Jev API
Jev es la familia de modelos System One de TypeSafe AI para decisiones tipadas basadas en probabilidad: clasificación con Choice, evaluación mediante rúbrica con Score y juicios de sí/no con Noul. Compara Jev 1.13 y 1.14.0, incluyendo capacidades experimentales específicas de cada versión.
Jev 1.14.0 API
typesafe/jev-1.14.0
Jev 1.14.0 mejora las decisiones tipadas y el soporte multilingüe, añadiendo salidas Box experimentales junto con características opt-in de imágenes y contextos más largos. La disponibilidad en la plataforma y el soporte de funciones experimentales deben verificarse por separado.
Jev API Antecedentes
Resumen
Jev está diseñado para aplicaciones que necesitan una decisión sobre la cual puedan actuar directamente. Una solicitud proporciona un estado y un conjunto de preguntas tipadas; la respuesta contiene respuestas estructuradas en lugar de una explicación generada. El estado puede describir un mensaje de cliente, un documento, un producto, un incidente u otro registro de aplicación. La aplicación define los resultados disponibles y decide cómo los resultados afectan a su flujo de trabajo. Jev complementa a un modelo generativo de texto cuando un sistema necesita tanto respuestas escritas como decisiones explícitas.
Historia de Desarrollo
Esta página de la familia reúne las entradas jev-1.13 y jev-1.14.0 de la plataforma. TypeSafe lanzó Jev 1.14.0 el 14 de octubre de 2026, describiendo mejoras incrementales en todas las tareas y un enfoque particular en la calidad multilingüe. Su API original utiliza los identificadores de versión jev-1.13.0 y jev-1.14.0; los identificadores de modelos en esta plataforma siguen la tarjeta de versión seleccionada. Un lanzamiento anterior no implica que todos los proveedores ya lo expongan.
Innovaciones Clave
- Las primitivas de decisión tipadas permiten que el software consuma etiquetas seleccionadas, puntuaciones numéricas y probabilidades sin tener que extraerlas de la prosa.
- Las preguntas independientes pueden compartir un mismo estado. Las aplicaciones pueden recopilar varios juicios y combinarlos mediante una lógica de negocio explícita.
- Las entradas de imagen experimentales están disponibles en el origen para ambas versiones, mientras que el tipo de pregunta experimental Box es específico de Jev 1.14.0.
Jev API Especificaciones Técnicas
Arquitectura
TypeSafe denomina a Jev un modelo System One: un modelo construido en torno a juicios acotados proporcionados como preguntas tipadas. Cada pregunta se evalúa de manera independiente contra el mismo estado. Está destinado a decisiones bien acotadas; las tareas amplias que requieren múltiples pasos de razonamiento deben descomponerse en juicios separados y combinarse en el código de la aplicación. La documentación pública no proporciona aquí un recuento de parámetros, por lo que no se asume ninguno.
Capacidades
- Choice selecciona a partir de un conjunto de opciones con nombre definido por el desarrollador, devolviendo la opción seleccionada, la distribución de probabilidad y un valor de confianza. Se adapta a categorías sin un orden inherente, como departamentos de soporte o clases de productos.
- Score evalúa una rúbrica ordenada. Devuelve una puntuación numérica que puede situarse entre niveles de rúbrica, probabilidades sobre dichos niveles y la confianza. Escriba descripciones que distingan el significado de cada nivel.
- Noul evalúa una afirmación de sí/no y devuelve una probabilidad entre cero y uno. Utilícela para predicados individuales en lugar de tratar una probabilidad como un resultado booleano incondicional.
- La confianza de Choice y Score resume la concentración de la distribución de salida; es distinta de una garantía de corrección. Los umbrales y las políticas de escalado pertenecen a la aplicación.
- Los límites de contexto predeterminados en el origen son 64k tokens para toda la solicitud y 32k para el estado más cualquier pregunta individual. Las preguntas deben ajustarse a ambos límites. Estos son límites de referencia del origen; consulte la entrada de plataforma elegida para ver su configuración expuesta.
