Jev 1.13

Jev 1.13 (typesafe/jev-1.13) — первая decision-модель TypeSafe (System One). Это не LLM: модель не генерирует текст, а отвечает на типизированные вопросы о переданном состоянии — с вероятностями, по которым код ветвится напрямую. Контекст 32 000 токенов.

Чем не является

Не чат: нет POST /v1/chat/completions — вызов через POST /v1/decisions.
Не генерирует текст и не объясняет решения — только вероятности. Нужна мотивировка — спросите чат-модель после решения.
Не праймери для «напиши письмо» — она для развилок в коде: маршрутизация, классификация, проверка действий.

Три примитива

Примитив	Вопрос	Ответ
`noul`	Выполняется ли условие?	Вероятность «да» 0…1
`choice`	Какой из вариантов?	Выбор + распределение + уверенность
`score`	Где на шкале?	Взвешенная позиция + вероятности уровней

Сколько угодно вопросов любого типа в одном запросе — по одному ответу на каждый.

Когда брать Jev вместо LLM

Паттерн «спросить у LLM узкий вопрос и распарсить метку из ответа» — анти-паттерн: медленно, дороже и нестабильно. Jev решает то же быстрее и предсказуемее:

Маршрутизация — какой команде/очереди тикет.
Гейтинг агентов — безопасен ли тул-колл: обратим? в рамках задачи? Выполнять / отказать / позвать человека по порогу noul.
Классификация и теги — категория + сколько угодно бинарных меток одним запросом.
Каскады — черновик дешёвой моделью → проверка Jev → эскалация на дорогую только при провале проверки.

curl https://api.mixen.ai/v1/decisions \
  -H "Authorization: Bearer $MIXEN_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "typesafe/jev-1.13",
    "state": "My checkout page shows a blank screen after I click Pay. Tried two browsers.",
    "questions": {
      "is_bug": {
        "type": "noul",
        "instructions": "Is the customer reporting a software defect?",
        "criteria": {
          "true": "Describes broken or unexpected product behavior.",
          "false": "Asks a question or requests a feature."
        }
      },
      "urgency": {
        "type": "score",
        "instructions": "How urgent is this ticket?",
        "criteria": ["Can wait", "This week", "Blocking revenue"]
      }
    }
  }'

import requests

r = requests.post(
    "https://api.mixen.ai/v1/decisions",
    headers={"Authorization": f"Bearer {KEY}"},
    json={
        "model": "typesafe/jev-1.13",
        "state": "Task: clean up accounts. Tool call: delete_rows(...)",
        "questions": {
            "safe_to_run": {
                "type": "noul",
                "instructions": "Is this action safe without human approval?",
                "criteria": {
                    "true": "Reversible, low-impact, within the task.",
                    "false": "Destructive, irreversible, or broader than the task."
                },
            }
        },
    },
)
noul = r.json()["answers"]["safe_to_run"]["noul"]
if noul < 0.8:
    escalate_to_human()

Ответ приходит по каждому вопросу:

{
  "answers": {
    "is_bug":  { "type": "noul", "noul": 0.96 },
    "urgency": { "type": "score", "score": 2, "probabilities": {"0": 0, "1": 0.01, "2": 0.99} }
  },
  "usage": { "cost": 0.00002, "input_tokens": 476 }
}

Как задавать вопросы

criteria — граница решения, не описание опции: пара «true/false» для noul, по предложению на вариант для choice, упорядоченные уровни для score. Чем конкретнее — тем стабильнее распределение.
state — не промпт, а контекст: текст тикета, JSON состояния, массив. Можно ссылаться на вложенные поля в instructions.
Пороги берите из probabilities/confidence, а не только из главного ответа: низкая уверенность — сигнал отдать случай человеку или переспросить. Прогоните десяток размеченных примеров и подберите порог под свою цену ошибки.

Цены

Платятся только входные токены (state + вопросы); выходные бесплатны. Типичный запрос — сотни токенов, доли копейки. Списание — по usage.cost из ответа.

Ограничения

Контекст 32K токенов.
Модель не меняет state и не вызывает инструменты — только отвечает на ваши вопросы.
Полная схема запроса/ответа — в гайде «Решения (Decisions)».