Source: https://ailoot.ai/models/pl/jev-latest/ Canonical: https://ailoot.ai/models/pl/jev-latest/ Language: pl # jev-latest [Markdown](https://ailoot.ai/models/pl/jev-latest/index.md) · [JSON](https://ailoot.ai/models/pl/jev-latest/facts.json) ## [jev-latest](https://ailoot.ai/models/pl/jev-latest/) Model decyzyjny TypeSafe: nie pisze tekstu, lecz odpowiada na pytania o określonym typie dotyczące tekstu lub JSON — wybór wariantu, ocenę na skali albo „tak/nie” z prawdopodobieństwami. Nadaje się do routowania, sortowania zgłoszeń, moderacji i scoringu; wszystkie pytania jednego żądania są oceniane równolegle. - [**Ailoot · System One** `POST /v1/systemone` `jev-latest`](https://ailoot.ai/models/pl/jev-latest/#method-0) O modelu Ten opis przedstawia możliwości modelu. Dane wejściowe, wyniki i opcje dostępne w Ailoot podano poniżej dla wybranej metody. Jev to flagowy model TypeSafe i pierwszy model nowej klasy **System One**. Nie pisze tekstu, lecz szybko podejmuje decyzje, które program może od razu wykorzystać: przekazujesz **stan** (`state`) — tekst lub JSON — oraz zestaw **pytań**, a w odpowiedzi otrzymujesz wartości o określonych typach ze skalibrowanymi prawdopodobieństwami. Modele językowe piszą słowa dla ludzi, natomiast Jev według TypeSafe jest bliższy kodowi: odpowiedź od razu ma formę potrzebną w kodzie, szybkość jest wysoka i nie pojawia się żadna wartość spoza zadanych wariantów. Model zaprojektowano tak, aby udzielał stabilnych odpowiedzi przy powtarzanych żądaniach. #### Czym System One różni się od modelu językowego - **Nie generuje.** Jev nie pisze odpowiedzi dla użytkownika, nie pisze kodu i nie wyjaśnia przebiegu rozumowania. Możliwe odpowiedzi określasz sam — przez jeden z trzech typów pytań. - **Jest trenowany do skalibrowanych decyzji.** TypeSafe trenuje model metodą RLCD (Reinforcement Learning for Calibrated Decisions): prawdopodobieństwa są dopasowywane do rzeczywistych wyników i odzwierciedlają niepewność. Wśród wielu odpowiedzi z prawdopodobieństwem 0,8 około 80% powinno być poprawnych. Kalibracja jest właściwością dużej próby, a nie gwarancją poprawności pojedynczej odpowiedzi. - **Inny cel trenowania.** Modele czatu są uczone, aby podobać się ludziom (RLHF), co według obserwacji TypeSafe sprzyja nadmiernemu przypodobywaniu się i pewnie brzmiącym błędom. Jeden ze współautorów RLHF, Diogo Almeida, jest współzałożycielem TypeSafe. Nazwa nawiązuje do „Systemu 1” z książki Daniela Kahnemana „Pułapki myślenia. O myśleniu szybkim i wolnym”: szybkiego intuicyjnego osądu w przeciwieństwie do powolnego, przemyślanego myślenia „Systemu 2”. Jev został stworzony do szybkich, wąskich ocen. #### Trzy typy pytań Pytanie jest pojedynczym osądem stanu, a odpowiedź — wartością, którą kod porównuje z progiem, sortuje lub przekazuje dalej. 1. **Choice — wybór wariantu.** Dział obsługujący zgłoszenie, kategoria produktu, język fragmentu kodu. Warianty to słownik „wariant → opis”, do 255 pozycji. Odpowiedź zawiera wybrany `choice`, prawdopodobieństwa `probabilities` wszystkich wariantów (o sumie 1) i pewność `confidence`. Jeśli lista może nie obejmować wszystkich przypadków, dodaj „inne” lub „żadne z wymienionych”. 2. **Score — ocena na skali.** Miejsce na uporządkowanej skali opisanej przez użytkownika: istotność błędu, irytacja klienta, poziom umiejętności. Od 2 do 10 poziomów, od najniższego do najwyższego; każdy poziom model ocenia osobno, nie widząc jego numeru ani sąsiadów. Odpowiedź zawiera `score` (sumę numerów poziomów pomnożonych przez ich prawdopodobieństwa, więc wartość może znaleźć się między poziomami), `legend` z opisami poziomów, `probabilities` i `confidence`. 