- El contexto largo experimental en el origen requiere TypeSafe-Danger-Zone-Long-Context: true y eleva ambos límites de contexto a 262k. La entrada de imagen requiere TypeSafe-Danger-Zone-Images: true. El paso de cabeceras y el soporte experimental deben verificarse con el proveedor real.
Limitaciones
- Jev no es una interfaz general de generación de prosa. Utilice un modelo generativo separado cuando el producto necesite una respuesta escrita, composición abierta o una explicación detallada.
- Las entradas de imagen, las salidas Box y el contexto extendido son características experimentales opcionales en el origen, no una garantía de preparación para producción ni de disponibilidad a través de esta plataforma.
- Un contexto más largo puede reducir la precisión y aumentar la latencia. Suministre evidencia relevante y evite que una sola pregunta contenga varios juicios no relacionados.
- No infiera soporte para audio o video a partir del soporte de imagen experimental. Convierta los medios no compatibles en texto apropiado o evidencia estructurada antes de la evaluación.
Jev API Rendimiento
Fortalezas
- Los tipos de salida explícitos se adaptan a los flujos de trabajo en los que el software debe ramificar, clasificar o enrutar utilizando el resultado.
- Choice puede comparar categorías conocidas; Score puede retener una evaluación ordenada en lugar de forzar cada juicio a una decisión binaria.
- El manejo consciente de la confianza puede distinguir las decisiones automáticas de los casos que necesitan evidencia adicional o revisión humana.
- El patrón de estado compartido y múltiples preguntas permite evaluar aspectos separados de un registro manteniendo la política final visible en el código.
Efectividad en el Mundo Real
Utilice un conjunto de evaluación representativo antes de adoptar una versión o cambiar un umbral. Incluya registros ambiguos, información faltante, categorías minoritarias y los idiomas utilizados por sus clientes. Mida la precisión de la tarea, las acciones automáticas erróneas, el volumen de revisión, la latencia y el costo bajo el proveedor real. El anuncio de lanzamiento de TypeSafe describe amplias mejoras en 1.14.0, pero no establece un porcentaje de mejora universal para cada carga de trabajo. Conserve una versión anterior fijada hasta que el reemplazo supere sus propios criterios de aceptación.
Jev API Cuándo Usar
Escenarios
- Tiempos de soporte: elija el equipo responsable de una lista fija y evalúe la urgencia por separado con una rúbrica ordenada.
- Clasificación de catálogos y documentos: asigne registros a etiquetas conocidas mientras preserva los casos inciertos para su revisión.
- Evaluación de contenido: evalúe condiciones de políticas individuales o dimensiones de calidad, y luego combínelas utilizando reglas de aplicación explícitas.
- Enrutamiento de agentes: elija entre herramientas o manejadores conocidos, con comprobaciones de permisos ordinarias aplicadas antes de que se ejecute una acción.
- Tuberías de recuperación: evalúe la relevancia de los candidatos o verifique una afirmación estrechamente formulada frente a la evidencia proporcionada.
Mejores Prácticas
- Escriba un juicio claramente delimitado por pregunta. Coloque la evidencia en el estado y defina opciones de Choice mutuamente distinguibles o niveles de Score descriptivos.
- Utilice la confianza y las probabilidades como entradas para una política de decisión probada. Incluya una ruta de revisión o abstención en los casos donde las decisiones inciertas no deban ejecutarse automáticamente.
- Fije una versión específica del modelo durante la evaluación y el despliegue. Vuelva a probar los umbrales al pasar de la versión 1.13 a la 1.14.0; no asuma distribuciones de salida idénticas.
- Verifique el estado en la plataforma y el precio de la versión seleccionada antes de la integración. Los precios y puntos de acceso oficiales del origen no sustituyen la documentación de API específica de la versión de esta plataforma.
- Mantenga los experimentos de imágenes y contexto extendido separados del flujo de trabajo de producción de texto inicial hasta que el proveedor elegido y sus evaluaciones los admitan.
- Documentación de referencia: https://docs.typesafe.ai/introduction ; https://docs.typesafe.ai/models ; https://docs.typesafe.ai/primitives/choice ; https://docs.typesafe.ai/primitives/score ; https://docs.typesafe.ai/confidence ; https://docs.typesafe.ai/images ; https://typesafe.ai/blog/jev-1-14 .