{"content_id":"emjtnwrqpz","slug":"jev-system-one-model-llm-comparison","locale":"id","schema_type":"TechArticle","category":"knowledge_base","category_name":"Basis Pengetahuan","title":"Jev untuk Developer: Perbedaan Model Sistem dan LLM","summary":"Jev adalah model untuk penilaian terstruktur yang dikembangkan oleh TypeSafe AI. Model ini menghubungkan nilai pilihan dan probabilitas dengan kode, dan dalam penerapan nyata, format keluaran perlu dibedakan dari akurasi penilaian.","sponsorship_disclosure":null,"affiliate_disclosure":null,"commerce_disclosure":null,"author":{"name":"injoys","url":"https://injoys.com/ko/about"},"key_points":["Jev mengembalikan jawaban dan probabilitas yang telah ditentukan sebelumnya, bukan uraian bebas.","Choice dan Score memiliki tingkat keyakinan, tetapi Noul tidak memiliki kolom tingkat keyakinan terpisah.","Tarif input yang diumumkan pada 15 September 2026 adalah 0.042 dolar per satu juta token.","Perbandingan kecepatan yang dipublikasikan berasal dari hasil pada tugas dan lingkungan pengukuran tertentu.","Dalam pekerjaan berbahasa Korea, verifikasi akurasi dan kriteria peralihan ke peninjauan dengan kasus nyata."],"content_markdown":"Jev adalah model pengambilan keputusan untuk perangkat lunak yang dikembangkan oleh TypeSafe AI. Model ini mengembalikan nilai pilihan dan probabilitas, bukan teks penjelasan. Jev dirancang untuk klasifikasi dan percabangan tugas. Meskipun format output sudah benar, keputusannya tetap bisa salah.\n\nAngka biaya dan kecepatan mengacu pada pengumuman TypeSafe tanggal 15 September 2026.\n\n## Arti Jev dan System One Model\n\nJev adalah AI yang memberikan hasil keputusan yang dapat langsung digunakan oleh kode. Nama produk resminya adalah Jev. TypeSafe menyebut kelompok model ini sebagai System One Model.\n\nInput berisi `state`, yaitu objek yang dinilai, dan `questions`, yaitu pertanyaannya. `state` adalah informasi yang diperlukan untuk mengambil keputusan, seperti pertanyaan pelanggan atau catatan pekerjaan. Pertanyaan menentukan jawaban yang diizinkan dan kriteria evaluasi.\n\nNama System One diambil dari cara berpikir yang cepat dan intuitif. Ini adalah istilah yang digunakan perusahaan untuk menjelaskan peran produk tersebut. Model ini juga memiliki kemampuan memahami input bahasa alami. Konsep dan cakupan input dapat dilihat dalam [dokumentasi System One dari TypeSafe](https://docs.typesafe.ai/concepts/system-one).\n\n## Apa perbedaannya dengan LLM?\n\nPerbedaan utamanya adalah cakupan jawaban yang dapat dihasilkan. LLM menghasilkan konten bebas seperti teks penjelasan dan kode. Jev mengambil keputusan dalam cakupan jawaban yang telah ditentukan pengembang.\n\n| Aspek perbandingan | Penggunaan LLM umum | Penggunaan Jev |\n| --- | --- | --- |\n| Hasil utama | Teks penjelasan, ringkasan, kode yang dihasilkan | Nilai pilihan, skor evaluasi, probabilitas |\n| Cakupan jawaban | Pembuatan bebas atau output terstruktur | Cakupan yang telah ditentukan dalam pertanyaan |\n| Integrasi dengan perangkat lunak | Interpretasi dan validasi sesuai format respons | Menghubungkan nilai yang dikembalikan ke kondisi dan klasifikasi |\n| Pembuatan penjelasan | Dapat menuliskan alasan keputusan dalam bentuk kalimat | Tidak mendukung pembuatan teks penjelasan bebas |\n| Peran yang sesuai | Percakapan, penulisan, penyelesaian masalah kompleks | Klasifikasi, pemilihan jalur penanganan, evaluasi berdasarkan kriteria |\n\nLLM juga dapat dikonfigurasi agar menjawab dalam format terstruktur. Karena itu, output JSON bukan kemampuan yang hanya dimiliki Jev. Dokumentasi Vercel juga menjelaskan cara menghubungkannya dengan LLM terstruktur. Namun, format respons yang sama tidak berarti perilaku evaluasinya sama. Perbedaan ini dijelaskan dalam [penjelasan Jev dari Vercel](https://vercel.com/i/what-is-jev).\n\nDalam perangkat lunak, spesifikasi output harus sesuai agar tugas berikutnya dapat dijalankan. Misalnya, nilai departemen penanggung jawab harus menggunakan nama yang diizinkan. Jika teks penjelasan tercampur di dalamnya, diperlukan proses interpretasi tambahan. Jev dirancang untuk langsung mengembalikan hasil keputusan semacam ini.\n\n## Ringkasan Choice·Score·Noul berdasarkan kondisi\n\nPilih jenis pertanyaan sesuai bentuk jawaban yang diperlukan. Jenis pertanyaan dasar Jev adalah Choice, Score, dan Noul. Pertanyaan independen untuk keadaan yang sama dapat digabungkan dalam satu panggilan. Cara konfigurasinya dijelaskan dalam [TypeSafe Introduction](https://docs.typesafe.ai/introduction).\n\n| Keputusan yang diperlukan | Jenis pertanyaan | Isi yang dikembalikan | Contoh penggunaan |\n| --- | --- | --- | --- |\n| Memilih dari opsi yang ditentukan | Choice | Nilai pilihan, probabilitas setiap opsi, tingkat keyakinan | Meneruskan pertanyaan ke departemen penanggung jawab |\n| Mengevaluasi berdasarkan kriteria berurutan | Score | Skor, probabilitas setiap tahap, tingkat keyakinan | Mengevaluasi tingkat keparahan gangguan |\n| Menentukan apakah suatu pernyataan benar | Noul | Nilai 0-1 yang menunjukkan probabilitas jawaban ya | Menentukan apakah permintaan pengembalian dana disertakan |\n\nAngka Score menunjukkan posisi dalam tahap evaluasi yang telah ditetapkan. Angka tersebut tidak selalu berarti persentase. Noul adalah jenis pertanyaan yang mengembalikan probabilitas jawaban “ya”. [Dokumentasi Score](https://docs.typesafe.ai/primitives/score) dan [dokumentasi Noul](https://docs.typesafe.ai/primitives/noul) masing-masing menjadi acuan interpretasinya.\n\nTentukan urutan pemrosesan untuk pertanyaan yang saling bergantung. Jika pertanyaan berikutnya memerlukan jawaban sebelumnya, keduanya harus dihubungkan dalam kode. Pertanyaan dalam satu panggilan mengevaluasi keadaan bersama secara independen.\n\n## Bagaimana membaca angka dalam contoh layanan restoran?\n\nAngka dalam demonstrasi layanan restoran tidak dapat dianggap sebagai akurasi keseluruhan produk. Penjelasan dalam video pengantar mencantumkan nilai berikut. Permintaan API asli dan kondisi pengukurannya tidak dapat dipastikan.\n\n| Nilai yang diperkenalkan | Makna dalam penjelasan | Hal yang perlu diperiksa saat menafsirkan |\n| --- | --- | --- |\n| 0.09 pada skala 0-1 | Evaluasi kewajaran tindakan pelanggan | Pastikan apakah itu skor atau probabilitas jawaban ya |\n| Kesesuaian opsi 94% | Nilai yang diberikan pada cara menjelaskan alasan pembayaran tagihan | Periksa opsi yang diberikan dan kriteria pertanyaan |\n| Tingkat keyakinan 92% | Indikator tingkat keyakinan terhadap keputusan tersebut | Jangan membacanya sebagai tingkat jawaban benar aktual |\n| Waktu pemrosesan kurang dari 0.1 detik | Waktu respons yang diperkenalkan dalam demonstrasi | Periksa apakah waktu komunikasi disertakan |\n\nContoh ini digunakan untuk memahami bentuk output. Angka saja tidak dapat menentukan sengketa di dunia nyata. Terutama jika susunan opsi berubah, pertanyaannya sendiri juga berubah.