Source: https://ailoot.ai/models/ru/jev-latest/ Canonical: https://ailoot.ai/models/ru/jev-latest/ Language: ru # jev-latest [Markdown](https://ailoot.ai/models/ru/jev-latest/index.md) · [JSON](https://ailoot.ai/models/ru/jev-latest/facts.json) ## [jev-latest](https://ailoot.ai/models/ru/jev-latest/) Модель решений от TypeSafe: не пишет текст, а отвечает на типизированные вопросы о тексте или JSON — выбор варианта, оценка по шкале или «да/нет» с вероятностями. Подходит для маршрутизации, сортировки обращений, модерации и скоринга; все вопросы одного запроса оцениваются параллельно. - [**Ailoot · System One** `POST /v1/systemone` `jev-latest`](https://ailoot.ai/models/ru/jev-latest/#method-0) О модели Описание раскрывает возможности модели. Доступные в Ailoot входные данные, результаты и параметры выбранного метода перечислены ниже. Jev — флагманская модель TypeSafe и первая модель нового класса **System One**. Она не пишет текст, а быстро принимает решения, которые программа может сразу использовать: вы передаёте **состояние** (`state`) — текст или JSON — и набор **вопросов**, а в ответ получаете типизированные значения с откалиброванными вероятностями. Языковые модели пишут слова для людей, а Jev, по словам TypeSafe, ближе к коду: ответ сразу в нужной коду форме, высокая скорость и ни одного значения вне заданных вариантов. Модель задумана так, чтобы давать устойчивые ответы при повторных запросах. #### Чем System One отличается от языковой модели - **Не генерирует.** Jev не пишет ответы пользователю, не пишет код и не объясняет ход рассуждений. Возможные ответы задаёте вы — через один из трёх типов вопросов. - **Обучена на откалиброванные решения.** TypeSafe обучает модель методом RLCD (Reinforcement Learning for Calibrated Decisions): вероятности подгоняются под реальные исходы и отражают неуверенность. Среди многих ответов с вероятностью 0,8 верными должны оказаться примерно 80%. Калибровка — свойство большой выборки, а не гарантия правильности отдельного ответа. - **Другая цель обучения.** Чат-модели учат нравиться людям (RLHF), и, по наблюдению TypeSafe, это поощряет угодливость и уверенно звучащие ошибки. Один из соавторов RLHF, Диогу Алмейда, — сооснователь TypeSafe. Название отсылает к «Системе 1» из книги Даниэля Канемана «Думай медленно… решай быстро»: быстрое интуитивное суждение против медленного обдуманного мышления «Системы 2». Jev создана для быстрых узких суждений. #### Три типа вопросов Вопрос — одно суждение о состоянии, ответ — значение, которое код сравнивает с порогом, сортирует или передаёт дальше. 1. **Choice — выбор варианта.** Отдел для обращения, категория товара, язык фрагмента кода. Варианты — словарь «вариант → описание», до 255 штук. В ответе — выбранный `choice`, вероятности `probabilities` по всем вариантам (в сумме 1) и уверенность `confidence`. Если список может не покрыть все случаи, добавьте «другое» или «ничего из перечисленного». 2. **Score — оценка по шкале.** Место на упорядоченной шкале, которую описываете вы: серьёзность ошибки, раздражение клиента, уровень навыка. От 2 до 10 уровней, от низшего к высшему; каждый уровень модель оценивает отдельно, не видя его номера и соседей. В ответе — `score` (сумма номеров уровней, умноженных на их вероятности, поэтому значение может лечь между уровнями), `legend` с описаниями уровней, `probabilities` и `confidence`. 3. **Noul — да или нет.