3. **Noul — tak lub nie.** Czy stwierdzenie jest prawdziwe. Odpowiedź `noul` jest prawdopodobieństwem „tak” od 0 do 1: blisko 1 — pewne „tak”, blisko 0 — pewne „nie”, blisko 0,5 — model się waha. Nie ma osobnego `confidence`: jedna liczba opisuje odpowiedź w całości. Opcjonalne `criteria` doprecyzowuje, co uznawać za „tak”, a co za „nie”. Jak wybierać: znane warianty bez kolejności — choice; stopnie spektrum — score; czyste „tak/nie”, gdy ważne jest samo prawdopodobieństwo — noul. Noul 0,5 oznacza równe szanse „tak” i „nie”, a nie „średni poziom”: stopień mierzy score. Z dwóch odpowiednich typów wybieraj ten, na podstawie którego kod od razu działa: choice — gałęzie, score — próg, noul — `if`. Typy można łączyć w jednym żądaniu. Odpowiedź zawsze jest ograniczona do twoich wariantów i nie zależy od innych pytań: pytania można dodawać i usuwać bez zmieniania pozostałych odpowiedzi. #### Stan Stan jest tym, co model ocenia: wiadomością klienta, fragmentem dokumentu, rekordem bazy lub stanem aplikacji. - **Ciąg tekstowy** — gdy tekst jest jeden: wiadomość, artykuł, fragment. - **Obiekt** — nazwane pola, powiązane rekordy, stan aplikacji. TypeSafe zaleca obiekt dla większości żądań: każda część ma zrozumiałą nazwę. - **Tablica** — sekwencja wiadomości lub rekordów. Przygotowuj go jak materiały dla ekspertów: korespondencję, zamówienie i reguły zwrotów umieszczaj razem, jeśli decyzja wymaga ich porównania. Treść trzymaj w stanie, a osądy — w pytaniach. Jeśli pytanie dotyczy jednej części stanu, wskaż w nim ścieżkę do niej w grawisach, na przykład `ticket.messages[0].text`. #### Jak formułować pytania - **Jeden szybki osąd na pytanie.** Dobre pytanie to takie, na które znająca temat osoba z potrzebnym kontekstem odpowie w sekundę: „Czy wiadomość wskazuje na pilność?”. „Przeanalizuj wiadomość i zdecyduj, co zrobić” wymaga już powolnego rozumowania; trzeba je podzielić na proste pytania. - **Całe pytanie w `instructions`.** Klucz pytania, na przykład `refund_requested`, służy tylko twojemu kodowi i nie jest przekazywany modelowi. - **Wszystkie pytania do jednego stanu w jednym żądaniu.** Model ocenia je równolegle: według TypeSafe dodatkowe pytania prawie nie wydłużają czasu odpowiedzi i kosztują tylko własne tokeny. Pytanie „na wszelki wypadek” kosztuje niemal nic — kod sam określi, które odpowiedzi są potrzebne. - **Złożony osąd po częściach.** Zamiast „oceń wniosek startupu” pytaj osobno o wielkość rynku, wykonalność techniczną i różnice względem konkurencji, a wynik oblicz w kodzie z wagami. Zmieniły się priorytety — zmieniasz wagi, zamiast przepisywać pytanie. - **Pytania zależne w drugim żądaniu.** Odpowiedzi jednego żądania nie stanowią wzajemnie swojego kontekstu. Drugie żądanie jest potrzebne tylko wtedy, gdy nie można go zbudować bez pierwszej odpowiedzi: trzeba pobrać dane lub wybrać warianty następnego pytania. - **Długie pytanie jako obiekt.** `instructions` i `criteria` zwykle są ciągami tekstowymi, lecz mogą też być obiektem lub tablicą: pytanie w jednym polu, dane w innych. Ułatwia to porównywanie CV z rekordami bazy za pomocą jednego pytania. #### Pewność W choice i score `confidence` od 0 do 1 pokazuje, jak bardzo prawdopodobieństwo koncentruje się na jednej odpowiedzi: 1 — całe na jednym wariancie, 0 — równo na wszystkich. W score sąsiedni poziom zmniejsza pewność mniej niż odległy. W noul pewnością jest sama wartość: im dalej od 0,5, tym mocniejsza odpowiedź. TypeSafe zaleca trzy zakresy: 1. **Wysoka pewność** — działaj automatycznie. 