\n\n## Kesalahan umum dalam membedakan probabilitas dan tingkat keyakinan\n\nProbabilitas dan tingkat keyakinan adalah nilai yang berbeda. Probabilitas Choice adalah nilai yang diberikan kepada setiap opsi. Tingkat keyakinan merangkum seberapa terkonsentrasi distribusi probabilitas tersebut.\n\nKarena itu, tingkat keyakinan 92% tidak boleh dibaca sebagai tingkat jawaban benar 92%. Tingkat jawaban benar aktual harus diukur menggunakan kasus yang jawaban benarnya telah dikonfirmasi. Noul tidak memiliki kolom `confidence` terpisah. Perbedaan ini dinyatakan dalam [dokumentasi Confidence dari TypeSafe](https://docs.typesafe.ai/confidence).\n\n- **Mencampuradukkan format dan akurasi:** Meskipun memilih departemen yang diizinkan, departemen penanggung jawabnya tetap bisa salah.\n- **Mencampuradukkan skor dan probabilitas:** Nilai Score dapat menunjukkan posisi dalam tahap evaluasi.\n- **Mencampuradukkan tingkat keyakinan dan tingkat jawaban benar:** Tingkat keyakinan yang tinggi saja tidak menjamin setiap jawaban benar.\n- **Opsi yang tidak tersedia:** Jika jawaban yang diperlukan tidak ada dalam pilihan, keputusan yang tepat akan sulit dihasilkan.\n\nKalibrasi adalah konsep untuk mengumpulkan banyak prediksi dan mengevaluasi hubungan antara probabilitas dan hasil. Kalibrasi bukan prosedur yang menjamin keakuratan satu jawaban tertentu. Evaluasi kepatuhan terhadap spesifikasi output dan keakuratan makna secara terpisah.\n\n## Ketentuan perbandingan biaya dan kecepatan publik\n\nBiaya publik dihitung berdasarkan token input. Token adalah unit yang digunakan model untuk memproses teks. Dalam pengumuman tanggal 15 September 2026, biaya token output dinyatakan gratis.\n\n| Item | Informasi publik | Cakupan penerapan |\n| --- | --- | --- |\n| Biaya input | 0.042 dolar per 1 juta token | Biaya TypeSafe pada saat pengumuman |\n| Biaya output | Gratis | Biaya TypeSafe pada saat pengumuman |\n| Waktu respons | 70-500 milidetik | Rentang pengukuran yang diumumkan perusahaan |\n| Lingkungan pengukuran | Terutama laptop di wilayah barat Amerika Serikat | Lingkungan evaluasi yang disebutkan dalam pengumuman perusahaan |\n\nAngka ini bukan jaminan performa untuk semua permintaan. Evaluasi perusahaan mencakup perbandingan yang menggunakan prediksi model eksternal sebagai acuan. Hal ini tidak dapat dianggap sama dengan tingkat jawaban benar dalam pekerjaan nyata. Kondisi pengukuran dipublikasikan dalam [pengumuman peluncuran TypeSafe](https://typesafe.ai/blog/introducing-system-one-models-and-jev).\n\n### Contoh penghitungan biaya publik\n\nBiaya dasar untuk 1 miliar token input adalah 42 dolar. Rumusnya adalah `1,000,000,000 ÷ 1,000,000 × 0.042`. Ini adalah contoh konversi berdasarkan biaya publik.\n\nHarga setiap keputusan berbeda tergantung panjang input. Biaya aktual juga dipengaruhi oleh percobaan ulang atau panggilan model lanjutan. Periksa biaya terbaru dalam [dokumentasi Models dari TypeSafe](https://docs.typesafe.ai/models).\n\n## Cakupan penggunaan yang ditunjukkan demonstrasi Doom\n\nDemonstrasi Doom adalah contoh pemilihan tindakan berdasarkan keadaan game yang terstruktur. Demonstrasi tersebut tidak memahami gambar layar game secara langsung. TypeSafe menjelaskan bahwa data keadaan dalam bentuk teks digunakan. Ketentuan tersebut dijelaskan dalam [penjelasan Doom pada pengumuman peluncuran](https://typesafe.ai/blog/introducing-system-one-models-and-jev).\n\nSaat diterapkan pada pekerjaan, titik yang memerlukan pengambilan keputusan berulang dapat menjadi kandidat. Tabel berikut berisi contoh desain berdasarkan fungsinya. Performa dalam setiap pekerjaan harus diverifikasi secara terpisah.\n\n| Kondisi pekerjaan | Peran yang memungkinkan | Pemrosesan tambahan yang diperlukan |\n| --- | --- | --- |\n| Mengklasifikasikan pertanyaan ke departemen yang ditentukan | Memilih jalur penanggung jawab dengan Choice | Jalur peninjauan untuk pertanyaan yang ambigu |\n| Mengevaluasi dokumen berdasarkan kriteria bersama | Mengembalikan skor setiap kriteria dengan Score | Definisi kriteria evaluasi yang jelas |\n| Memeriksa apakah permintaan tertentu disertakan | Mengevaluasi pernyataan dengan Noul | Kode yang menentukan apakah tindakan dijalankan |\n| Menulis teks penjelasan untuk pengguna | Menghubungkannya ke model generatif | Menyampaikan dasar dari teks asli dan keputusan yang disetujui |\n\n## Keterbatasan dalam pekerjaan berbahasa Korea dan pemrosesan angka\n\nPekerjaan berbahasa Korea memerlukan validasi mandiri. TypeSafe menyatakan bahwa bahasa Inggris adalah bahasa utama dalam pelatihan. Perusahaan menjelaskan bahwa performa bahasa lain tidak sama. Ketentuan dukungan bahasa dapat dilihat dalam [dokumentasi Models](https://docs.typesafe.ai/models).\n\nMengembalikan angka tidak berarti perhitungannya juga akurat. Penjelasan ini tercantum dalam dokumentasi keterbatasan yang ditinjau pada 17 September 2026. Dokumentasi tersebut menyarankan agar perhitungan dilakukan dalam kode.\n\n\u003e Jev is not a calculator.\n\nKalimat di atas adalah teks asli dari [Jev 1.13 jaggedness](https://docs.typesafe.ai/model-jaggedness/jev-1.13).\n\n| Keterbatasan yang diketahui | Penanganan saat pengembangan |\n| --- | --- |\n| Penghitungan jumlah secara akurat | Hitung jumlah item dengan kode |\n| Perbandingan tanggal dan waktu | Ubah nilai yang diekstrak menjadi tipe data tanggal, lalu bandingkan |\n| Input panjang yang tidak relevan | Pilih hanya konten yang diperlukan untuk mengambil keputusan |\n| Kalimat negatif yang kompleks dan kondisi tidak langsung | Pisahkan menjadi pertanyaan yang jelas dan singkat |\n| Kriteria evaluasi yang ambigu atau bertentangan | Selaraskan makna pertanyaan dan opsi |\n\nSertakan ungkapan pekerjaan nyata dalam data validasi bahasa Korea. Bahasa hormat dan subjek yang dihilangkan juga perlu diperiksa. Jawaban model dapat dibandingkan dengan kasus yang hasil pemrosesannya telah dipastikan.\n\n## Perbandingan jalur penggunaan API dan SDK\n\nSelain jalur akses langsung ke TypeSafe, jalur gateway juga telah dikonfirmasi. Pengumuman peluncuran mengarahkan penggunaan awal melalui daftar tunggu. Periksa ketersediaan akses untuk setiap akun pada masing-masing layanan.