** Верно ли утверждение. Ответ `noul` — вероятность «да» от 0 до 1: около 1 — уверенное «да», около 0 — уверенное «нет», около 0,5 — модель колеблется. Отдельного `confidence` нет: одно число описывает ответ полностью. Необязательный `criteria` уточняет, что считать «да» и что — «нет». Как выбрать: известные варианты без порядка — choice; ступени спектра — score; чистое «да/нет», где важна сама вероятность, — noul. Noul 0,5 — равные шансы «да» и «нет», а не «средний уровень»: степень измеряет score. Из двух подходящих типов берите тот, по которому код действует сразу: choice — ветки, score — порог, noul — `if`. Типы можно смешивать в одном запросе. Ответ всегда ограничен вашими вариантами и не зависит от других вопросов: вопросы можно добавлять и убирать, не меняя остальных ответов. #### Состояние Состояние — то, что модель оценивает: сообщение клиента, фрагмент документа, запись из базы или состояние вашего приложения. - **Строка** — когда текст один: сообщение, статья, отрывок. - **Объект** — именованные поля, связанные записи, состояние приложения. TypeSafe советует объект для большинства запросов: у каждой части есть понятное имя. - **Массив** — последовательность сообщений или записей. Готовьте его как материалы для экспертов: переписку, заказ и правила возврата кладите вместе, если решение требует их сравнить. Содержание держите в состоянии, суждения — в вопросах. Если вопрос касается одной части состояния, назовите в нём путь к ней в обратных кавычках, например `ticket.messages[0].text`. #### Как задавать вопросы - **Одно быстрое суждение на вопрос.** Хороший вопрос — тот, на который знающий человек с нужным контекстом ответит за секунду: «Есть ли в сообщении срочность?». «Проанализируй сообщение и реши, что делать» — уже медленное рассуждение, его надо разбить на простые вопросы. - **Вопрос целиком — в `instructions`.** Ключ вопроса, например `refund_requested`, нужен только вашему коду и модели не передаётся. - **Все вопросы к одному состоянию — одним запросом.** Модель оценивает их параллельно: по данным TypeSafe, лишние вопросы почти не увеличивают время ответа и стоят только своих токенов. Вопрос «на всякий случай» обходится почти даром — код сам решит, какие ответы нужны. - **Сложное суждение — по частям.** Вместо «оцени заявку стартапа» спросите отдельно о размере рынка, технической реализуемости и отличиях от конкурентов, а итог посчитайте в коде с весами. Поменялись приоритеты — меняете веса, а не переписываете вопрос. - **Зависимые вопросы — вторым запросом.** Ответы одного запроса не служат контекстом друг другу. Второй запрос нужен, только если без первого ответа его не собрать: надо подгрузить данные или выбрать варианты следующего вопроса. - **Длинный вопрос — объектом.** `instructions` и `criteria` обычно строки, но бывают объектом или массивом: вопрос в одном поле, данные — в других. Так удобно сверять резюме с записями базы одним вопросом. #### Уверенность У choice и score `confidence` от 0 до 1 показывает, насколько вероятность сосредоточена на одном ответе: 1 — вся на одном варианте, 0 — поровну на всех. У score соседний уровень снижает уверенность меньше далёкого. У noul уверенность — само значение: чем дальше от 0,5, тем твёрже ответ. TypeSafe советует три диапазона: 1. **Высокая уверенность** — действуйте автоматически. 2. **Средняя** — действуйте осторожно, например попросите пользователя подтвердить. 3. **Низкая** — отдайте случай человеку, уточните запрос или подключите запасной путь, например более мощную модель с рассуждением. Чем дороже ошибка, тем строже порог: для необратимых действий — выше, чем для чтения. Ответ говорит, что выбрать, а уверенность — стоит ли действовать. Пороги подбирайте на своих данных, сравнивая уверенность с точностью. #### Как строить систему вокруг Jev Jev рассчитана не на агентов, которые сами выбирают следующий шаг и на каждом круге могут сбиться, а на программы, где процессом управляет код, а модель отвечает на узкие смысловые вопросы. Восемь шагов проектирования по TypeSafe: 1. Всё, что можно сделать кодом, делайте кодом — надёжно и дёшево. 2. В состояние — только то, что нужно текущим вопросам; свежие факты — из своей базы знаний, а не из памяти модели. 3. Структура в состоянии: вложенный JSON, а в вопросе — путь к нужному полю в обратных кавычках, если так меньше двусмысленности. 