2. **Średnia** — działaj ostrożnie, na przykład poproś użytkownika o potwierdzenie. 3. **Niska** — przekaż przypadek człowiekowi, doprecyzuj żądanie lub połącz ścieżkę zapasową, na przykład silniejszy model z rozumowaniem. Im droższy błąd, tym bardziej rygorystyczny próg: dla działań nieodwracalnych wyższy niż dla odczytu. Odpowiedź wskazuje, co wybrać, a pewność — czy warto działać. Progi dobieraj na własnych danych, porównując pewność z dokładnością. #### Jak budować system wokół Jev Jev jest przeznaczony do programów, w których kod steruje procesem, a model odpowiada na wąskie pytania znaczeniowe; nie do agentów samodzielnie wybierających następny krok, które w każdej iteracji mogą zboczyć z drogi. Osiem kroków projektowania według TypeSafe: 1. Wszystko, co można wykonać kodem, wykonuj kodem — niezawodnie i tanio. 2. W stanie umieszczaj tylko to, czego wymagają obecne pytania; świeże fakty czerp z własnej bazy wiedzy, a nie pamięci modelu. 3. Struktura w stanie: zagnieżdżony JSON, a w pytaniu — ścieżka do potrzebnego pola w grawisach, jeśli zmniejsza to niejednoznaczność. 4. Najwęższe i najbardziej konkretne pytania — według TypeSafe być może najważniejsza reguła: szerokie pytanie ukrywa kilka osądów za jedną odpowiedzią. 5. Struktura w pytaniach: samo pytanie krótkie; wyjaśnienia, przykłady i wartości z własnej bazy w sąsiednich polach obiektu `instructions` lub `criteria`, zamiast jednego długiego ciągu tekstowego. 6. Wiele niezależnych pytań do jednego stanu w jednym żądaniu — więcej korzyści z każdego dolara. 7. Odpowiedzi łączy kod: regułami, sumą ważoną lub jako cechy klasycznego modelu uczenia maszynowego. 8. Rozgałęzianie według pewności: niepewne przypadki do człowieka lub modelu z rozumowaniem. Jev nie jest czatem ani modelem do automatycznego uzupełniania kodu i nie może zastąpić modelu językowego w agencie programistycznym. Agent może natomiast napisać dla ciebie kod wywołujący Jev tam, gdzie potrzebna jest szybka skalibrowana odpowiedź. #### Zastosowania - **Automatyzacja w tle** — decyzje wykonywane milion razy bez człowieka obok. - **Czas rzeczywisty** — według TypeSafe większość żądań jest wykonywana w około 100 ms: wystarcza to do przetwarzania na bieżąco i interfejsów. - **Duże dane** — wyszukiwanie w ogromnych korpusach, oznaczanie logów pracy agentów, cechy do prognoz. - **Sprawdzanie innych modeli** — żądania, wyodrębnienia, rozumowania, wywołania narzędzi: omijanie ograniczeń, błędy cytowania, zmyślone informacje. - **Wyszukiwanie i ranking** — istotność pary „zapytanie — kandydat”, ponowne szeregowanie, wybór kontekstu. - **Rozgałęzienie według intencji** — czego chce użytkownik i który komponent obsługi jest potrzebny: prosta logika, model specjalistyczny lub człowiek; temat, trudność i ryzyko określają, któremu modelowi językowemu przekazać żądanie. - **Kontrole ochronne** — wejście, wyjście i wywołania narzędzi modelu językowego: wstrzyknięte instrukcje, naruszenia reguł, wyciek danych osobowych. - **Wsparcie** — temat i intencja zgłoszenia, pilność, irytacja, ryzyko odejścia, prośba o zwrot, kolejka. - **Moderacja** — według reguł twojej platformy: toksyczność, nękanie, spam, oszustwa, niebezpieczne porady, dane osobowe; według istotności i pewności — przepuścić, ostrzec, sprawdzić lub zablokować. - **Branże** — zdarzenia ubezpieczeniowe, dochodzenia finansowe i KYC, umowy i reklama, karty