Guides du modèle Jev.
De votre première décision à un processus en production. Les guides renvoient aux sources primaires. Les traductions disponibles varient selon l’article.
Certains guides sont actuellement disponibles uniquement en anglais et en chinois.
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.
Comparaisons
Classification de texte zero-shot en 2026 : prompts LLM vs Hugging Face vs API typée
Comparez prompts LLM, zero-shot NLI Hugging Face et API Jev typée sur coût, stabilité et confiance. Traitez les tests tiers comme des pistes, puis mesurez vos labels.
Nœud Text Classifier n8n : intégré vs appeler Jev depuis un workflow
Comparez le nœud Text Classifier n8n et un appel HTTP à Jev pour labels typés, seuils de confiance et branches de revue humaine en triage support.
Classification d’intention pour texte produit et support : règles, LLM et API typées
Comparez règles, prompts LLM et API de décision typées pour l’intention produit/support : labels, régression, seuils et buying intent.
API d’analyse de sentiment en 2026 : API cloud vs prompts LLM vs modèle de décision typé
Comparez API cloud de sentiment, scoring par prompts LLM et Choice/Score typé Jev pour aspects custom et abstention—et l’usage dans des pipelines Python.
Classification d’e-mails par IA : règles, prompts LLM ou API de décision typée pour le courrier entrant
Router le courrier entrant vers support, ventes, facturation, fournisseurs ou files à faible valeur : nettoyer fils et signatures, comparer règles, prompts LLM et API typées, envoyer la bande moyenne aux humains.
Classification de texte Zapier : AI by Zapier Classify vs Vertex Classify Text vs HTTP → Jev
Comparez le modèle Classify d’AI by Zapier et Classify Text de Google Vertex AI avec un appel HTTP à JevModel pour des labels typés Choice/Score/Noul, seuils de confiance et branches de revue humaine.
Categorize Text sur Make.com : AI Toolkit vs HTTP → Jev pour labels typés et seuils
Comparez le module Categorize Text de Make AI Toolkit (catégories nom+description, explication optionnelle, une vs plusieurs) avec un appel HTTP à JevModel pour Choice/Score/Noul, seuils, Router et revue humaine.
Classification de texte Power Automate : modèles AI Builder vs HTTP → Jev
Comparez la classification par catégories personnalisée et prédéfinie d’AI Builder dans Power Automate avec un appel HTTP à JevModel pour des labels typés Choice/Score/Noul, seuils de confiance et branches de revue humaine.
Classification de texte Pipedream : action Hugging Face vs HTTP → Jev
Comparez l’action Hugging Face Text Classification de Pipedream (modelId, text, candidate_labels optionnel) avec un POST HTTP/axios awaité vers JevModel pour Choice/Score/Noul typés, branches et revue humaine.
Classification de texte dans Google Sheets : la fonction =AI() vs Apps Script → API Jev
Étiquetez des lignes avec la fonction AI de Google Sheets ou un appel Apps Script vers JevModel : labels Choice fixes avec probabilités, colonne de revue, quotas Apps Script, et quand un CSV dans Console → Batch est plus simple.
Flux
Classification et routage de tickets Zendesk AI : Intelligent Triage intégré vs classifieur custom
Décidez quand Intelligent Triage Zendesk (sujet, sentiment, langue) suffit, et quand webhooker un classifieur custom comme Jev pour vos labels, seuils et bascule humaine.
API de détection de spam pour formulaires et commentaires : Turnstile, Akismet ou une couche de décision Jev
Où placer un challenge (Cloudflare Turnstile), un service de réputation anti-spam (Akismet) et un contrôle typé Jev Choice/Noul face au spam de formulaires, commentaires et inscriptions, avec une file de quarantaine plutôt que des suppressions silencieuses.
Classification de messages Slack : router les messages de canal avec l’Events API et Jev
Classez les messages d’un canal Slack d’aide ou de feedback avec une petite app : recevez les événements message.channels, vérifiez la signature, accusez réception en moins de 3 secondes, puis demandez à Jev un Choice fixe et un Noul d’urgence pour réagir, répondre ou transférer. Avec relances, déduplication, confidentialité et quand un outil no-code suffit.
Étiqueter automatiquement les issues GitHub avec l’IA : un workflow GitHub Actions qui appelle Jev
Étiquetez les nouvelles issues GitHub en bug, enhancement, question ou documentation avec un workflow GitHub Actions qui envoie titre et corps à JevModel puis applique un label avec gh. Déclencheur issues, permissions, protection contre l’injection de script, liste autorisée, repli needs-triage et test préalable sur des issues fermées.
Classification de texte dans Airtable : étiqueter les enregistrements automatiquement avec une automatisation Run a script et Jev
Classez un champ de texte long dans Airtable sans quitter la base : déclenchez une automatisation quand un enregistrement remplit des conditions, appelez JevModel depuis une action Run a script avec fetch(), puis écrivez le label, sa probabilité et un indicateur à revoir dans l’enregistrement. Avec secrets, limites des scripts Airtable, rattrapage via CSV et Batch, tests, et quand un outil no-code convient mieux.
Classer les tickets Jira avec l’IA : étiqueter automatiquement les work items avec Jira Automation et Jev
Étiquetez automatiquement les nouveaux work items Jira : une règle d’automatisation Jira Cloud envoie le résumé et la description à JevModel via l’action Send web request, attend la réponse et ajoute un label de votre liste fixe, avec needs-triage en repli et un commentaire quand le texte signale un blocage. Avec l’encodage JSON par smart values, l’option de réponse souvent oubliée, la sensibilité des données, les tests sur des work items résolus et la comparaison avec l’action d’agent Rovo.
Classification des retours clients : un thème, une priorité, et pourquoi le sentiment ne suffit pas
Rangez commentaires NPS ouverts, avis et retours in-app en un thème plus une priorité de suivi. Comparez règles, prompts LLM et une requête Choice plus Score, et envoyez les retours mixtes aux humains.
Pour commencer
Développeurs
LLM-as-a-judge : prompts libres, notation par grille ou juge typé avec abstention
Utiliser un LLM comme juge des sorties d’IA : prompts libres vs grilles vs juges typés Score et oui/non, biais de position et de verbosité, calibration sur labels humains, et quand s’en passer.
Classification de texte multi-label : un Choice, plusieurs questions oui/non, ou une seconde passe
Quand un texte appartient à plusieurs classes, comparez un seul Choice, jusqu’à huit questions Noul, une seconde requête et une liste générative de labels. Le Choice de JevModel renvoie exactement un label.
Croissance
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.