Guías del modelo Jev.
Desde tu primera decisión hasta un flujo de producción. Las guías enlazan a fuentes primarias. Las traducciones disponibles varían según el artículo.
Algunas guías solo están disponibles actualmente en inglés y chino.
Start here
How to use Jev: a step-by-step guide
Learn how to use the Jev model: try it in the playground, write Choice, Score and Noul questions, read probabilities, then call the Jev API and run batches.
Where is the Jev GitHub repository?
Find the Jev GitHub repositories that matter: TypeSafe’s agent skill and SDKs, JevModel example clients, and independent projects like Laya and OpenJev. See what each contains.
What is JevModel, and how is it related to Jev?
JevModel is an independent Jev playground and API that calls the real typesafe/jev-1.13 model. Learn what it adds, what it costs, how data is handled and when to use the official TypeSafe console instead.
What is the Jev model?
Understand TypeSafe AI’s Jev decision model, its Choice, Score and Noul outputs, and when to use it.
Your first Jev decision
Try a support-routing example, read its Choice probabilities, and find your next steps for the JevModel API.
JevModel pricing and free Jev runs
Understand the 10,000 signup tokens, Flow usage, input-token billing, packs and rollover plans. Choose a plan after measuring your own workload.
Developers
Jev prompt and question examples
Copy working Jev question examples for routing, lead scoring, escalation and moderation. Each example is valid JSON for the Jev playground and API.
How to classify text with the JevModel API
Classify text into your own labels with a Choice request. See the input, illustrative response, error handling and human-review path.
Jev probability, confidence and human-review thresholds
Understand Choice confidence, Noul probability and Score rubrics. Evaluate thresholds on labeled data before automating a decision.
Use Jev in Codex with the Official TypeSafe Skill
Install the official TypeSafe skill in Codex, configure TYPESAFE_API_KEY, and ask Jev to select a next action with a verified API call.
JevModel API: request and response
Use a JevModel API key to send typed Jev questions to /api/v1/systemone.
Choice, Score, and Noul
Pick the answer type that matches the decision your code will make.
Evaluate a Jev workflow
Test labels, uncertainty, and real outcomes before automation.
Batch text classification with the JevModel API
Classify CSV or JSONL rows with Jev Choice questions. Reuse the normal API, preserve row IDs and export results without inventing a batch endpoint.
Compare
JevModel vs the official Jev playground
Compare the TypeSafe console playground with JevModel, an independent Jev playground: model, account, free usage, API, batch, flows and billing.
What are the best Jev alternatives?
Looking for a Jev alternative? Compare Laya, OpenJev, Cloudflare Clef and Strands Decider with hosted Jev, and learn how to pick one by license, input types and operating cost.
Jev vs Laya: which should you use?
Jev vs Laya compared: hosted closed-weight Jev from TypeSafe AI against Laya, the Apache-2.0 decision model from Convai Innovations. Licensing, deployment, cost and how to test both.
Jev vs GPT and Claude: choosing a decision layer
Compare Jev typed probabilities with GPT and Claude structured outputs. Choose routing, generation or a hybrid workflow using your own test cases.
Jev or rules?
Decide when a model helps and when ordinary code is enough.
Is Jev open source?
Jev is a hosted model: TypeSafe AI does not publish Jev weights. See which Jev GitHub repos exist, what is official, and which open-source Jev alternatives you can self-host.
What is Laya?
An open decision model with a Jev-shaped task, from a different team.
Jev vs OpenJev
API familiarity is useful, but runtime and model behavior still differ.
Jev vs djev
Compare text decisions with a DiffusionGemma-based multimodal approach.
Jev vs Jev-Omni: text and multimodal decisions
Jev-Omni is an independent 12B model for text, image, audio, and video decisions. Compare its inputs and hardware needs with hosted Jev.
Comparativas
Clasificación de texto zero-shot en 2026: prompts LLM vs Hugging Face vs API tipada
Compara clasificación por prompts LLM, zero-shot NLI de Hugging Face y una API Jev tipada en coste, estabilidad y confianza. Usa pruebas de terceros como pistas y mide tus etiquetas.
Nodo Text Classifier de n8n: integrado vs llamar a Jev desde un flujo
Compara el nodo Text Classifier de n8n con una llamada HTTP a Jev para etiquetas tipadas, umbrales de confianza y ramas de revisión humana en triage de soporte.
Clasificación de intención en texto de producto y soporte: reglas, LLM y APIs tipadas
Compara reglas, prompts LLM y APIs de decisión tipadas para intención en producto/soporte: labels, regresión, umbrales y buying intent.
API de análisis de sentimiento en 2026: APIs cloud vs prompts LLM vs modelo de decisión tipado
Compara APIs cloud de sentimiento, scoring por prompts LLM y Choice/Score tipado de Jev para aspectos custom y abstención—y cuándo encaja en pipelines Python.
Clasificación de emails con IA: reglas, prompts LLM o una API de decisión tipada para el correo entrante
Enruta el email entrante a soporte, ventas, facturación, proveedores o colas de bajo valor: recorta hilos y firmas, compara reglas, prompts LLM y APIs tipadas, y envía la banda media a personas.
Clasificación de texto en Zapier: AI by Zapier Classify vs Vertex Classify Text vs HTTP → Jev
Compara la plantilla Classify de AI by Zapier y Classify Text de Google Vertex AI con una llamada HTTP a JevModel para labels tipados Choice/Score/Noul, umbrales de confianza y ramas de revisión humana.