4. Самые узкие и конкретные вопросы — по словам TypeSafe, пожалуй, главное правило: широкий вопрос прячет несколько суждений за одним ответом. 5. Структура в вопросах: сам вопрос короткий; пояснения, примеры и значения из вашей базы — в соседних полях объекта `instructions` или `criteria`, а не в одной длинной строке. 6. Много независимых вопросов к одному состоянию в одном запросе — больше пользы на каждый доллар. 7. Ответы объединяет код: правилами, взвешенной суммой или как признаки для классической модели машинного обучения. 8. Ветвление по уверенности: неуверенные случаи — человеку или модели с рассуждением. Jev — не чат и не модель для автодополнения кода, и в агент для программирования её вместо языковой модели не подставить. Зато агент может написать для вас код, который вызывает Jev там, где нужен быстрый откалиброванный ответ. #### Где применяют - **Фоновая автоматизация** — решения, которые запускают миллион раз без человека рядом. - **Реальное время** — по данным TypeSafe, большинство запросов выполняется примерно за 100 мс: хватает для обработки на лету и интерфейсов. - **Большие данные** — поиск по огромным корпусам, разметка журналов работы агентов, признаки для прогнозов. - **Проверка других моделей** — запросы, извлечения, рассуждения, вызовы инструментов: обход ограничений, ошибки цитирования, выдумки. - **Поиск и ранжирование** — релевантность пары «запрос — кандидат», переранжирование, отбор контекста. - **Развилка по намерению** — чего хочет пользователь и какой обработчик нужен: простая логика, профильная модель или человек; тема, сложность и риск решают, какой языковой модели отдать запрос. - **Защитные проверки** — вход, выход и вызовы инструментов языковой модели: внедрённые инструкции, нарушения правил, утечка личных данных. - **Поддержка** — тема и намерение обращения, срочность, раздражение, риск ухода, просьба о возврате, очередь. - **Модерация** — по правилам вашей площадки: токсичность, травля, спам, мошенничество, опасные советы, личные данные; по серьёзности и уверенности — пропустить, предупредить, проверить или заблокировать. - **Отрасли** — страховые случаи, финансовые расследования и KYC, договоры и реклама, карточки товаров, подбор персонала, лиды, игры, риски, прогноз спроса, графы знаний, научные обзоры, смысловые проверки кода в CI. #### Характеристики - **`jev-latest`** — псевдоним последней стабильной версии, сейчас Jev 1.13; ответившая версия — в поле `model`, например `jev-1.13.0`. С новой версией псевдоним переходит на неё, и ответы могут измениться без правок с вашей стороны — следите за этим полем, если пороги подобраны под версию. - **Контекст** — 64K токенов на запрос: состояние и все вопросы вместе; состояние с самым длинным вопросом — до 32K. Состояние модель читает один раз и проверяет против него все вопросы параллельно. - **Вход** — только текст: строка, объект JSON или массив текстов. Картинки, аудио и видео пока не поддерживаются — переведите их в текст заранее. - **Язык** — основной язык обучения английский, на нём точность сейчас выше всего. Другие языки, в том числе китайский, японский и корейский, модель принимает, но точность ниже — проверьте на своих данных. - **Цены и расчёт в Ailoot API** — условия зависят от выбранного метода и указаны в его карточке. - **Настройка** — Jev не дообучают на данных заказчика: свои материалы — в `state`, правила предметной области — в `instructions` и `criteria`. - **Данные** — TypeSafe сообщает, что Jev не обучают на запросах и ответах клиентов. #### Известные слабые места Jev 1.13 TypeSafe открыто перечисляет слабые места текущей версии и обещает многое исправить в следующих. Модель быстрая, откалиброванная и хорошо судит со здравым смыслом, но: 1. **Читает буквально.** Отвечает на написанный вопрос, а не на подразумеваемый: оговорки, отрицания и неявные условия понимает дословно. Пишите точное условие и граничные случаи в `criteria`; неизбежную трактовку разбейте на два буквальных вопроса. 