\n\n| Jalur | Bentuk penyediaan yang dikonfirmasi | Dokumentasi yang perlu diperiksa |\n| --- | --- | --- |\n| TypeSafe | Konsol, API, SDK klien | Quick start |\n| Vercel AI Gateway | Koneksi permintaan evaluasi Jev | Evaluation |\n| OpenRouter | Pendaftaran model Jev 1.13 | Halaman model Jev 1.13 |\n\n[Quick start](https://docs.typesafe.ai/introduction/quickstart) dari TypeSafe menjelaskan prosedur panggilan langsung. Berikut urutan dasar untuk jalur tersebut.\n\n1. Periksa hak akses akun di konsol.\n2. Uji objek keputusan dan pertanyaan di Playground.\n3. Terbitkan kunci API di dasbor.\n4. Kirim permintaan melalui SDK atau HTTP API.\n5. Hubungkan nilai yang dikembalikan dan probabilitas ke aturan pemrosesan dalam kode.\n\n[Dokumentasi Evaluation dari Vercel](https://vercel.com/docs/ai-gateway/modalities/evaluation) memuat contoh koneksi. Pertanyaan ya atau tidak ditampilkan sebagai Boolean melalui jalur ini. Model juga dapat diperiksa di [halaman Jev 1.13 dari OpenRouter](https://openrouter.ai/typesafe/jev-1.13/). Gunakan dokumentasi masing-masing sebagai acuan untuk format dan batas permintaan setiap jalur.\n\n## Kriteria desain untuk menyimpan catatan keputusan\n\nUntuk memvalidasi hasil otomatisasi, simpan juga dasar input yang digunakan. Jika hanya nilai pilihan yang disimpan, penyebab keputusan yang salah akan sulit ditemukan. Item berikut adalah usulan desain yang disusun berdasarkan antarmuka resmi.\n\n| Item yang dicatat | Masalah yang dapat diperiksa |\n| --- | --- |\n| Teks asli dan waktu yang digunakan dalam pengambilan keputusan | Informasi yang usang atau tidak tersedia |\n| Versi pertanyaan dan opsi | Perbedaan hasil akibat perubahan kriteria |\n| ID model respons yang sebenarnya | Dampak perubahan model |\n| Jawaban dan distribusi probabilitas | Alasan penanganan kasus yang ambigu |\n| Tindakan yang dijalankan kode | Ketidaksesuaian antara keputusan dan pelaksanaan |\n| Hasil yang diperiksa manusia | Kesalahan aktual dan riwayat perbaikan |\n\nAlias nama model dapat diubah agar mengarah ke versi baru. Versi yang telah divalidasi dapat ditetapkan menggunakan ID model. Cara pengoperasian ini dijelaskan dalam [dokumentasi Models dari TypeSafe](https://docs.typesafe.ai/models).\n\nTentukan kriteria pengalihan ke peninjauan berdasarkan kasus nyata. Evaluasi biaya kesalahan klasifikasi bersama dengan beban peninjauan oleh manusia. Tidak ada nilai ambang tingkat keyakinan yang berlaku secara universal. Metode validasinya dapat merujuk pada panduan dalam [dokumentasi Confidence](https://docs.typesafe.ai/confidence).","content_html":"\u003cp\u003eJev adalah model pengambilan keputusan untuk perangkat lunak yang dikembangkan oleh TypeSafe AI. Model ini mengembalikan nilai pilihan dan probabilitas, bukan teks penjelasan. Jev dirancang untuk klasifikasi dan percabangan tugas. Meskipun format output sudah benar, keputusannya tetap bisa salah.\u003c/p\u003e\n\u003cp\u003eAngka biaya dan kecepatan mengacu pada pengumuman TypeSafe tanggal 15 September 2026.\u003c/p\u003e\n\u003ch2\u003e\n\u003ca href=\"#arti-jev-dan-system-one-model\" class=\"anchor\" id=\"arti-jev-dan-system-one-model\"\u003e\u003c/a\u003eArti Jev dan System One Model\u003c/h2\u003e\n\u003cp\u003eJev adalah AI yang memberikan hasil keputusan yang dapat langsung digunakan oleh kode. Nama produk resminya adalah Jev. TypeSafe menyebut kelompok model ini sebagai System One Model.\u003c/p\u003e\n\u003cp\u003eInput berisi \u003ccode\u003estate\u003c/code\u003e, yaitu objek yang dinilai, dan \u003ccode\u003equestions\u003c/code\u003e, yaitu pertanyaannya. \u003ccode\u003estate\u003c/code\u003e adalah informasi yang diperlukan untuk mengambil keputusan, seperti pertanyaan pelanggan atau catatan pekerjaan. Pertanyaan menentukan jawaban yang diizinkan dan kriteria evaluasi.\u003c/p\u003e\n\u003cp\u003eNama System One diambil dari cara berpikir yang cepat dan intuitif. Ini adalah istilah yang digunakan perusahaan untuk menjelaskan peran produk tersebut. Model ini juga memiliki kemampuan memahami input bahasa alami. Konsep dan cakupan input dapat dilihat dalam \u003ca href=\"https://docs.typesafe.ai/concepts/system-one\"\u003edokumentasi System One dari TypeSafe\u003c/a\u003e.\u003c/p\u003e\n\u003ch2\u003e\n\u003ca href=\"#apa-perbedaannya-dengan-llm\" class=\"anchor\" id=\"apa-perbedaannya-dengan-llm\"\u003e\u003c/a\u003eApa perbedaannya dengan LLM?\u003c/h2\u003e\n\u003cp\u003ePerbedaan utamanya adalah cakupan jawaban yang dapat dihasilkan. LLM menghasilkan konten bebas seperti teks penjelasan dan kode. Jev mengambil keputusan dalam cakupan jawaban yang telah ditentukan pengembang.\u003c/p\u003e\n\u003cdiv class=\"overflow-x-auto\"\u003e\u003ctable\u003e\n\u003cthead\u003e\n\u003ctr\u003e\n\u003cth\u003eAspek perbandingan\u003c/th\u003e\n\u003cth\u003ePenggunaan LLM umum\u003c/th\u003e\n\u003cth\u003ePenggunaan Jev\u003c/th\u003e\n\u003c/tr\u003e\n\u003c/thead\u003e\n\u003ctbody\u003e\n\u003ctr\u003e\n\u003ctd data-label=\"Aspek perbandingan\"\u003eHasil utama\u003c/td\u003e\n\u003ctd data-label=\"Penggunaan LLM umum\"\u003eTeks penjelasan, ringkasan, kode yang dihasilkan\u003c/td\u003e\n\u003ctd data-label=\"Penggunaan Jev\"\u003eNilai pilihan, skor evaluasi, probabilitas\u003c/td\u003e\n\u003c/tr\u003e\n\u003ctr\u003e\n\u003ctd data-label=\"Aspek perbandingan\"\u003eCakupan jawaban\u003c/td\u003e\n\u003ctd data-label=\"Penggunaan LLM umum\"\u003ePembuatan bebas atau output terstruktur\u003c/td\u003e\n\u003ctd data-label=\"Penggunaan Jev\"\u003eCakupan yang telah ditentukan dalam pertanyaan\u003c/td\u003e\n\u003c/tr\u003e\n\u003ctr\u003e\n\u003ctd data-label=\"Aspek perbandingan\"\u003eIntegrasi dengan perangkat lunak\u003c/td\u003e\n\u003ctd data-label=\"Penggunaan LLM umum\"\u003eInterpretasi dan validasi sesuai format respons\u003c/td\u003e\n\u003ctd data-label=\"Penggunaan Jev\"\u003eMenghubungkan nilai yang dikembalikan ke kondisi dan klasifikasi\u003c/td\u003e\n\u003c/tr\u003e\n\u003ctr\u003e\n\u003ctd data-label=\"Aspek perbandingan\"\u003ePembuatan penjelasan\u003c/td\u003e\n\u003ctd data-label=\"Penggunaan LLM umum\"\u003eDapat menuliskan alasan keputusan dalam bentuk kalimat\u003c/td\u003e\n\u003ctd data-label=\"Penggunaan Jev\"\u003eTidak mendukung pembuatan teks penjelasan bebas\u003c/td\u003e\n\u003c/tr\u003e\n\u003ctr\u003e\n\u003ctd data-label=\"Aspek perbandingan\"\u003ePeran yang sesuai\u003c/td\u003e\n\u003ctd data-label=\"Penggunaan LLM umum\"\u003ePercakapan, penulisan, penyelesaian masalah kompleks\u003c/td\u003e\n\u003ctd data-label=\"Penggunaan Jev\"\u003eKlasifikasi, pemilihan jalur penanganan, evaluasi berdasarkan kriteria\u003c/td\u003e\n\u003c/tr\u003e\n\u003c/tbody\u003e\n\u003c/table\u003e\u003c/div\u003e\n\u003cp\u003eLLM juga dapat dikonfigurasi agar menjawab dalam format terstruktur. Karena itu, output JSON bukan kemampuan yang hanya dimiliki Jev. Dokumentasi Vercel juga menjelaskan cara menghubungkannya dengan LLM terstruktur. Namun, format respons yang sama tidak berarti perilaku evaluasinya sama. Perbedaan ini dijelaskan dalam \u003ca href=\"https://vercel.com/i/what-is-jev\"\u003epenjelasan Jev dari Vercel\u003c/a\u003e.