Skip to main content
La mayoría de los modelos de lenguaje están diseñados para generar texto. Cuando una aplicación necesita una decisión, esto suele implicar pedirle JSON a un modelo, validar la respuesta y extraer el valor que controla el siguiente paso. Jev es un modelo de decisión System One. En lugar de generar prosa, evalúa un state frente a preguntas con tipos de respuesta predefinidos y devuelve juicios listos para ser consumidos por máquinas.
Jev y la API de Decisiones están en beta. La disponibilidad y el comportamiento pueden cambiar sin previo aviso.

​
Un ticket de soporte se convierte en una decisión

Supón que llega este mensaje:
Mis pagos han fallado durante tres días y nadie ha respondido. Por favor, ayuden URGENTE.
Tu aplicación necesita saber a dónde enrutarlo, si es urgente y qué tan frustrado parece estar el cliente. Envía el mensaje una sola vez y haz las tres preguntas juntas:
cURL
Jev devuelve una respuesta bajo cada ID de pregunta:
Las probabilidades varían entre solicitudes. Evalúa Jev con ejemplos de tu propia aplicación antes de elegir umbrales para producción.

​
Elige la forma de la respuesta

Jev admite tres tipos de preguntas:

​
Noul: emite un juicio binario

Usa Noul cuando la probabilidad de sí sea directamente útil:
Noul no tiene un campo confidence separado. Un valor cercano a 1 es un sí fuerte, cercano a 0 es un no fuerte, y cercano a 0.5 es incierto.

​
Choice: enruta o clasifica

Usa Choice cuando la respuesta deba ser una entre un conjunto cerrado:
Incluye una opción other o none cuando las opciones proporcionadas puedan no cubrir todos los estados.

​
Score: mide un espectro

Usa Score cuando la respuesta se ubique en niveles ordenados:
Los índices de nivel comienzan en 0. La puntuación devuelta está ponderada por probabilidad, por lo que puede caer entre dos niveles.

​
Convierte la confianza en comportamiento de la aplicación

Las respuestas de Choice y Score incluyen tanto la distribución completa como un único valor de confidence derivado de ella. Esto permite que tu código trate la respuesta y la certeza como señales separadas:
Usa umbrales más altos para acciones que sean costosas, destructivas, financieras o difíciles de revertir. La confianza no garantiza la exactitud; ayuda a tu aplicación a decidir cuándo no actuar automáticamente.

​
Haz preguntas relacionadas en conjunto

Cada pregunta de una solicitud recibe el mismo state y se evalúa de forma independiente. Una respuesta de departamento no se convierte en contexto oculto para la pregunta sobre frustración. Agrupa preguntas independientes cuando:
  • Evalúan el mismo documento, registro, conversación o estado de la aplicación.
  • Tu código pueda necesitar varias respuestas dependiendo del primer resultado.
  • Quieras evitar enviar el mismo state en varias solicitudes.
Haz una segunda solicitud solo cuando su state u opciones disponibles dependan realmente de una respuesta anterior.

​
Usa un state estructurado

state puede ser una cadena, un objeto JSON o un arreglo. Un state estructurado permite que las preguntas hagan referencia a registros específicos y a contexto de apoyo:
Escribe instrucciones completas y nombra los campos relevantes, por ejemplo: “¿ticket.message solicita un reembolso cubierto por refund_policy?”

​
Descubre Jev y sus límites

Usa tu clave de API al listar los modelos de decisión, ya que la disponibilidad de modelos puede variar según la cuenta:
cURL
El modelo jev-latest admite actualmente:
  • Hasta 32.000 tokens para state más la pregunta individual más larga
  • Hasta 64.000 tokens para state más todas las preguntas combinadas
  • Entrada de texto o JSON estructurado
Considera la API de Modelos como fuente autoritativa, ya que los precios, límites y disponibilidad pueden cambiar.

​
Cuándo usar otro modelo

Usa Jev para juicios acotados sobre los que tu software pueda actuar directamente. Usa un modelo de chat o de razonamiento cuando necesites:
  • Prosa o explicaciones generadas
  • Conversación de varios turnos
  • Llamada de herramientas (tool calling)
  • Respuestas abiertas
  • Una larga cadena de razonamiento dependiente

​
Próximos pasos