2. **Не калькулятор.** Подсчёт символов, повторов и элементов списка ненадёжен, ошибка растёт с размером — считайте в коде, по вопросу на кандидата. Цвета в hex или RGB модель понимает хуже названий. `score` годится для порога, но не для точного числа между уровнями. 3. **Даты и время.** Какая дата раньше, сколько между ними, попадает ли дата в период — ненадёжно, особенно при смешанных форматах и относительных датах. Части даты извлекайте через choice (с вариантом «не указано»), сравнивайте в коде. 4. **Косвенность.** Двойные отрицания и вопросы о свойстве свойства снижают точность. Пишите прямо, называйте части состояния по имени. 5. **Лишнее в состоянии.** Посторонний текст снижает точность. Фильтруйте в коде, а если нельзя — отсейте нерелевантное вопросами noul. 6. **Враждебный текст.** Подвохов в состоянии модель по умолчанию не ждёт: внедрённая инструкция или текст, который спорит о собственной классификации, может сдвинуть ответ. Пишите точные критерии и проверяйте пограничные случаи до запуска. 7. **Противоречия.** Если `instructions` и `criteria` просят разного — например, у noul «да» описано как «нет», — точность падает. Критерии — продолжение вопроса. 8. **Порядок вариантов.** Иногда модель тяготеет к первому варианту choice. Переставьте варианты и проверьте, что ответ не меняется. 9. **Генерация.** Jev не обучена писать текст. Для извлечения данных найдите кандидатов регулярным выражением или генеративной моделью, а Jev пусть выберет верный через choice. **Ailoot · System One** `POST /v1/systemone` `jev-latest` [`jev-latest`](https://ailoot.ai/models/ru/#m=jev-latest&route=Core&caller=jev-latest&fmt=systemone) TypeSafe /`jev-latest` ### Начало Модель решений от TypeSafe: не пишет текст, а отвечает на типизированные вопросы о тексте или JSON — выбор варианта, оценка по шкале или «да/нет» с вероятностями. Подходит для маршрутизации, сортировки обращений, модерации и скоринга; все вопросы одного запроса оцениваются параллельно. Допустимые входные данные Текст Результаты structured ### Доступно в Ailoot · входные данные и методы **Ailoot · System One** `POST /v1/systemone` Входные данные `text` Результат `structured` Контекст 64 000 tokens Выходной формат json | Поле | Тип | Требование | Значения и ограничения | По умолчанию | | --- | --- | --- | --- | --- | | Поле`model` | Тип`string` | ТребованиеОбязательно | Значения и ограничения jev-latest | По умолчанию— | | Поле`state` | Тип`string\|object\|array` | ТребованиеОбязательно | Значения и ограничения | По умолчанию— | | Поле`questions` | Тип`object` | ТребованиеОбязательно | Значения и ограничения Минимум полей объекта: 1 | По умолчанию— | | Поле`questions..type` | Тип`string` | ТребованиеОбязательно | Значения и ограничения noul, choice, score | По умолчанию— | | Поле`questions..instructions` | Тип`string\|object\|array\|null` | ТребованиеНеобязательно | Значения и ограничения | По умолчанию— | | Поле`questions..criteria` | Тип`object\|array\|null` | ТребованиеНеобязательно | Значения и ограничения Условия: noul: необязательные описания true/false с допустимым null; choice: объект критериев; score: непустой массив критериев | По умолчанию— | | Поле`stream` | Тип`boolean\|null` | ТребованиеНеобязательно | Значения и ограничения false, null | По умолчанию— | Сочетания входных материалов **noul** · Обязательно: state, questions.\.type=noul **choice** · Обязательно: state, questions.\.type=choice, criteria object **score** · Обязательно: state, questions.