac méretére, a műszaki megvalósíthatóságra és a versenytársaktól való eltérésekre, a végeredményt pedig súlyokkal kiszámítani a kódban. Ha változnak a prioritások, a súlyokat kell módosítani, nem a kérdést átírni.\n- **Függő kérdések második kérésben.** Egy kérés válaszai nem szolgálnak egymás kontextusául. Második kérésre csak akkor van szükség, ha az első válasz nélkül nem állítható össze: például adatot kell betölteni, vagy ki kell választani a következő kérdés lehetőségeit.\n- **Hosszú kérdés objektumként.** Az `instructions` és a `criteria` általában karakterlánc, de objektum vagy tömb is lehet: a kérdés az egyik mezőben, az adatok a többiben szerepelnek. Így egyetlen kérdéssel kényelmesen összevethető egy önéletrajz az adatbázisrekordokkal.\n\n### Bizonyosság\n\nChoice és score esetében a 0 és 1 közötti `confidence` azt mutatja, mennyire összpontosul a valószínűség egy válaszra: 1 esetén teljesen egy lehetőségre, 0 esetén egyenlően az összesre. Score esetében a szomszédos szint kevésbé csökkenti a bizonyosságot, mint egy távoli. Noul esetében maga az érték a bizonyosság: minél távolabb van 0,5-től, annál határozottabb a válasz.\n\nA TypeSafe három tartományt ajánl:\n\n1. **Magas bizonyosság** — automatikus végrehajtás.\n2. **Közepes** — óvatos végrehajtás, például megerősítés kérése a felhasználótól.\n3. **Alacsony** — az eset átadása embernek, a kérés pontosítása vagy tartalék út bekapcsolása, például egy erősebb, következtető modell használata.\n\nMinél költségesebb a hiba, annál szigorúbb a küszöb: visszafordíthatatlan műveleteknél magasabb, mint olvasásnál. A válasz azt mondja meg, mit válasszunk, a bizonyosság pedig azt, érdemes-e cselekedni. A küszöböket saját adatokon kell meghatározni, a bizonyosságot a pontossággal összevetve.\n\n### Hogyan épüljön rendszer a Jev köré?\n\nA Jev nem olyan ügynökökhöz készült, amelyek maguk választják ki a következő lépést, és minden körben eltévedhetnek, hanem olyan programokhoz, amelyekben a folyamatot a kód vezérli, a modell pedig szűk szemantikai kérdésekre válaszol. A TypeSafe nyolc tervezési lépése:\n\n1. Amit kóddal el lehet végezni, azt kóddal kell megoldani — megbízhatóan és olcsón.\n2. Az állapotba csak az kerüljön, amire az aktuális kérdésekhez szükség van; a friss tények saját tudásbázisból, ne a modell emlékezetéből származzanak.\n3. Szerkezet az állapotban: beágyazott JSON, a kérdésben pedig a szükséges mező elérési útja backtickek között, ha ez csökkenti a kétértelműséget.\n4. A lehető legszűkebb és legkonkrétabb kérdések — a TypeSafe szerint talán ez a legfontosabb szabály: egy tág kérdés több ítéletet rejt egy válasz mögé.\n5. Szerkezet a kérdésekben: maga a kérdés rövid; a magyarázatok, példák és saját adatbázisból származó értékek az `instructions` vagy a `criteria` objektum szomszédos mezőiben, ne egy hosszú karakterláncban legyenek.\n6. Sok független kérdés ugyanahhoz az állapothoz, egyetlen kérésben — több haszon minden dollárért.\n7. A válaszokat a kód egyesíti: szabályokkal, súlyozott összeggel vagy egy hagyományos gépi tanulási modell jellemzőiként.\n8. Elágazás a bizonyosság szerint: a bizonytalan esetek emberhez vagy következtető modellhez kerüljenek.\n\nA Jev nem chatmodell és nem kódkiegészítő modell, ezért programozó ügynökben nem helyettesíthet nyelvi modellt. Egy ügynök viszont megírhatja azt a kódot, amely ott hívja meg a Jevet, ahol gyors, kalibrált válasz szükséges.