====== Jev ======

//Vytvořeno: **21.9.2026** | Aktualizováno: **~~LASTMOD~~**//

[[https://docs.typesafe.ai/introduction|Jev]] je model TypeSafe System One pro rychlá strukturovaná rozhodnutí, která může software přímo zpracovat. Není to textový generativní LLM: vyhodnocuje zadaný stav a typované otázky a vrací uzavřené odpovědi místo volně generovaného textu.

===== Princip =====

Jev dostane v jednom requestu ''state'' a sadu ''questions''. Každou otázku vyhodnocuje nezávisle nad stejným stavem; odpovědi lze následně kombinovat v aplikační logice.

K dispozici jsou tři typy otázek:

  * **Choice** vybírá jednu možnost z předem dané množiny a vrací vybranou volbu, pravděpodobnosti i confidence.
  * **Score** hodnotí stav podle zadané škály a vrací skóre, pravděpodobnosti i confidence.
  * **Noul** vyjadřuje, do jaké míry platí zadané tvrzení, hodnotou v rozsahu 0 až 1.

Tento formát přináší uzavřený výstup bez následného parsování textu. Pravděpodobnosti a confidence umožňují implementovat prahy, fallback nebo předání nejistého případu k dalšímu zpracování.

===== Omezení modelu =====

Podle [[https://docs.typesafe.ai/models|dokumentace modelů]] má Jev na request kontextové okno 64 tisíc tokenů. Limit pro kombinaci ''state'' a nejdelší jednotlivé otázky je 32 tisíc tokenů. Vstup je pouze textový; obraz, zvuk a video je nutné předem převést na text nebo strukturovaná textová pole.

Angličtina je primární tréninkový jazyk a přesnost je v ní nejlepší. Pro jiný jazyk je potřeba model ověřit na vlastních datech a pracovat s confidence.

[[https://docs.typesafe.ai/model-jaggedness/jev-1.13|Známé limity Jev 1.13]] uvádějí, že přesnost klesá, když ''state'' obsahuje mnoho informací irelevantních pro dané rozhodnutí. Stav je proto vhodné předem filtrovat a posílat jen data potřebná pro konkrétní otázku.

Jev není vhodný pro vícekrokové reasoning, úlohy s více vrstvami nepřímých závěrů ani generování textu. Takové úlohy je vhodné rozdělit na atomická rozhodnutí řízená kódem, případně pro generování použít běžný LLM.

===== Kdy jej použít =====

Jev dává smysl tam, kde aplikace potřebuje rychlé rozhodnutí nad známým stavem a uzavřenou množinou možností. Přínosem je strukturovaný výstup s pravděpodobnostmi a confidence, se kterým lze přímo pracovat v programu.

Běžný generativní LLM je vhodnější, když je výsledkem volný text, odpověď vyžaduje vícekrokové uvažování nebo není možné předem vymezit kandidátní volby.

===== Zdroje =====

  * [[https://docs.typesafe.ai/introduction|TypeSafe – Introduction]]
  * [[https://docs.typesafe.ai/models|TypeSafe – Models]]
  * [[https://docs.typesafe.ai/model-jaggedness/jev-1.13|TypeSafe – Jev 1.13 jaggedness]]