\.type=score, nonemptycriteriaarray Параметры и жизненный цикл метода | Параметр | Контракт | | --- | --- | | Параметр`material_types` | Контрактtext | | Параметр`required` | Контрактmodel, state, questions | | Параметр`optional_controls` | Контрактnull | | Параметр`content_type` | Контрактapplication/json | Жизненный цикл: `exact retained published method` Структуры методов и ID указаны точно; возможности поставщика рассматриваются отдельно от допуска. ### Тарифы #### Ставки методов Ailoot Вход ≈0,000084 $ */ 1K* Выход 0,00 $ */ 1K* Ailoot резервирует расчётную сумму перед запросом. После получения результата списывает итоговую плату по измеренному расходу. Для окончательного списания за потоковый ответ используется итоговая запись расхода. [Как работают резервирование и расчёт →](https://ailoot.ai/docs/ru/billing/reserve/) ### Примеры запросов #### Ailoot · System One Пример классификации ```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 ``` ### Получить и сохранить результаты #### Ailoot · System One json ##### Сохраняйте все готовые результаты Сохраняйте каждый полностью полученный ответ, файл и элемент содержимого. Сохраняйте каждый ответ вместе с переданным ID вопроса, вероятностью и легендой; формула уверенности с n требует n\>1, но это не означает, что API задаёт минимальное количество вариантов. Поля ответа | Поле | Тип | | --- | --- | | Поле`answers..type` | Типstring | | Поле`answers..noul` | Типnumber | | Поле`answers..choice` | Типstring | | Поле`answers..score` | Типnumber | | Поле`answers..confidence` | Типnumber | | Поле`answers..probabilities` | Типobject | | Поле`answers..legend` | Типobject | | Поле`usage` | Типobject | Ошибки и дальнейшие шаги | Ответ | Условие | Следующий шаг | | --- | --- | --- | | Ответ400 · `invalid_request_error` | УсловиеНеверные обязательные поля, представление материалов или значение параметра | Следующий шагИсправьте указанные поля перед новым запросом на создание. | ### Псевдонимы #### Псевдонимы моделей **Ailoot** [`jev-latest`](https://ailoot.ai/models/ru/#m=jev-latest&route=Core&caller=jev-latest&fmt=systemone) #### Псевдонимы путей метода Используйте пути методов, указанные выше. #### Связанные ID для вызова [`jev-latest`](https://ailoot.ai/models/ru/#m=jev-latest&route=Core&caller=jev-latest&fmt=systemone) FAQ · jev-latest Какие входные данные и результаты доступны? `POST /v1/systemone` · `jev-latest`: `text` → `structured` Какие поля использует запрос? `POST /v1/systemone` · `jev-latest`: `model`, `state`, `questions`, `stream` Какие ограничения действуют? `POST /v1/systemone` · `jev-latest`: `ctx`: `64000` Подключите Ailoot к Claude Code, OpenCode, Hermes или своему приложению. ## Компания и портфель её проектов Компания и портфель её проектов: миллионы клиентов; продажи на миллиарды ежемесячно. ## Покупайте токены со скидкой. Скидка по подписке для регулярной работы. Промокоды — до 50% на покупку токенов. Подписка Выберите тариф со скидкой для своих регулярных запросов. Промокод до 50% Введите код при покупке. Цена пересчитается с учётом действующей акции. Расходы в истории Модель, токены и сумма сохраняются для каждого запроса. [Выбрать подписку](https://ailoot.ai/docs/ru/billing/subscriptions/) · [Посмотреть цены моделей](https://ailoot.ai/models/ru/) ## Подключайте API к продукту, который вы продаёте. SaaS, приложения и боты — по оферте и лицензионному договору Ailoot. Для перепродажи запросите реселлерскую лицензию. Коммерческое приложение Встраивайте генерацию текста, картинок, видео и звука в платные функции своего сервиса. Лицензия для реселлера Пришлите описание проекта и схему доступа. Запросите письменные условия использования и перепродажи. Документы на сайте Оферта, лицензионный договор и политика обработки данных доступны до подключения. [Запросить реселлерскую лицензию](mailto:support@ailoot.ai) · [Оферта и лицензионный договор](https://ailoot.ai/legal/offer?lang=ru) ## Ailoot · Компания и портфель её проектов Ailoot опирается на накопленный опыт работы, большую клиентскую базу, стабильный сервис и постоянный контроль KPI. Компания и портфель её проектов: миллионы клиентов; продажи на миллиарды ежемесячно. Этот опыт Ailoot использует для API-доступа к нейросетям в продуктах клиентов, агентах, приложениях и автоматизациях.