\u003c/p\u003e\n\u003cp\u003eDalam perangkat lunak, spesifikasi output harus sesuai agar tugas berikutnya dapat dijalankan. Misalnya, nilai departemen penanggung jawab harus menggunakan nama yang diizinkan. Jika teks penjelasan tercampur di dalamnya, diperlukan proses interpretasi tambahan. Jev dirancang untuk langsung mengembalikan hasil keputusan semacam ini.\u003c/p\u003e\n\u003ch2\u003e\n\u003ca href=\"#ringkasan-choicescorenoul-berdasarkan-kondisi\" class=\"anchor\" id=\"ringkasan-choicescorenoul-berdasarkan-kondisi\"\u003e\u003c/a\u003eRingkasan Choice·Score·Noul berdasarkan kondisi\u003c/h2\u003e\n\u003cp\u003ePilih jenis pertanyaan sesuai bentuk jawaban yang diperlukan. Jenis pertanyaan dasar Jev adalah Choice, Score, dan Noul. Pertanyaan independen untuk keadaan yang sama dapat digabungkan dalam satu panggilan. Cara konfigurasinya dijelaskan dalam \u003ca href=\"https://docs.typesafe.ai/introduction\"\u003eTypeSafe Introduction\u003c/a\u003e.\u003c/p\u003e\n\u003cdiv class=\"overflow-x-auto\"\u003e\u003ctable\u003e\n\u003cthead\u003e\n\u003ctr\u003e\n\u003cth\u003eKeputusan yang diperlukan\u003c/th\u003e\n\u003cth\u003eJenis pertanyaan\u003c/th\u003e\n\u003cth\u003eIsi yang dikembalikan\u003c/th\u003e\n\u003cth\u003eContoh penggunaan\u003c/th\u003e\n\u003c/tr\u003e\n\u003c/thead\u003e\n\u003ctbody\u003e\n\u003ctr\u003e\n\u003ctd data-label=\"Keputusan yang diperlukan\"\u003eMemilih dari opsi yang ditentukan\u003c/td\u003e\n\u003ctd data-label=\"Jenis pertanyaan\"\u003eChoice\u003c/td\u003e\n\u003ctd data-label=\"Isi yang dikembalikan\"\u003eNilai pilihan, probabilitas setiap opsi, tingkat keyakinan\u003c/td\u003e\n\u003ctd data-label=\"Contoh penggunaan\"\u003eMeneruskan pertanyaan ke departemen penanggung jawab\u003c/td\u003e\n\u003c/tr\u003e\n\u003ctr\u003e\n\u003ctd data-label=\"Keputusan yang diperlukan\"\u003eMengevaluasi berdasarkan kriteria berurutan\u003c/td\u003e\n\u003ctd data-label=\"Jenis pertanyaan\"\u003eScore\u003c/td\u003e\n\u003ctd data-label=\"Isi yang dikembalikan\"\u003eSkor, probabilitas setiap tahap, tingkat keyakinan\u003c/td\u003e\n\u003ctd data-label=\"Contoh penggunaan\"\u003eMengevaluasi tingkat keparahan gangguan\u003c/td\u003e\n\u003c/tr\u003e\n\u003ctr\u003e\n\u003ctd data-label=\"Keputusan yang diperlukan\"\u003eMenentukan apakah suatu pernyataan benar\u003c/td\u003e\n\u003ctd data-label=\"Jenis pertanyaan\"\u003eNoul\u003c/td\u003e\n\u003ctd data-label=\"Isi yang dikembalikan\"\u003eNilai 0-1 yang menunjukkan probabilitas jawaban ya\u003c/td\u003e\n\u003ctd data-label=\"Contoh penggunaan\"\u003eMenentukan apakah permintaan pengembalian dana disertakan\u003c/td\u003e\n\u003c/tr\u003e\n\u003c/tbody\u003e\n\u003c/table\u003e\u003c/div\u003e\n\u003cp\u003eAngka Score menunjukkan posisi dalam tahap evaluasi yang telah ditetapkan. Angka tersebut tidak selalu berarti persentase. Noul adalah jenis pertanyaan yang mengembalikan probabilitas jawaban “ya”. \u003ca href=\"https://docs.typesafe.ai/primitives/score\"\u003eDokumentasi Score\u003c/a\u003e dan \u003ca href=\"https://docs.typesafe.ai/primitives/noul\"\u003edokumentasi Noul\u003c/a\u003e masing-masing menjadi acuan interpretasinya.\u003c/p\u003e\n\u003cp\u003eTentukan urutan pemrosesan untuk pertanyaan yang saling bergantung. Jika pertanyaan berikutnya memerlukan jawaban sebelumnya, keduanya harus dihubungkan dalam kode. Pertanyaan dalam satu panggilan mengevaluasi keadaan bersama secara independen.\u003c/p\u003e\n\u003ch2\u003e\n\u003ca href=\"#bagaimana-membaca-angka-dalam-contoh-layanan-restoran\" class=\"anchor\" id=\"bagaimana-membaca-angka-dalam-contoh-layanan-restoran\"\u003e\u003c/a\u003eBagaimana membaca angka dalam contoh layanan restoran?\u003c/h2\u003e\n\u003cp\u003eAngka dalam demonstrasi layanan restoran tidak dapat dianggap sebagai akurasi keseluruhan produk. Penjelasan dalam video pengantar mencantumkan nilai berikut. Permintaan API asli dan kondisi pengukurannya tidak dapat dipastikan.\u003c/p\u003e\n\u003cdiv class=\"overflow-x-auto\"\u003e\u003ctable\u003e\n\u003cthead\u003e\n\u003ctr\u003e\n\u003cth\u003eNilai yang diperkenalkan\u003c/th\u003e\n\u003cth\u003eMakna dalam penjelasan\u003c/th\u003e\n\u003cth\u003eHal yang perlu diperiksa saat menafsirkan\u003c/th\u003e\n\u003c/tr\u003e\n\u003c/thead\u003e\n\u003ctbody\u003e\n\u003ctr\u003e\n\u003ctd data-label=\"Nilai yang diperkenalkan\"\u003e0.09 pada skala 0-1\u003c/td\u003e\n\u003ctd data-label=\"Makna dalam penjelasan\"\u003eEvaluasi kewajaran tindakan pelanggan\u003c/td\u003e\n\u003ctd data-label=\"Hal yang perlu diperiksa saat menafsirkan\"\u003ePastikan apakah itu skor atau probabilitas jawaban ya\u003c/td\u003e\n\u003c/tr\u003e\n\u003ctr\u003e\n\u003ctd data-label=\"Nilai yang diperkenalkan\"\u003eKesesuaian opsi 94%\u003c/td\u003e\n\u003ctd data-label=\"Makna dalam penjelasan\"\u003eNilai yang diberikan pada cara menjelaskan alasan pembayaran tagihan\u003c/td\u003e\n\u003ctd data-label=\"Hal yang perlu diperiksa saat menafsirkan\"\u003ePeriksa opsi yang diberikan dan kriteria pertanyaan\u003c/td\u003e\n\u003c/tr\u003e\n\u003ctr\u003e\n\u003ctd data-label=\"Nilai yang diperkenalkan\"\u003eTingkat keyakinan 92%\u003c/td\u003e\n\u003ctd data-label=\"Makna dalam penjelasan\"\u003eIndikator tingkat keyakinan terhadap keputusan tersebut\u003c/td\u003e\n\u003ctd data-label=\"Hal yang perlu diperiksa saat menafsirkan\"\u003eJangan membacanya sebagai tingkat jawaban benar aktual\u003c/td\u003e\n\u003c/tr\u003e\n\u003ctr\u003e\n\u003ctd data-label=\"Nilai yang diperkenalkan\"\u003eWaktu pemrosesan kurang dari 0.1 detik\u003c/td\u003e\n\u003ctd data-label=\"Makna dalam penjelasan\"\u003eWaktu respons yang diperkenalkan dalam demonstrasi\u003c/td\u003e\n\u003ctd data-label=\"Hal yang perlu diperiksa saat menafsirkan\"\u003ePeriksa apakah waktu komunikasi disertakan\u003c/td\u003e\n\u003c/tr\u003e\n\u003c/tbody\u003e\n\u003c/table\u003e\u003c/div\u003e\n\u003cp\u003eContoh ini digunakan untuk memahami bentuk output. Angka saja tidak dapat menentukan sengketa di dunia nyata. Terutama jika susunan opsi berubah, pertanyaannya sendiri juga berubah.