Berikan konteksnya
Berikan teks yang relevan, data JSON, atau daftar item teks. Saat ini Jev menerima teks, bukan gambar, audio, atau video.
Jev adalah model System One pertama dari TypeSafe. Model ini mengembalikan keputusan bertipe dan probabilitas yang dapat digunakan perangkat lunak. Jelajahi kasus penggunaan dan pelajari cara memanggilnya dari kode Anda.
TypeSafe menyebut Jev sebagai model System One: ia mengembalikan pilihan dan probabilitas bertipe alih-alih menghasilkan teks terbuka. Bandingkan kesesuaian pendekatan tersebut dengan model generatif dan kode berbasis aturan.
| Aspek | Jev | LLM Generatif | Kode berbasis aturan |
|---|---|---|---|
| Keluaran | Pilihan bertipe, skor, dan probabilitas yang telah ditentukan sebelumnya | Teks, kode, atau keluaran terstruktur yang fleksibel | Nilai deterministik dari kondisi eksplisit |
| Kecepatan | Dioptimalkan untuk keputusan latensi rendah; TypeSafe melaporkan 70–500 ms dalam pengujiannya | Tergantung pada model, prompt, dan panjang keluaran | Biasanya sangat cepat untuk kondisi yang diketahui |
| Paling cocok | Keputusan berulang yang membutuhkan pemahaman masukannya | Menulis, penalaran kompleks, dan tugas terbuka | Kondisi jelas dengan definisi stabil |
| Batasan utama | Tidak dapat menghasilkan teks bentuk bebas; jawaban bertipe masih bisa salah | Keluaran yang fleksibel mungkin memerlukan penguraian dan validasi | Sulit untuk mencakup setiap kasus jika masukannya ambigu |
Angka kecepatan dilaporkan oleh TypeSafe untuk pengujian keputusan terstruktur tertentu. Ini bukan tolok ukur independen atau jaminan kecepatan universal. Baca metodenya
Gunakan Jev ketika jawabannya sudah diketahui tetapi masukannya masih memerlukan interpretasi. Gunakan model generatif untuk menghasilkan teks atau kode baru. Tulis kondisi eksplisit langsung dalam kode.
Jev mengevaluasi teks atau data terstruktur berdasarkan pertanyaan yang Anda tetapkan. Ini mengembalikan pilihan, skor, dan probabilitas yang dapat digunakan aplikasi Anda untuk memutuskan apa yang terjadi selanjutnya.
“Saya ditagih dua kali untuk langganan saya. Bisakah Anda membantu?”
Tim manakah yang harus menangani hal ini?
Contoh probabilitas 0.92
Berikan teks yang relevan, data JSON, atau daftar item teks. Saat ini Jev menerima teks, bukan gambar, audio, atau video.
Minta pilihan, skor, atau probabilitas ya/tidak. Jawaban yang tersedia ditentukan sebelum pemanggilan API.
Gunakan hasil dan ketidakpastiannya untuk mengarahkan, meninjau, atau bertindak. Tipe yang valid tidak menjamin penilaian yang benar.
Berdasarkan dokumentasi resmi TypeSafe
Jev dirancang untuk keputusan terfokus dan berulang dengan ruang jawaban yang telah ditentukan. Ini adalah titik awal, bukan janji kinerja; ujilah dengan data Anda sendiri.
Klasifikasikan pesan masuk, deteksi urgensi, dan arahkan kasus ke antrean yang tepat. Permintaan yang tidak pasti dapat diteruskan kepada manusia.
Nilai seberapa cocok item kandidat dengan konteks pengguna, lalu gabungkan skor itu dengan sinyal peringkat dan kebijakan Anda sendiri.
Pilih alat atau model untuk langkah berikutnya, periksa output, atau tentukan kapan tugas perlu dieskalasikan.
Evaluasi konten berdasarkan aturan tertentu dan kirimkan kasus dengan tingkat keyakinan rendah atau berisiko tinggi untuk ditinjau.
Berdasarkan Peta kasus penggunaan TypeSafe
Mulailah dari satu keputusan spesifik yang memang dibutuhkan aplikasi Anda. Tentukan kemungkinan jawaban, lalu tetapkan dalam kode cara menggunakan hasilnya.
Pilih satu pertanyaan terfokus, seperti mengarahkan tiket atau menilai relevansi item.
Tentukan masukan, pertanyaan, dan jawaban yang diizinkan sebelum memanggil API.
Gunakan probabilitas dan keyakinan untuk memilih tindakan, fallback, atau tinjauan manusia.