Categorize Text en Make.com: AI Toolkit vs HTTP → Jev para labels tipados y umbrales
Compara el módulo Categorize Text de Make AI Toolkit (categorías nombre+descripción, explicación opcional, una vs varias) con una llamada HTTP a JevModel para Choice/Score/Noul, umbrales, Router y revisión humana.
Clasificación de texto en Power Automate: modelos AI Builder vs HTTP → Jev
Compara la clasificación por categorías personalizada y prediseñada de AI Builder en Power Automate con una llamada HTTP a JevModel para labels tipados Choice/Score/Noul, umbrales de confianza y ramas de revisión humana.
Clasificación de texto en Pipedream: acción Hugging Face vs HTTP → Jev
Compara la acción Hugging Face Text Classification de Pipedream (modelId, text, candidate_labels opcional) con un POST HTTP/axios awaited a JevModel para Choice/Score/Noul tipados, ramas y revisión humana.
Clasificación de texto en Google Sheets: la función =AI() vs Apps Script → API Jev
Etiqueta filas con la función AI de Google Sheets o con una llamada de Apps Script a JevModel: labels Choice fijos con probabilidades, columna de revisión, cuotas de Apps Script y cuándo es más simple subir un CSV a Console → Batch.
SemIf vs Jev: pruebas, calibración y despliegue
Compara SemIf y Jev con fuentes primarias: puntuación de opciones, límites de las pruebas, despliegue en CPU, GPU y Apple Silicon, calibración, recorrido de datos y coste total.
Flujos
Clasificación y enrutamiento de tickets Zendesk AI: Intelligent Triage integrado vs clasificador propio
Decide cuándo basta Intelligent Triage de Zendesk (tema, sentimiento, idioma) y cuándo conviene un webhook a un clasificador propio como Jev con tus etiquetas, umbrales y traspaso humano.
API de detección de spam para formularios y comentarios: Turnstile, Akismet o una capa de decisión Jev
Dónde encaja un desafío (Cloudflare Turnstile), un servicio de reputación antispam (Akismet) y una comprobación tipada Jev Choice/Noul frente al spam de formularios, comentarios y registros, con una cola de cuarentena en lugar de borrados silenciosos.
Clasificación de mensajes de Slack: enruta mensajes de canal con la Events API y Jev
Clasifica mensajes de un canal de ayuda o feedback de Slack con una app pequeña: recibe eventos message.channels, verifica la firma, responde en menos de 3 segundos y luego pide a Jev un Choice fijo y un Noul de urgencia para reaccionar, responder o reenviar. Incluye reintentos, deduplicación, privacidad y cuándo basta una herramienta no-code.
Etiquetar issues de GitHub con IA: un workflow de GitHub Actions que llama a Jev
Etiqueta issues nuevos de GitHub como bug, enhancement, question o documentation con un workflow de GitHub Actions que envía título y cuerpo a JevModel y aplica un label con gh. Cubre el trigger issues, permisos, seguridad frente a inyección de scripts, una lista permitida, un respaldo needs-triage y cómo probar antes con issues cerrados.
Clasificación de texto en Airtable: etiqueta registros automáticamente con una automatización Run a script y Jev
Clasifica un campo de texto largo en Airtable sin salir de la base: lanza una automatización cuando un registro cumple condiciones, llama a JevModel desde una acción Run a script con fetch() y escribe en el registro el label, su probabilidad y una marca de revisión. Incluye secretos, límites de scripts de Airtable, una vía de relleno con CSV y Batch, pruebas y cuándo conviene más una herramienta no-code.
Clasificación de issues de Jira con IA: etiqueta work items automáticamente con Jira Automation y Jev
Etiqueta automáticamente los nuevos work items de Jira: una regla de automatización de Jira Cloud envía el resumen y la descripción a JevModel con la acción Send web request, espera la respuesta y añade un label de tu lista fija, con needs-triage como respaldo y un comentario cuando el texto indica un bloqueo. Incluye codificación JSON con smart values, la opción de respuesta que muchos olvidan, sensibilidad de datos, pruebas con work items resueltos y la comparación con la acción de agente Rovo.
Clasificación de comentarios de clientes: un tema, una prioridad y por qué el sentimiento no basta
Ordena comentarios abiertos de NPS, reseñas y feedback in-app en un tema más una prioridad de seguimiento. Compara reglas, prompts LLM y una petición Choice más Score, y envía los comentarios mixtos a personas.
Empieza aquí
Desarrolladores
LLM-as-a-judge: prompts libres, puntuación con rúbrica o un juez tipado con abstención
Cómo usar un LLM como juez de salidas de IA: prompts libres vs rúbricas vs jueces tipados Score y sí/no, sesgo de posición y verbosidad, calibración con labels humanos y cuándo no usar un juez.
Clasificación de texto multietiqueta: un Choice, varias preguntas sí/no o una segunda pasada
Cuando un texto pertenece a varias clases, compara un solo Choice, hasta ocho preguntas Noul, una segunda petición y una lista generativa de labels. Choice de JevModel devuelve exactamente un label.
Crecimiento
Workflows
Where typed decisions help
Five starter workflows, from support routing to agent control.
Route customer support with Jev
Classify a message and decide when a person should take over.
Use Jev for review queues
Triage posts for review without treating a probability as a final verdict.
Score leads on a useful rubric
Make sales prioritization easier to test and revise.
AI Decision Flows with Jev and human review
Build a Jev decision flow for support routing, add an uncertain-answer branch and call the saved graph through the API. Learn limits and billing.