\u003c/p\u003e\n\u003ch2\u003e\n\u003ca href=\"#kesalahan-umum-dalam-membedakan-probabilitas-dan-tingkat-keyakinan\" class=\"anchor\" id=\"kesalahan-umum-dalam-membedakan-probabilitas-dan-tingkat-keyakinan\"\u003e\u003c/a\u003eKesalahan umum dalam membedakan probabilitas dan tingkat keyakinan\u003c/h2\u003e\n\u003cp\u003eProbabilitas dan tingkat keyakinan adalah nilai yang berbeda. Probabilitas Choice adalah nilai yang diberikan kepada setiap opsi. Tingkat keyakinan merangkum seberapa terkonsentrasi distribusi probabilitas tersebut.\u003c/p\u003e\n\u003cp\u003eKarena itu, tingkat keyakinan 92% tidak boleh dibaca sebagai tingkat jawaban benar 92%. Tingkat jawaban benar aktual harus diukur menggunakan kasus yang jawaban benarnya telah dikonfirmasi. Noul tidak memiliki kolom \u003ccode\u003econfidence\u003c/code\u003e terpisah. Perbedaan ini dinyatakan dalam \u003ca href=\"https://docs.typesafe.ai/confidence\"\u003edokumentasi Confidence dari TypeSafe\u003c/a\u003e.\u003c/p\u003e\n\u003cul\u003e\n\u003cli\u003e\n\u003cstrong\u003eMencampuradukkan format dan akurasi:\u003c/strong\u003e Meskipun memilih departemen yang diizinkan, departemen penanggung jawabnya tetap bisa salah.\u003c/li\u003e\n\u003cli\u003e\n\u003cstrong\u003eMencampuradukkan skor dan probabilitas:\u003c/strong\u003e Nilai Score dapat menunjukkan posisi dalam tahap evaluasi.\u003c/li\u003e\n\u003cli\u003e\n\u003cstrong\u003eMencampuradukkan tingkat keyakinan dan tingkat jawaban benar:\u003c/strong\u003e Tingkat keyakinan yang tinggi saja tidak menjamin setiap jawaban benar.\u003c/li\u003e\n\u003cli\u003e\n\u003cstrong\u003eOpsi yang tidak tersedia:\u003c/strong\u003e Jika jawaban yang diperlukan tidak ada dalam pilihan, keputusan yang tepat akan sulit dihasilkan.\u003c/li\u003e\n\u003c/ul\u003e\n\u003cp\u003eKalibrasi adalah konsep untuk mengumpulkan banyak prediksi dan mengevaluasi hubungan antara probabilitas dan hasil. Kalibrasi bukan prosedur yang menjamin keakuratan satu jawaban tertentu. Evaluasi kepatuhan terhadap spesifikasi output dan keakuratan makna secara terpisah.\u003c/p\u003e\n\u003ch2\u003e\n\u003ca href=\"#ketentuan-perbandingan-biaya-dan-kecepatan-publik\" class=\"anchor\" id=\"ketentuan-perbandingan-biaya-dan-kecepatan-publik\"\u003e\u003c/a\u003eKetentuan perbandingan biaya dan kecepatan publik\u003c/h2\u003e\n\u003cp\u003eBiaya publik dihitung berdasarkan token input. Token adalah unit yang digunakan model untuk memproses teks. Dalam pengumuman tanggal 15 September 2026, biaya token output dinyatakan gratis.\u003c/p\u003e\n\u003cdiv class=\"overflow-x-auto\"\u003e\u003ctable\u003e\n\u003cthead\u003e\n\u003ctr\u003e\n\u003cth\u003eItem\u003c/th\u003e\n\u003cth\u003eInformasi publik\u003c/th\u003e\n\u003cth\u003eCakupan penerapan\u003c/th\u003e\n\u003c/tr\u003e\n\u003c/thead\u003e\n\u003ctbody\u003e\n\u003ctr\u003e\n\u003ctd data-label=\"Item\"\u003eBiaya input\u003c/td\u003e\n\u003ctd data-label=\"Informasi publik\"\u003e0.042 dolar per 1 juta token\u003c/td\u003e\n\u003ctd data-label=\"Cakupan penerapan\"\u003eBiaya TypeSafe pada saat pengumuman\u003c/td\u003e\n\u003c/tr\u003e\n\u003ctr\u003e\n\u003ctd data-label=\"Item\"\u003eBiaya output\u003c/td\u003e\n\u003ctd data-label=\"Informasi publik\"\u003eGratis\u003c/td\u003e\n\u003ctd data-label=\"Cakupan penerapan\"\u003eBiaya TypeSafe pada saat pengumuman\u003c/td\u003e\n\u003c/tr\u003e\n\u003ctr\u003e\n\u003ctd data-label=\"Item\"\u003eWaktu respons\u003c/td\u003e\n\u003ctd data-label=\"Informasi publik\"\u003e70-500 milidetik\u003c/td\u003e\n\u003ctd data-label=\"Cakupan penerapan\"\u003eRentang pengukuran yang diumumkan perusahaan\u003c/td\u003e\n\u003c/tr\u003e\n\u003ctr\u003e\n\u003ctd data-label=\"Item\"\u003eLingkungan pengukuran\u003c/td\u003e\n\u003ctd data-label=\"Informasi publik\"\u003eTerutama laptop di wilayah barat Amerika Serikat\u003c/td\u003e\n\u003ctd data-label=\"Cakupan penerapan\"\u003eLingkungan evaluasi yang disebutkan dalam pengumuman perusahaan\u003c/td\u003e\n\u003c/tr\u003e\n\u003c/tbody\u003e\n\u003c/table\u003e\u003c/div\u003e\n\u003cp\u003eAngka ini bukan jaminan performa untuk semua permintaan. Evaluasi perusahaan mencakup perbandingan yang menggunakan prediksi model eksternal sebagai acuan. Hal ini tidak dapat dianggap sama dengan tingkat jawaban benar dalam pekerjaan nyata. Kondisi pengukuran dipublikasikan dalam \u003ca href=\"https://typesafe.ai/blog/introducing-system-one-models-and-jev\"\u003epengumuman peluncuran TypeSafe\u003c/a\u003e.\u003c/p\u003e\n\u003ch3\u003e\n\u003ca href=\"#contoh-penghitungan-biaya-publik\" class=\"anchor\" id=\"contoh-penghitungan-biaya-publik\"\u003e\u003c/a\u003eContoh penghitungan biaya publik\u003c/h3\u003e\n\u003cp\u003eBiaya dasar untuk 1 miliar token input adalah 42 dolar. Rumusnya adalah \u003ccode\u003e1,000,000,000 ÷ 1,000,000 × 0.042\u003c/code\u003e. Ini adalah contoh konversi berdasarkan biaya publik.\u003c/p\u003e\n\u003cp\u003eHarga setiap keputusan berbeda tergantung panjang input. Biaya aktual juga dipengaruhi oleh percobaan ulang atau panggilan model lanjutan. Periksa biaya terbaru dalam \u003ca href=\"https://docs.typesafe.ai/models\"\u003edokumentasi Models dari TypeSafe\u003c/a\u003e.\u003c/p\u003e\n\u003ch2\u003e\n\u003ca href=\"#cakupan-penggunaan-yang-ditunjukkan-demonstrasi-doom\" class=\"anchor\" id=\"cakupan-penggunaan-yang-ditunjukkan-demonstrasi-doom\"\u003e\u003c/a\u003eCakupan penggunaan yang ditunjukkan demonstrasi Doom\u003c/h2\u003e\n\u003cp\u003eDemonstrasi Doom adalah contoh pemilihan tindakan berdasarkan keadaan game yang terstruktur. Demonstrasi tersebut tidak memahami gambar layar game secara langsung. TypeSafe menjelaskan bahwa data keadaan dalam bentuk teks digunakan. Ketentuan tersebut dijelaskan dalam \u003ca href=\"https://typesafe.ai/blog/introducing-system-one-models-and-jev\"\u003epenjelasan Doom pada pengumuman peluncuran\u003c/a\u003e.\u003c/p\u003e\n\u003cp\u003eSaat diterapkan pada pekerjaan, titik yang memerlukan pengambilan keputusan berulang dapat menjadi kandidat. Tabel berikut berisi contoh desain berdasarkan fungsinya. Performa dalam setiap pekerjaan harus diverifikasi secara terpisah.