\n\n### Felhasználási területek\n\n- **Háttérautomatizálás** — emberi jelenlét nélkül milliószor lefuttatott döntések.\n- **Valós idő** — a TypeSafe szerint a kérések többsége körülbelül 100 ms alatt teljesül: ez elegendő menet közbeni feldolgozáshoz és felületekhez.\n- **Nagy adathalmazok** — keresés hatalmas korpuszokban, ügynökök munkanaplóinak címkézése, előrejelzési jellemzők.\n- **Más modellek ellenőrzése** — kérések, kinyert adatok, következtetések és eszközhívások: korlátozások megkerülése, idézési hibák, kitalált állítások.\n- **Keresés és rangsorolás** — „kérés — jelölt” párok relevanciája, újrarangsorolás, kontextusválogatás.\n- **Elágazás a szándék szerint** — mit szeretne a felhasználó, és melyik kezelő szükséges: egyszerű logika, szakmodell vagy ember; a téma, az összetettség és a kockázat határozza meg, melyik nyelvi modell kapja a kérést.\n- **Védelmi ellenőrzések** — a nyelvi modell bemenete, kimenete és eszközhívásai: beágyazott utasítások, szabálysértések, személyes adatok kiszivárgása.\n- **Ügyféltámogatás** — a megkeresés témája és szándéka, sürgősség, elégedetlenség, lemorzsolódási kockázat, visszatérítési kérés és sorba állítás.\n- **Moderálás** — a saját platform szabályai alapján: mérgező tartalom, zaklatás, spam, csalás, veszélyes tanácsok és személyes adatok; súlyosság és bizonyosság alapján engedélyezés, figyelmeztetés, ellenőrzés vagy blokkolás.\n- **Ágazatok** — biztosítási esetek, pénzügyi vizsgálatok és KYC, szerződések és reklám, termékkártyák, toborzás, érdeklődők, játékok, kockázatok, kereslet-előrejelzés, tudásgráfok, tudományos áttekintések és a kód szemantikai ellenőrzése CI-ban.\n\n### Jellemzők\n\n- **`jev-latest`** — a legújabb stabil verzió álneve, jelenleg Jev 1.13; a válaszoló verzió a `model` mezőben látható, például `jev-1.13.0`. Új verzió megjelenésekor az álnév arra vált, és a válaszok saját módosítás nélkül is megváltozhatnak — figyelni kell ezt a mezőt, ha a küszöbök egy adott verzióhoz igazodnak.\n- **Kontextus** — kérésenként 64K token: az állapot és az összes kérdés együtt; az állapot a leghosszabb kérdéssel együtt legfeljebb 32K. A modell egyszer olvassa az állapotot, és az összes kérdést párhuzamosan ellenőrzi vele szemben.\n- **Bemenet** — kizárólag szöveg: karakterlánc, JSON-objektum vagy szövegtömb. Képek, hang és videó egyelőre nem támogatottak — előbb szöveggé kell alakítani őket.\n- **Nyelv** — a tanítás fő nyelve az angol, jelenleg ezen a legnagyobb a pontosság. A modell más nyelveket, köztük kínait, japánt és koreait is fogad, de kisebb pontossággal — saját adatokon kell ellenőrizni.\n- **Árak és számlázás az Ailoot API-ban** — a feltételek a választott metódustól függnek, és annak kártyáján szerepelnek.\n- **Beállítás** — a Jevet nem finomhangolják az ügyfél adataival: a saját anyagok a `state`, a szakterületi szabályok az `instructions` és a `criteria` mezőbe kerüljenek.\n- **Adatok** — a TypeSafe közlése szerint a Jevet nem tanítják az ügyfelek kérésein és válaszain.\n\n### A Jev 1.13 ismert gyengeségei\n\nA TypeSafe nyíltan felsorolja az aktuális verzió gyengeségeit, és sok javítást ígér a következőkre. A modell gyors, kalibrált és józan ítéletekre képes, de:\n\n1. **Szó szerint olvas.** A leírt kérdésre válaszol, nem a szándékoltra: a fenntartásokat, tagadásokat és kimondatlan feltételeket szó szerint érti. A pontos feltételt és a határeseteket a `criteria` mezőben kell megadni; az elkerülhetetlen értelmezést két szó szerinti kérdésre kell bontani.