Contoh TypeScript sisi server ini mengirimkan pesan dukungan dan dua pertanyaan dengan format jawaban yang ditentukan ke Jev 1.13 melalui OpenRouter. Simpan kunci API di server Anda; aplikasi Anda memutuskan bagaimana menggunakan hasilnya.
const apiKey = process.env.OPENROUTER_API_KEY;
if (!apiKey) throw new Error("Set OPENROUTER_API_KEY");
const response = await fetch("https://openrouter.ai/api/alpha/decisions", {
method: "POST",
headers: {
Authorization: "Bearer " + apiKey,
"Content-Type": "application/json"
},
body: JSON.stringify({
model: "typesafe/jev-1.13",
state: "My card was charged twice. Please help ASAP.",
questions: {
department: {
type: "choice",
instructions: "Which team should handle this?",
criteria: {
billing: "Payments and refunds",
technical: "Bugs and integrations"
}
},
urgent: {
type: "noul",
instructions: "Does this message need urgent attention?"
}
}
})
});
if (!response.ok) throw new Error("Jev request failed: " + response.status);
const {answers} = await response.json();
if (answers.department.choice === "billing" && answers.urgent.noul > 0.8) {
// Route to the billing review queue.
}POST /api/alpha/decisionsstate + questionsanswerschoice menunjukkan tim yang dipilih. noul mengembalikan nilai 0 hingga 1 untuk pertanyaan ya/tidak. Kode Anda menggunakan keduanya bersama aturan routing Anda sendiri.
Sebelum digunakan di produksi, uji dengan tiket dukungan yang representatif, catat versi model, dan kirim kasus yang tidak pasti atau berdampak besar untuk ditinjau manusia. Nilai 0,8 hanya contoh.
Referensi API: OpenRouter · TypeSafe
Permintaan menentukan pertanyaan dan format jawaban. Respons mengembalikan satu hasil untuk setiap pertanyaan. Berikut bidang JSON yang digunakan dalam contoh.
modelstatequestionstypeinstructionscriteriaanswerschoiceprobabilitiesconfidencenoulJawaban dengan format yang benar masih bisa salah. Uji kasus yang representatif dan tetapkan ambang routing yang sesuai dengan alur kerja Anda.
Jelajahi poin-poin utama dari diskusi peluncuran, SDK resmi, dan video independen. Baca konteksnya di sini, lalu ikuti sumber aslinya untuk lebih detail.
TypeSafe membagikan kabar peluncuran dan konteks produk di X. Anggap postingan tersebut sebagai penjelasan dari tim, lalu periksa dokumentasi sebelum menjadikannya dasar implementasi.
Lihat sumber asliJavaScript resmi dan TypeScript SDK menunjukkan permukaan API, contoh, dan aktivitas rilis. Ini adalah tempat paling berguna untuk memeriksa bagaimana permintaan Jev direpresentasikan dalam kode.
Lihat sumber asliRangkaian peluncuran menanyakan kesesuaian model keputusan, cara mengevaluasinya, dan apa yang harus dilakukan jika jawaban yang meyakinkan salah. Ini adalah diskusi, bukan tes kinerja.
Lihat sumber asliPanduan independen oleh RepoChad mencakup skema keluaran, klaim kecepatan TypeSafe, contoh demo, dan pertanyaan terbuka. Video dimuat hanya jika Anda memilih untuk memutarnya.
Lihat sumber asliTypeSafe AI memperkenalkan Jev sebagai model System One pertamanya. Tujuannya adalah untuk membuat keputusan yang cepat dan terstruktur yang dapat digunakan dalam alur kerja perangkat lunak biasa.
Pendiri Diogo Almeida sebelumnya bekerja di OpenAI dan Google Brain. Menurut penjelasan TypeSafe, pekerjaannya pada instruction following dan RLHF ikut membentuk riset di balik ChatGPT.
Tidak. Jev dirancang untuk mengembalikan keputusan dan probabilitas bertipe, bukan balasan obrolan bentuk bebas atau kode yang dihasilkan.
Jev dapat membantu menilai atau menyusun ulang peringkat item berdasarkan relevansi semantik. Sistem rekomendasi lengkap tetap memerlukan pengambilan kandidat, aturan bisnis, evaluasi, dan logika peringkat Anda sendiri.
Tidak. Output bertipe hanya membatasi format. Opsi yang dipilih masih bisa salah, jadi uji dengan data yang representatif dan tangani ketidakpastian dalam kode.
Mulailah dari dokumentasi dan SDK resmi TypeSafe. Halaman model di OpenRouter juga menyediakan akses ke Jev melalui platform tersebut.
Tentukan pertanyaan dan kemungkinan jawabannya. Biarkan aplikasi Anda memutuskan apa yang harus dilakukan dengan hasilnya.