\u003c/p\u003e\n\u003cdiv class=\"overflow-x-auto\"\u003e\u003ctable\u003e\n\u003cthead\u003e\n\u003ctr\u003e\n\u003cth\u003eKondisi pekerjaan\u003c/th\u003e\n\u003cth\u003ePeran yang memungkinkan\u003c/th\u003e\n\u003cth\u003ePemrosesan tambahan yang diperlukan\u003c/th\u003e\n\u003c/tr\u003e\n\u003c/thead\u003e\n\u003ctbody\u003e\n\u003ctr\u003e\n\u003ctd data-label=\"Kondisi pekerjaan\"\u003eMengklasifikasikan pertanyaan ke departemen yang ditentukan\u003c/td\u003e\n\u003ctd data-label=\"Peran yang memungkinkan\"\u003eMemilih jalur penanggung jawab dengan Choice\u003c/td\u003e\n\u003ctd data-label=\"Pemrosesan tambahan yang diperlukan\"\u003eJalur peninjauan untuk pertanyaan yang ambigu\u003c/td\u003e\n\u003c/tr\u003e\n\u003ctr\u003e\n\u003ctd data-label=\"Kondisi pekerjaan\"\u003eMengevaluasi dokumen berdasarkan kriteria bersama\u003c/td\u003e\n\u003ctd data-label=\"Peran yang memungkinkan\"\u003eMengembalikan skor setiap kriteria dengan Score\u003c/td\u003e\n\u003ctd data-label=\"Pemrosesan tambahan yang diperlukan\"\u003eDefinisi kriteria evaluasi yang jelas\u003c/td\u003e\n\u003c/tr\u003e\n\u003ctr\u003e\n\u003ctd data-label=\"Kondisi pekerjaan\"\u003eMemeriksa apakah permintaan tertentu disertakan\u003c/td\u003e\n\u003ctd data-label=\"Peran yang memungkinkan\"\u003eMengevaluasi pernyataan dengan Noul\u003c/td\u003e\n\u003ctd data-label=\"Pemrosesan tambahan yang diperlukan\"\u003eKode yang menentukan apakah tindakan dijalankan\u003c/td\u003e\n\u003c/tr\u003e\n\u003ctr\u003e\n\u003ctd data-label=\"Kondisi pekerjaan\"\u003eMenulis teks penjelasan untuk pengguna\u003c/td\u003e\n\u003ctd data-label=\"Peran yang memungkinkan\"\u003eMenghubungkannya ke model generatif\u003c/td\u003e\n\u003ctd data-label=\"Pemrosesan tambahan yang diperlukan\"\u003eMenyampaikan dasar dari teks asli dan keputusan yang disetujui\u003c/td\u003e\n\u003c/tr\u003e\n\u003c/tbody\u003e\n\u003c/table\u003e\u003c/div\u003e\n\u003ch2\u003e\n\u003ca href=\"#keterbatasan-dalam-pekerjaan-berbahasa-korea-dan-pemrosesan-angka\" class=\"anchor\" id=\"keterbatasan-dalam-pekerjaan-berbahasa-korea-dan-pemrosesan-angka\"\u003e\u003c/a\u003eKeterbatasan dalam pekerjaan berbahasa Korea dan pemrosesan angka\u003c/h2\u003e\n\u003cp\u003ePekerjaan berbahasa Korea memerlukan validasi mandiri. TypeSafe menyatakan bahwa bahasa Inggris adalah bahasa utama dalam pelatihan. Perusahaan menjelaskan bahwa performa bahasa lain tidak sama. Ketentuan dukungan bahasa dapat dilihat dalam \u003ca href=\"https://docs.typesafe.ai/models\"\u003edokumentasi Models\u003c/a\u003e.\u003c/p\u003e\n\u003cp\u003eMengembalikan angka tidak berarti perhitungannya juga akurat. Penjelasan ini tercantum dalam dokumentasi keterbatasan yang ditinjau pada 17 September 2026. Dokumentasi tersebut menyarankan agar perhitungan dilakukan dalam kode.\u003c/p\u003e\n\u003cblockquote\u003e\n\u003cp\u003eJev is not a calculator.\u003c/p\u003e\n\u003c/blockquote\u003e\n\u003cp\u003eKalimat di atas adalah teks asli dari \u003ca href=\"https://docs.typesafe.ai/model-jaggedness/jev-1.13\"\u003eJev 1.13 jaggedness\u003c/a\u003e.\u003c/p\u003e\n\u003cdiv class=\"overflow-x-auto\"\u003e\u003ctable\u003e\n\u003cthead\u003e\n\u003ctr\u003e\n\u003cth\u003eKeterbatasan yang diketahui\u003c/th\u003e\n\u003cth\u003ePenanganan saat pengembangan\u003c/th\u003e\n\u003c/tr\u003e\n\u003c/thead\u003e\n\u003ctbody\u003e\n\u003ctr\u003e\n\u003ctd data-label=\"Keterbatasan yang diketahui\"\u003ePenghitungan jumlah secara akurat\u003c/td\u003e\n\u003ctd data-label=\"Penanganan saat pengembangan\"\u003eHitung jumlah item dengan kode\u003c/td\u003e\n\u003c/tr\u003e\n\u003ctr\u003e\n\u003ctd data-label=\"Keterbatasan yang diketahui\"\u003ePerbandingan tanggal dan waktu\u003c/td\u003e\n\u003ctd data-label=\"Penanganan saat pengembangan\"\u003eUbah nilai yang diekstrak menjadi tipe data tanggal, lalu bandingkan\u003c/td\u003e\n\u003c/tr\u003e\n\u003ctr\u003e\n\u003ctd data-label=\"Keterbatasan yang diketahui\"\u003eInput panjang yang tidak relevan\u003c/td\u003e\n\u003ctd data-label=\"Penanganan saat pengembangan\"\u003ePilih hanya konten yang diperlukan untuk mengambil keputusan\u003c/td\u003e\n\u003c/tr\u003e\n\u003ctr\u003e\n\u003ctd data-label=\"Keterbatasan yang diketahui\"\u003eKalimat negatif yang kompleks dan kondisi tidak langsung\u003c/td\u003e\n\u003ctd data-label=\"Penanganan saat pengembangan\"\u003ePisahkan menjadi pertanyaan yang jelas dan singkat\u003c/td\u003e\n\u003c/tr\u003e\n\u003ctr\u003e\n\u003ctd data-label=\"Keterbatasan yang diketahui\"\u003eKriteria evaluasi yang ambigu atau bertentangan\u003c/td\u003e\n\u003ctd data-label=\"Penanganan saat pengembangan\"\u003eSelaraskan makna pertanyaan dan opsi\u003c/td\u003e\n\u003c/tr\u003e\n\u003c/tbody\u003e\n\u003c/table\u003e\u003c/div\u003e\n\u003cp\u003eSertakan ungkapan pekerjaan nyata dalam data validasi bahasa Korea. Bahasa hormat dan subjek yang dihilangkan juga perlu diperiksa. Jawaban model dapat dibandingkan dengan kasus yang hasil pemrosesannya telah dipastikan.\u003c/p\u003e\n\u003ch2\u003e\n\u003ca href=\"#perbandingan-jalur-penggunaan-api-dan-sdk\" class=\"anchor\" id=\"perbandingan-jalur-penggunaan-api-dan-sdk\"\u003e\u003c/a\u003ePerbandingan jalur penggunaan API dan SDK\u003c/h2\u003e\n\u003cp\u003eSelain jalur akses langsung ke TypeSafe, jalur gateway juga telah dikonfirmasi. Pengumuman peluncuran mengarahkan penggunaan awal melalui daftar tunggu. Periksa ketersediaan akses untuk setiap akun pada masing-masing layanan.\u003c/p\u003e\n\u003cdiv class=\"overflow-x-auto\"\u003e\u003ctable\u003e\n\u003cthead\u003e\n\u003ctr\u003e\n\u003cth\u003eJalur\u003c/th\u003e\n\u003cth\u003eBentuk penyediaan yang dikonfirmasi\u003c/th\u003e\n\u003cth\u003eDokumentasi yang perlu diperiksa\u003c/th\u003e\n\u003c/tr\u003e\n\u003c/thead\u003e\n\u003ctbody\u003e\n\u003ctr\u003e\n\u003ctd data-label=\"Jalur\"\u003eTypeSafe\u003c/td\u003e\n\u003ctd data-label=\"Bentuk penyediaan yang dikonfirmasi\"\u003eKonsol, API, SDK klien\u003c/td\u003e\n\u003ctd data-label=\"Dokumentasi yang perlu diperiksa\"\u003eQuick start\u003c/td\u003e\n\u003c/tr\u003e\n\u003ctr\u003e\n\u003ctd data-label=\"Jalur\"\u003eVercel AI Gateway\u003c/td\u003e\n\u003ctd data-label=\"Bentuk penyediaan yang dikonfirmasi\"\u003eKoneksi permintaan evaluasi Jev\u003c/td\u003e\n\u003ctd data-label=\"Dokumentasi yang perlu diperiksa\"\u003eEvaluation\u003c/td\u003e\n\u003c/tr\u003e\n\u003ctr\u003e\n\u003ctd data-label=\"Jalur\"\u003eOpenRouter\u003c/td\u003e\n\u003ctd data-label=\"Bentuk penyediaan yang dikonfirmasi\"\u003ePendaftaran model Jev 1.13\u003c/td\u003e\n\u003ctd data-label=\"Dokumentasi yang perlu diperiksa\"\u003eHalaman model Jev 1.13\u003c/td\u003e\n\u003c/tr\u003e\n\u003c/tbody\u003e\n\u003c/table\u003e\u003c/div\u003e\n\u003cp\u003e\u003ca href=\"https://docs.typesafe.ai/introduction/quickstart\"\u003eQuick start\u003c/a\u003e dari TypeSafe menjelaskan prosedur panggilan langsung. Berikut urutan dasar untuk jalur tersebut.