\n2. **Nem számológép.** A karakterek, ismétlődések és listaelemek számlálása megbízhatatlan, a hiba a mérettel nő — ezt kódban kell elvégezni, jelöltenként egy kérdéssel. A hex vagy RGB formájú színeket a modell kevésbé érti, mint a színneveket. A `score` küszöbhöz megfelelő, de a szintek közötti pontos számhoz nem.\n3. **Dátumok és idő.** Melyik dátum korábbi, mennyi idő van köztük, beleesik-e egy időszakba — ezek megbízhatatlanok, különösen vegyes formátumoknál és relatív dátumoknál. A dátum részeit choice kérdéssel érdemes kinyerni („nincs megadva” lehetőséggel), az összehasonlítást pedig kódban elvégezni.\n4. **Közvetettség.** A kettős tagadás és egy tulajdonság tulajdonságára vonatkozó kérdés csökkenti a pontosságot. Közvetlenül kell fogalmazni, és név szerint megadni az állapot részeit.\n5. **Felesleges tartalom az állapotban.** Az oda nem tartozó szöveg rontja a pontosságot. Kódban kell szűrni, ha ez nem lehetséges, noul kérdésekkel kiszűrni a nem releváns részeket.\n6. **Ellenséges szöveg.** A modell alapértelmezésben nem számít csapdákra az állapotban: egy beágyazott utasítás vagy a saját besorolásával vitatkozó szöveg eltolhatja a választ. Pontos kritériumokat kell írni, és indulás előtt ellenőrizni a határeseteket.\n7. **Ellentmondások.** Ha az `instructions` és a `criteria` mást kér — például a noul „igenje” „nemként” van leírva —, csökken a pontosság. A kritériumok a kérdés folytatását jelentik.\n8. **A lehetőségek sorrendje.** A modell néha a choice első lehetőségéhez húz. Érdemes átrendezni őket, és ellenőrizni, hogy a válasz nem változik-e.\n9. **Generálás.** A Jevet nem tanították szövegírásra. Adatkinyeréshez a jelölteket reguláris kifejezéssel vagy generatív modellel kell megkeresni, a Jev pedig choice segítségével válassza ki a megfelelőt.", "alias_of": null, "aliases": [], "author": "TypeSafe", "ctx": 64000, "formats": [ "systemone" ], "guide": "/docs/api/systemone/", "id": "jev-latest", "input": [ "text" ], "kind": "decision", "max_out": null, "methods": [ { "cache_read": null, "cache_write": null, "cache_write_1h": null, "cache_write_5m": null, "conditional_meter": null, "contract": { "data": { "all_results": "Retain every answer by its supplied question ID, probability and legend; confidenceformulausingnrequiresn>1withoutassertinganAPIminchoicesrule.", "errors": [ { "code": null, "condition": "Érvénytelen kötelező mezők, az anyag érvénytelen reprezentációja vagy érvénytelen paraméterérték", "http_status": 400, "recovery": "Javítsa a jelzett mezőket egy új létrehozási kérés előtt.", "type": "invalid_request_error" } ], "hints": [], "ignored_fields": [], "lifecycle": { "mode": "exact retained published method" }, "material_combinations": [ { "mode": "noul", "required": [ "state", "questions..type=noul" ] }, { "mode": "choice", "required": [ "state", "questions..type=choice", "criteria object" ] }, { "mode": "score", "required": [ "state", "questions..type=score", "nonemptycriteriaarray" ] } ], "operation_modes": [ "noul", "choice", "score" ], "outputs": { "all_results": "Őrizzen meg minden választ a megadott kérdésazonosítóval, valószínűséggel és jelmagyarázattal együtt; az n értékét használó megbízhatósági képlethez n>1 szükséges, de ez nem állít az API számára minimális választási darabszámot.", "family": "structured", "fields": [ { "description": null, "name": "answers..type", "type": "string" }, { "description": null, "name": "answers..noul", "type": "number" }, { "description": null, "name": "answers..choice", "type": "string" }, { "description": null, "name": "answers..score", "type": "number" }, { "description": null, "name": "answers..confidence", "type": "number" }, { "description": null, "name": "answers..probabilities", "type": "object" }, { "description": null, "name": "answers..legend", "type": "object" }, { "description": null, "name": "usage", "type": "object" } ], "format": "json" }, "parameters": [ { "availability": "source_interface", "default": null, "default_known": false, "enum": [ "jev-latest" ], "enum_known": true, "name": "model", "required": true, "type": "string" }, { "availability": "source_interface", "default": null, "default_known": false, "enum": null, "enum_known": false, "name": "state", "required": true, "type": "string|object|array" }, { "availability": "source_interface", "default": null, "default_known": false, "enum": null, "enum_known": false, "min_properties": 1, "name": "questions", "required": true, "type": "object" }, { "availability": "source_interface", "default": null, "default_known": false, "enum": [ "noul", "choice", "score" ], "enum_known": true, "name": "questions..type", "required": true, "type": "string" }, { "availability": "source_interface", "default": null, "default_known": false, "enum": null, "enum_known": false, "name": "questions..instructions", "required": false, "type": "string|object|array|null" }, { "availability": "source_interface", "conditions": "noul: opcionális, null értéket elfogadó true/false leírások; choice: feltételobjektum; score: nem üres feltételtömb", "default": null, "default_known": false, "enum": null, "enum_known": false, "name": "questions..criteria", "required": false, "type": "object|array|null" }, { "availability": "source_interface", "default": null, "default_known": false, "enum": [ false, null ], "enum_known": true, "name": "stream", "required": false, "type": "boolean|null" } ], "profile_binding": "Exact existing Ailoot model and method; interface constraints below do not assert provider qualification.", "unsupported": [ "stream=true", "duplicateandcase-variedcanonicalkeys" ] }, "hints": [ "A metódusok szerkezete és azonosítói pontosak; a beszállítói képesség különbözik a kérelmek befogadásától." ], "input": { "content_type": "application/json", "material_types": [ "text" ], "optional_controls": null, "required": [ "model", "state", "questions" ] }, "lifecycle": { "mode": "exact retained published method" }, "method": { "http": "POST", "path": "/v1/systemone" }, "operation_modes": [ "systemone" ], "output": { "family": [ "structured" ], "format": "structured decisions JSON", "multioutputs": "retain every actual response output" } }, "ctx": 64000, "examples": [ { "code": "set -eu\n: \"${AILOOT_API_KEY:?Set your Ailoot API key}\"\n: \"${AILOOT_TEXT_FILE:?Set your actual UTF-8 customer message}\"\nexport AILOOT_TEXT_FILE\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{\"model\": \"jev-latest\", \"state\": \"\", \"questions\": {\"is_urgent\": {\"type\": \"noul\", \"instructions\": \"Does the supplied customer message express urgency?