produktów, rekrutacja, leady, gry, ryzyka, prognozowanie popytu, grafy wiedzy, przeglądy naukowe, znaczeniowe sprawdzenia kodu w CI. #### Charakterystyka - **`jev-latest`** — alias najnowszej stabilnej wersji, obecnie Jev 1.13; wersja odpowiadająca jest w polu `model`, na przykład `jev-1.13.0`. Przy nowej wersji alias przechodzi na nią, a odpowiedzi mogą się zmienić bez zmian po twojej stronie — śledź to pole, jeśli progi dobrano do wersji. - **Kontekst** — 64K tokenów na żądanie: stan i wszystkie pytania razem; stan z najdłuższym pytaniem — do 32K. Model czyta stan raz i sprawdza względem niego wszystkie pytania równolegle. - **Wejście** — wyłącznie tekst: ciąg tekstowy, obiekt JSON lub tablica tekstów. Obrazy, dźwięk i wideo nie są jeszcze obsługiwane — wcześniej przekształć je w tekst. - **Język** — głównym językiem trenowania jest angielski i obecnie dokładność w nim jest najwyższa. Model przyjmuje inne języki, w tym chiński, japoński i koreański, lecz dokładność jest niższa — sprawdź na własnych danych. - **Ceny i rozliczenia w Ailoot API** — warunki zależą od wybranej metody i są podane na jej karcie. - **Dostrajanie** — Jev nie jest dostrajany na danych klienta: własne materiały w `state`, reguły dziedziny w `instructions` i `criteria`. - **Dane** — TypeSafe informuje, że Jev nie jest trenowany na żądaniach i odpowiedziach klientów. #### Znane słabe strony Jev 1.13 TypeSafe otwarcie wymienia słabe strony obecnej wersji i obiecuje wiele poprawić w następnych. Model jest szybki, skalibrowany i dobrze ocenia zgodnie ze zdrowym rozsądkiem, lecz: 1. **Czyta dosłownie.** Odpowiada na napisane pytanie, a nie domyślne: zastrzeżenia, negacje i niejawne warunki rozumie dosłownie. Pisz dokładny warunek i przypadki graniczne w `criteria`; nieuniknioną interpretację rozdziel na dwa dosłowne pytania. 2. **Nie jest kalkulatorem.** Liczenie znaków, powtórzeń i elementów listy jest zawodne, a błąd rośnie wraz z rozmiarem — licz w kodzie, z pytaniem na kandydata. Kolory w hex lub RGB model rozumie gorzej od nazw. `score` nadaje się do progu, lecz nie do dokładnej liczby między poziomami. 3. **Daty i czas.** Która data jest wcześniejsza, ile jest między nimi, czy data należy do okresu — zawodne, zwłaszcza przy mieszanych formatach i datach względnych. Części daty wyodrębniaj przez choice (z wariantem „nie podano”), a porównuj w kodzie. 4. **Pośredniość.** Podwójne negacje i pytania o właściwość właściwości zmniejszają dokładność. Pisz wprost i nazywaj części stanu po imieniu. 5. **Nadmiar w stanie.** Zbędny tekst zmniejsza dokładność. Filtruj w kodzie, a jeśli nie można — odrzucaj nieistotne treści pytaniami noul. 6. **Wrogi tekst.** Model domyślnie nie spodziewa się podstępów w stanie: wstrzyknięta instrukcja lub tekst podważający własną klasyfikację może przesunąć odpowiedź. Pisz precyzyjne kryteria i sprawdzaj przypadki graniczne przed uruchomieniem. 7. **Sprzeczności.** Jeśli `instructions` i `criteria` żądają czegoś innego — na przykład dla noul „tak” opisano jako „nie” — dokładność spada. Kryteria są kontynuacją pytania. 8. **Kolejność wariantów.** Model czasem skłania się ku pierwszemu wariantowi choice. Przestaw warianty i sprawdź, czy odpowiedź się nie zmienia. 9. **Generowanie.