\u003c/p\u003e\n\u003col\u003e\n\u003cli\u003ePeriksa hak akses akun di konsol.\u003c/li\u003e\n\u003cli\u003eUji objek keputusan dan pertanyaan di Playground.\u003c/li\u003e\n\u003cli\u003eTerbitkan kunci API di dasbor.\u003c/li\u003e\n\u003cli\u003eKirim permintaan melalui SDK atau HTTP API.\u003c/li\u003e\n\u003cli\u003eHubungkan nilai yang dikembalikan dan probabilitas ke aturan pemrosesan dalam kode.\u003c/li\u003e\n\u003c/ol\u003e\n\u003cp\u003e\u003ca href=\"https://vercel.com/docs/ai-gateway/modalities/evaluation\"\u003eDokumentasi Evaluation dari Vercel\u003c/a\u003e memuat contoh koneksi. Pertanyaan ya atau tidak ditampilkan sebagai Boolean melalui jalur ini. Model juga dapat diperiksa di \u003ca href=\"https://openrouter.ai/typesafe/jev-1.13/\"\u003ehalaman Jev 1.13 dari OpenRouter\u003c/a\u003e. Gunakan dokumentasi masing-masing sebagai acuan untuk format dan batas permintaan setiap jalur.\u003c/p\u003e\n\u003ch2\u003e\n\u003ca href=\"#kriteria-desain-untuk-menyimpan-catatan-keputusan\" class=\"anchor\" id=\"kriteria-desain-untuk-menyimpan-catatan-keputusan\"\u003e\u003c/a\u003eKriteria desain untuk menyimpan catatan keputusan\u003c/h2\u003e\n\u003cp\u003eUntuk memvalidasi hasil otomatisasi, simpan juga dasar input yang digunakan. Jika hanya nilai pilihan yang disimpan, penyebab keputusan yang salah akan sulit ditemukan. Item berikut adalah usulan desain yang disusun berdasarkan antarmuka resmi.\u003c/p\u003e\n\u003cdiv class=\"overflow-x-auto\"\u003e\u003ctable\u003e\n\u003cthead\u003e\n\u003ctr\u003e\n\u003cth\u003eItem yang dicatat\u003c/th\u003e\n\u003cth\u003eMasalah yang dapat diperiksa\u003c/th\u003e\n\u003c/tr\u003e\n\u003c/thead\u003e\n\u003ctbody\u003e\n\u003ctr\u003e\n\u003ctd data-label=\"Item yang dicatat\"\u003eTeks asli dan waktu yang digunakan dalam pengambilan keputusan\u003c/td\u003e\n\u003ctd data-label=\"Masalah yang dapat diperiksa\"\u003eInformasi yang usang atau tidak tersedia\u003c/td\u003e\n\u003c/tr\u003e\n\u003ctr\u003e\n\u003ctd data-label=\"Item yang dicatat\"\u003eVersi pertanyaan dan opsi\u003c/td\u003e\n\u003ctd data-label=\"Masalah yang dapat diperiksa\"\u003ePerbedaan hasil akibat perubahan kriteria\u003c/td\u003e\n\u003c/tr\u003e\n\u003ctr\u003e\n\u003ctd data-label=\"Item yang dicatat\"\u003eID model respons yang sebenarnya\u003c/td\u003e\n\u003ctd data-label=\"Masalah yang dapat diperiksa\"\u003eDampak perubahan model\u003c/td\u003e\n\u003c/tr\u003e\n\u003ctr\u003e\n\u003ctd data-label=\"Item yang dicatat\"\u003eJawaban dan distribusi probabilitas\u003c/td\u003e\n\u003ctd data-label=\"Masalah yang dapat diperiksa\"\u003eAlasan penanganan kasus yang ambigu\u003c/td\u003e\n\u003c/tr\u003e\n\u003ctr\u003e\n\u003ctd data-label=\"Item yang dicatat\"\u003eTindakan yang dijalankan kode\u003c/td\u003e\n\u003ctd data-label=\"Masalah yang dapat diperiksa\"\u003eKetidaksesuaian antara keputusan dan pelaksanaan\u003c/td\u003e\n\u003c/tr\u003e\n\u003ctr\u003e\n\u003ctd data-label=\"Item yang dicatat\"\u003eHasil yang diperiksa manusia\u003c/td\u003e\n\u003ctd data-label=\"Masalah yang dapat diperiksa\"\u003eKesalahan aktual dan riwayat perbaikan\u003c/td\u003e\n\u003c/tr\u003e\n\u003c/tbody\u003e\n\u003c/table\u003e\u003c/div\u003e\n\u003cp\u003eAlias nama model dapat diubah agar mengarah ke versi baru. Versi yang telah divalidasi dapat ditetapkan menggunakan ID model. Cara pengoperasian ini dijelaskan dalam \u003ca href=\"https://docs.typesafe.ai/models\"\u003edokumentasi Models dari TypeSafe\u003c/a\u003e.\u003c/p\u003e\n\u003cp\u003eTentukan kriteria pengalihan ke peninjauan berdasarkan kasus nyata. Evaluasi biaya kesalahan klasifikasi bersama dengan beban peninjauan oleh manusia. Tidak ada nilai ambang tingkat keyakinan yang berlaku secara universal. Metode validasinya dapat merujuk pada panduan dalam \u003ca href=\"https://docs.typesafe.ai/confidence\"\u003edokumentasi Confidence\u003c/a\u003e.\u003c/p\u003e\n","tags":["AI generatif","Agen AI","Pengembangan AI","Pengambilan keputusan","Alat pengembangan"],"faqs":[{"question":"Jev adalah AI seperti apa?","answer":"Jev adalah model untuk pengambilan keputusan perangkat lunak yang dikembangkan oleh TypeSafe AI. Model ini memberikan jawaban yang telah ditentukan sebelumnya beserta probabilitasnya."},{"question":"Apa arti System One Model?","answer":"Ini adalah sebutan yang diberikan TypeSafe untuk model pengambilan keputusan yang cepat dan memiliki cakupan tertentu. Namanya diambil dari konsep pemikiran yang cepat dan intuitif."},{"question":"Apakah Jev menggantikan semua LLM percakapan?","answer":"Jev tidak menghasilkan teks penjelasan secara bebas. Jika membutuhkan percakapan dan penulisan, Jev dapat digunakan bersama model generatif."},{"question":"Apa bedanya dengan keluaran JSON dari LLM?","answer":"LLM juga dapat mendukung keluaran terstruktur. Jev adalah model yang dirancang untuk mengambil keputusan dalam cakupan jawaban yang telah ditentukan. Meskipun format responsnya sama, perilaku evaluasinya dapat berbeda."},{"question":"Bagaimana cara membedakan Choice dan Score?","answer":"Jika memilih satu dari beberapa opsi yang tidak berurutan, gunakan Choice. Jika mengevaluasi berdasarkan kriteria yang berurutan, seperti dari rendah hingga tinggi, gunakan Score."},{"question":"Apakah nilai Noul yang rendah berarti tingkat keyakinannya rendah?","answer":"Noul menunjukkan probabilitas jawaban ya. Jika nilainya mendekati 0, hasilnya menunjukkan keputusan yang condong ke tidak. Tidak ada kolom tingkat keyakinan terpisah."},{"question":"Apakah tingkat keyakinan 92% berarti tingkat ketepatannya 92%?","answer":"Tidak dapat ditafsirkan demikian. Tingkat keyakinan adalah nilai yang merangkum distribusi probabilitas jawaban. Tingkat ketepatan sebenarnya harus diukur menggunakan kasus yang jawaban benarnya telah dikonfirmasi."},{"question":"Berapa biaya penggunaan Jev?","answer":"Tarif yang diumumkan pada 15 September 2026 adalah 0.042 dolar per 1 juta token masukan. Saat itu, token keluaran diinformasikan gratis. Periksa tarif terbaru dalam dokumentasi TypeSafe Models."},{"question":"Apakah selalu merespons dalam waktu 0.1 detik?","answer":"Hal tersebut belum dikonfirmasi sebagai jaminan yang berlaku untuk semua permintaan. Rentang yang disebutkan dalam pengumuman peluncuran perusahaan adalah 70-500 milidetik. Ukur latensi aktual berdasarkan masukan dan lingkungan koneksi."},{"question":"Apakah demonstrasi Doom menganalisis layar permainan secara langsung?","answer":"TypeSafe menjelaskan bahwa demonstrasi tersebut menggunakan status permainan yang disusun dalam bentuk teks. Demonstrasi itu tidak menggunakan gambar itu sendiri sebagai masukan."