\"}}}')\nf=Path(os.environ[\"AILOOT_TEXT_FILE\"])\nif not f.is_file():raise SystemExit(\"Choose your actual UTF-8 source material\")\ntext=f.read_text(encoding=\"utf-8\")\nif not text.strip():raise SystemExit(\"Source material must contain text\")\np[\"state\"]=text\nPath(\"request.json\").write_text(json.dumps(p,ensure_ascii=False))\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/systemone \\\n -H \"Authorization: Bearer $AILOOT_API_KEY\" -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\nprint(json.dumps(json.loads(Path(\"result.json\").read_text()),ensure_ascii=False,indent=2))\nPY_RESULT\n", "label": "Classify your actual customer message", "language": "bash" } ], "family": "systemone", "fast_multiplier": null, "flex_multiplier": null, "fmt": "systemone", "http": "POST", "img_in": null, "img_out": null, "in": 0.084, "input": [ "text" ], "label": "System One", "max_out": 0, "max_tool_calls": null, "out": 0, "output": [ "structured" ], "path": "/v1/systemone", "pricing_profiles": [ { "dimensions": {}, "label": "Core", "units": [ { "amount": 0.084, "amount_unit": "usd_per_million_tokens", "key": "in", "label": "Input", "side": "in" }, { "amount": 0, "amount_unit": "usd_per_million_tokens", "key": "out", "label": "Output", "side": "out" } ] } ], "request_model_id": "jev-latest", "route_label": "Core", "status_reads": [], "tiers": [], "tool_prices": null, "unit": "token", "units": [] } ], "model_aliases": [ { "canonical_model_id": "jev-latest", "request_model_id": "jev-latest", "route_label": "Core" } ], "name": "jev-latest", "price": { "in": 0.084, "in_label": null, "out": 0, "out_label": null, "sort_in": 0.084, "sort_out": 0, "varies": false }, "short": "A TypeSafe döntési modellje: szöveg írása helyett szövegről vagy JSON-ról feltett, típusozott kérdésekre válaszol — választással, skálás értékeléssel vagy valószínűségi „igen/nem” válasszal. Útválasztásra, megkeresések rendezésére, moderálásra és pontozásra használható; egy kérés összes kérdését párhuzamosan értékeli." }, "renderer_schema": { "method_order": "Original DTO methods order; every exact route/format/path/caller survives.", "prices": "Original public DTO fields and original native display HTML; no flattened or normalized offers." }, "representation": "exact-public-dto-and-native-renderer-html", "representationNotes": { "current_reference": { "about_json_pointer": "/aboutHtml", "methods": [ { "contract_json_pointer": "/methods/0/rawMethod/contract", "html_json_pointer": "/methods/0/html", "method_ordinal": 0 } ], "role": "current-semantic-reference" }, "raw_input": { "examples_role": "historical-input-not-current-ready-examples", "json_pointers": [ "/rawModel", "/methods/0/rawMethod" ], "role": "historical-owner-input" }, "schema": "ailoot-native-model-representations-v1" }, "schema": "ailoot-static-model-facts-v1", "schema_version": 1, "shortText": "A TypeSafe döntési modellje: szöveg írása helyett szövegről vagy JSON-ról feltett, típusozott kérdésekre válaszol — választással, skálás értékeléssel vagy valószínűségi „igen/nem” válasszal. Útválasztásra, megkeresések rendezésére, moderálásra és pontozásra használható; egy kérés összes kérdését párhuzamosan értékeli.", "source": { "audit_sha256": "2e00086bcbfc28e64d0cebe97aa47c17d8d5618963027f8ffb9dc6123d7d25b1", "bridge_map_sha256": "1125275768b9636fc8461bc7da5061239a81ddfe508e2557843ca42c58ab0036", "raw_model_json_sha256": "76a8dac6d766db1afec0dcf546254ab0d38727038ec6c5c0f3621ef70197262d", "renderer_sha256": "59b0e30a0b251f9d98bf0bafcc7ef50440c33057c2bf9c9fadabbcaeefffb5bb" }, "sourceRevision": "9a223ebbed3b5e66523f1a60b560a1dbc3946b88b982628ac2bc80efbb99e69b" }