** Jev nie był trenowany do pisania tekstu. Przy wyodrębnianiu danych znajdź kandydatów wyrażeniem regularnym lub modelem generatywnym, a Jev niech wybierze poprawnego przez choice. **Ailoot · System One** `POST /v1/systemone` `jev-latest` [`jev-latest`](https://ailoot.ai/models/pl/#m=jev-latest&route=Core&caller=jev-latest&fmt=systemone) TypeSafe /`jev-latest` ### Start Model decyzyjny TypeSafe: nie pisze tekstu, lecz odpowiada na pytania o określonym typie dotyczące tekstu lub JSON — wybór wariantu, ocenę na skali albo „tak/nie” z prawdopodobieństwami. Nadaje się do routowania, sortowania zgłoszeń, moderacji i scoringu; wszystkie pytania jednego żądania są oceniane równolegle. Akceptowane dane wejściowe Tekst Wyniki structured ### Dostępne w Ailoot · dane wejściowe i metody **Ailoot · System One** `POST /v1/systemone` Wejście `text` Wyjście `structured` Kontekst 64 000 tokens Format wyjściowy json | Pole | Typ | Wymaganie | Wartości i limity | Domyślnie | | --- | --- | --- | --- | --- | | Pole`model` | Typ`string` | WymaganieWymagane | Wartości i limity jev-latest | Domyślnie— | | Pole`state` | Typ`string\|object\|array` | WymaganieWymagane | Wartości i limity | Domyślnie— | | Pole`questions` | Typ`object` | WymaganieWymagane | Wartości i limity Minimalna liczba pól obiektu: 1 | Domyślnie— | | Pole`questions..type` | Typ`string` | WymaganieWymagane | Wartości i limity noul, choice, score | Domyślnie— | | Pole`questions..instructions` | Typ`string\|object\|array\|null` | WymaganieOpcjonalne | Wartości i limity | Domyślnie— | | Pole`questions..criteria` | Typ`object\|array\|null` | WymaganieOpcjonalne | Wartości i limity Warunki: noul: opcjonalne opisy true/false dopuszczające null; choice: obiekt kryteriów; score: niepusta tablica kryteriów | Domyślnie— | | Pole`stream` | Typ`boolean\|null` | WymaganieOpcjonalne | Wartości i limity false, null | Domyślnie— | Kombinacje materiałów wejściowych **noul** · Wymagane: state, questions.\.type=noul **choice** · Wymagane: state, questions.\.type=choice, criteria object **score** · Wymagane: state, questions.\.type=score, nonemptycriteriaarray Parametry i cykl życia metody | Parametr | Kontrakt | | --- | --- | | Parametr`material_types` | Kontrakttext | | Parametr`required` | Kontraktmodel, state, questions | | Parametr`optional_controls` | Kontraktnull | | Parametr`content_type` | Kontraktapplication/json | Cykl życia: `exact retained published method` Struktury metod i ID są dokładne; możliwości dostawcy są odrębne od dopuszczenia żądania. ### Cennik #### Stawki metod Ailoot Wejście ≈0,000084 USD */ 1K* Wyjście 0,00 USD */ 1K* Ailoot rezerwuje szacowaną kwotę przed żądaniem. Po otrzymaniu wyniku rozlicza ostateczną opłatę według zmierzonego użycia. Rozliczenie strumieniowania korzysta z końcowego rekordu użycia. [Jak działają rezerwacja i rozliczenie →](https://ailoot.ai/docs/pl/billing/reserve/) ### Przykładowe żądania #### Ailoot · System One Przykład klasyfikacji ```bash set -eu : "${AILOOT_API_KEY:?Set your Ailoot API key}" : "${AILOOT_TEXT_FILE:?Set your actual UTF-8 customer message}" export AILOOT_TEXT_FILE python3 - <<'PY_REQUEST' import json,os from pathlib import Path p=json.loads('{"model": "jev-latest", "state": "", "questions": {"is_urgent": {"type": "noul", "instructions": "Does the supplied customer message express urgency?"