},{"question":"Apakah masukan boleh menggunakan bahasa Korea?","answer":"Masukan nonbahasa Inggris seperti bahasa Korea juga dapat diproses. Namun, dokumentasi resmi menyatakan bahwa akurasinya paling baik dalam bahasa Inggris. Lakukan verifikasi terpisah menggunakan kasus pekerjaan berbahasa Korea."},{"question":"Apakah Jev dapat digunakan untuk perhitungan angka dan perbandingan tanggal?","answer":"Dokumentasi keterbatasan Jev 1.13 menjelaskan bahwa model ini memiliki kelemahan dalam perhitungan yang akurat. Perbandingan urutan tanggal juga merupakan keterbatasan yang telah diketahui. Disarankan agar perhitungan dan perbandingan diproses menggunakan kode."},{"question":"Apakah Jev juga dapat digunakan di Vercel dan OpenRouter?","answer":"Vercel memberikan panduan cara menghubungkan melalui fitur evaluasi AI Gateway. OpenRouter juga memiliki halaman model Jev 1.13. Periksa ketentuan penggunaan dan format permintaan untuk setiap jalur."},{"question":"Apakah model yang sedang digunakan dapat berubah?","answer":"Alias yang menunjuk ke versi terbaru dapat dialihkan ke model baru. Model ID yang telah diverifikasi dapat dikunci. Catat juga model ID aktual yang disertakan dalam respons."}],"sources":[{"url":"https://typesafe.ai/blog/introducing-system-one-models-and-jev","title":"TypeSafe AI, Memperkenalkan Model System One \u0026 Jev, 15 September 2026","type":"source"},{"url":"https://docs.typesafe.ai/concepts/system-one","title":"Dokumentasi TypeSafe AI, System One","type":"source"},{"url":"https://docs.typesafe.ai/introduction","title":"Dokumentasi TypeSafe AI, Pengantar","type":"source"},{"url":"https://docs.typesafe.ai/primitives/score","title":"Dokumentasi TypeSafe AI, Skor","type":"source"},{"url":"https://docs.typesafe.ai/primitives/noul","title":"Dokumentasi TypeSafe AI, Noul","type":"source"},{"url":"https://docs.typesafe.ai/confidence","title":"Dokumentasi TypeSafe AI, Keyakinan","type":"source"},{"url":"https://docs.typesafe.ai/models","title":"Dokumentasi TypeSafe AI, Model","type":"data_point"},{"url":"https://docs.typesafe.ai/model-jaggedness/jev-1.13","title":"Dokumentasi TypeSafe AI, ketidakrataan Jev 1.13, ditinjau pada 17 September 2026","type":"source"},{"url":"https://docs.typesafe.ai/introduction/quickstart","title":"Dokumentasi TypeSafe AI, Mulai cepat","type":"source"},{"url":"https://vercel.com/i/what-is-jev","title":"Vercel, Apa itu Jev, model System One milik TypeSafe AI?, 18 September 2026","type":"source"},{"url":"https://vercel.com/docs/ai-gateway/modalities/evaluation","title":"Dokumentasi Vercel AI Gateway, Evaluasi","type":"source"},{"url":"https://openrouter.ai/typesafe/jev-1.13/","title":"OpenRouter, TypeSafe: Jev 1.13","type":"source"}],"images":[{"id":1451,"url":"https://injoys.com/rails/active_storage/blobs/proxy/eyJfcmFpbHMiOnsiZGF0YSI6MjEwNTYsInB1ciI6ImJsb2JfaWQifX0=--e6b978aedcb8b8e82ef1491cad6918fb7c29680e/ai-92117be8.webp","is_representative":true,"generation_method":"ai_photo","license":"ai_generated","mime_type":"image/webp","width":1536,"height":1024,"translations":{"ko":{"alt":"식당 카운터에서 태블릿의 차트와 데이터를 살펴보는 여성","caption":"한 여성이 태블릿과 인쇄된 자료를 비교하며 데이터를 검토하고 있다.","description":null},"en":{"alt":"Woman reviewing charts and data on a tablet at a restaurant counter","caption":"A woman compares information on a tablet with a printed report.","description":null},"ja":{"alt":"飲食店のカウンターでタブレットのグラフとデータを確認する女性","caption":"女性がタブレットの情報と印刷資料を見比べている。","description":null},"es":{"alt":"Mujer revisando gráficos y datos en una tableta en el mostrador de un restaurante","caption":"Una mujer compara la información de una tableta con un informe impreso.","description":null},"id":{"alt":"Perempuan meninjau grafik dan data di tablet pada meja restoran","caption":"Seorang perempuan membandingkan informasi di tablet dengan laporan cetak.","description":null},"pt":{"alt":"Mulher analisando gráficos e dados em um tablet no balcão de um restaurante","caption":"Uma mulher compara informações no tablet com um relatório impresso.","description":null},"zh-hant":{"alt":"女子在餐廳櫃檯查看平板上的圖表與資料","caption":"一名女子正比對平板上的資訊與紙本報表。","description":null},"de":{"alt":"Frau prüft Diagramme und Daten auf einem Tablet an einem Restauranttresen","caption":"Eine Frau vergleicht Informationen auf einem Tablet mit einem gedruckten Bericht.","description":null}}},{"id":1452,"url":"https://injoys.com/rails/active_storage/blobs/proxy/eyJfcmFpbHMiOnsiZGF0YSI6MjEwNjMsInB1ciI6ImJsb2JfaWQifX0=--595ff001fb75deadb34c8a35159d13264fa08279/ai-2475489e.webp","is_representative":false,"generation_method":"ai_semi","license":"ai_generated","mime_type":"image/webp","width":1536,"height":1024,"translations":{"ko":{"alt":"카페에서 태블릿의 차트와 문서를 살펴보는 여성, 옆에 시스템 흐름 아이콘이 표시됨","caption":"태블릿의 데이터를 검토하는 장면 위로 시스템 구성과 사용자 흐름을 나타내는 아이콘이 겹쳐 보인다.","description":null},"en":{"alt":"Woman reviewing charts on a tablet in a café with overlaid system workflow icons","caption":"System components and a user flow are visualized beside a woman analyzing data on a tablet.","description":null},"ja":{"alt":"カフェでタブレットのグラフを確認する女性と、重ねて表示されたシステムフローのアイコン","caption":"タブレットでデータを分析する女性の横に、システム構成とユーザーフローが示されている。","description":null},"es":{"alt":"Mujer revisando gráficos en una tableta en una cafetería con iconos de flujo del sistema","caption":"Los iconos junto a la mujer representan componentes del sistema y un flujo dirigido al usuario.","description":null},"id":{"alt":"Perempuan meninjau grafik di tablet dalam kafe dengan ikon alur sistem di sampingnya","caption":"Ikon di samping perempuan tersebut menggambarkan komponen sistem dan alur menuju pengguna.","description":null},"pt":{"alt":"Mulher analisando gráficos em um tablet em um café com ícones de fluxo do sistema","caption":"Os ícones ao lado da mulher representam componentes do sistema e um fluxo direcionado ao usuário.","description":null},"zh-hant":{"alt":"女子在咖啡廳查看平板上的圖表，旁邊疊加系統流程圖示","caption":"女子分析平板資料時，畫面以圖示呈現系統元件與使用者流程。","description":null},"de":{"alt":"Frau prüft Diagramme auf einem Tablet in einem Café, daneben Symbole für einen Systemablauf","caption":"Die Symbole neben der Frau veranschaulichen Systemkomponenten und einen Ablauf zum Nutzer.","description":null}}}],"published_at":"2026-09-22T04:13:16+09:00","updated_at":"2026-09-22T04:13:16+09:00","license":"cc_by","translation_status":"reviewed","available_locales":["ko","en","ja","es"],"data_locales":["ko","en","ja","es","id","pt","zh-hant","de"],"url":"https://injoys.com/en/articles/jev-system-one-model-llm-comparison"}