}}}') f=Path(os.environ["AILOOT_TEXT_FILE"]) if not f.is_file():raise SystemExit("Choose your actual UTF-8 source material") text=f.read_text(encoding="utf-8") if not text.strip():raise SystemExit("Source material must contain text") p["state"]=text Path("request.json").write_text(json.dumps(p,ensure_ascii=False)) PY_REQUEST curl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/systemone \ -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \ --data-binary @request.json -D response-headers.txt -o result.json python3 - <<'PY_RESULT' import json from pathlib import Path print(json.dumps(json.loads(Path("result.json").read_text()),ensure_ascii=False,indent=2)) PY_RESULT ``` ### Odbieranie i zapisywanie wyników #### Ailoot · System One json ##### Zachowaj wszystkie ukończone wyniki Zachowaj każdą kompletną zwróconą odpowiedź, plik i część treści. Zachowaj każdą odpowiedź według podanego identyfikatora pytania wraz z prawdopodobieństwem i legendą; wzór pewności wykorzystujący n wymaga n\>1, co nie oznacza minimalnej liczby wariantów choice wymaganej przez API. Pola odpowiedzi | Pole | Typ | | --- | --- | | Pole`answers..type` | Typstring | | Pole`answers..noul` | Typnumber | | Pole`answers..choice` | Typstring | | Pole`answers..score` | Typnumber | | Pole`answers..confidence` | Typnumber | | Pole`answers..probabilities` | Typobject | | Pole`answers..legend` | Typobject | | Pole`usage` | Typobject | Błędy i dalsze kroki | Odpowiedź | Warunek | Następny krok | | --- | --- | --- | | Odpowiedź400 · `invalid_request_error` | WarunekNieprawidłowe wymagane pola, sposób reprezentacji materiału lub wartość parametru | Następny krokPopraw wskazane pola przed nowym żądaniem utworzenia. | ### Aliasy #### Aliasy modelu **Ailoot** [`jev-latest`](https://ailoot.ai/models/pl/#m=jev-latest&route=Core&caller=jev-latest&fmt=systemone) #### Aliasy ścieżek metod Użyj ścieżek metod podanych powyżej. #### Powiązane ID modeli [`jev-latest`](https://ailoot.ai/models/pl/#m=jev-latest&route=Core&caller=jev-latest&fmt=systemone) FAQ · jev-latest Jakie dane wejściowe i wyniki są dostępne? `POST /v1/systemone` · `jev-latest`: `text` → `structured` Jakich pól używa żądanie? `POST /v1/systemone` · `jev-latest`: `model`, `state`, `questions`, `stream` Jakie limity obowiązują? `POST /v1/systemone` · `jev-latest`: `ctx`: `64000` Połącz Ailoot z Claude Code, OpenCode, Hermes albo własną aplikacją. ## Firma i jej portfel projektów Firma i jej portfel projektów: miliony klientów; miesięczna sprzedaż liczona w miliardach. ## Kupuj tokeny z rabatem. Rabat subskrypcji do regularnej pracy. Kody promocyjne — do 50% na tokeny. Subskrypcja Wybierz plan z rabatem do regularnych żądań. Kod promocyjny do 50% Wpisz kod przy zakupie. Cena zostanie przeliczona według aktualnej promocji. Koszty w historii Model, tokeny i kwota są zapisywane dla każdego żądania. [Wybierz subskrypcję](https://ailoot.ai/docs/pl/billing/subscriptions/) · [Sprawdź ceny modeli](https://ailoot.ai/models/pl/) ## Połącz API z produktem, który sprzedajesz. SaaS, aplikacje i boty na warunkach oferty i umowy licencyjnej Ailoot. Do odsprzedaży poproś o licencję resellerską. Aplikacja komercyjna Wbuduj generowanie tekstu, obrazów, wideo i dźwięku w płatne funkcje usługi. Licencja resellerska Prześlij opis projektu i schemat dostępu. Poproś o pisemne warunki używania i odsprzedaży. Dokumenty na stronie Oferta, umowa licencyjna i polityka przetwarzania danych są dostępne przed połączeniem. [Poproś o licencję resellerską](mailto:support@ailoot.ai) · [Oferta i umowa licencyjna](https://ailoot.ai/legal/offer?lang=pl) ## Ailoot · Firma i jej portfel projektów Ailoot opiera się na zgromadzonym doświadczeniu operacyjnym, szerokiej bazie klientów, stabilnej usłudze i stałej kontroli KPI. Firma i jej portfel projektów: miliony klientów; miesięczna sprzedaż liczona w miliardach. Ailoot wykorzystuje to doświadczenie operacyjne, zapewniając dostęp przez API do funkcji AI w produktach klientów, agentach, aplikacjach i automatyzacjach.