{"content_id":"klwm55imio","slug":"jev-decision-model-branching-design-and-limitations","locale":"pt","schema_type":"TechArticle","category":"knowledge_base","category_name":"Base de Conhecimento","title":"Modelo de decisão Jev: design de ramificações e limites","summary":"Jev é o modelo de decisão da TypeSafe AI que retorna opções predefinidas e probabilidades. O texto explica como conectar cada tipo de pergunta ao código e como funciona a inferência de tipos, além de abordar a interpretação da confiança e os pontos a verificar na aplicação ao coreano.","sponsorship_disclosure":null,"affiliate_disclosure":null,"commerce_disclosure":null,"author":{"name":"injoys","url":"https://injoys.com/ko/about"},"key_points":["Jev retorna opções e probabilidades que o código pode usar, em vez de frases livres.","Choice trata da escolha de categorias, Score da avaliação por etapas e Noul da probabilidade de algo ser verdadeiro.","O SDK de TypeScript infere o tipo da resposta a partir da definição da pergunta.","confidence é um valor que resume a distribuição de probabilidades, não a taxa de acerto em si.","Serviços em coreano devem avaliar conjuntamente a taxa de processamento automático e a taxa de decisões equivocadas com dados próprios."],"content_markdown":"Jev é um modelo de decisão da TypeSafe AI que retorna opções predefinidas e probabilidades. É adequado para conectar julgamentos sobre linguagem natural a condições de ramificação no código. Ele restringe o formato da saída, mas não garante a precisão do julgamento.\n\nOs preços seguem o anúncio de 15 de setembro de 2026, e as limitações seguem a documentação consultada em 17 de setembro.\n\n## Que tipo de tarefa o Jev realiza?\n\nJev lê a entrada e retorna respostas estruturadas a perguntas predefinidas. O conteúdo a ser avaliado vai em `state`. Os critérios de julgamento são definidos em `questions`. As respostas retornadas podem ser usadas para classificação ou definição de prioridades.\n\nA TypeSafe AI chama essa abordagem de modelo System One. Seu método de treinamento é descrito como RLCD, uma forma de aprendizado por reforço voltada à calibração das probabilidades dos julgamentos. Ainda assim, a precisão deve ser validada separadamente para cada serviço.\n\nO documento oficial Introduction expressa o princípio de design da seguinte forma.\n\n\u003e Atomic questions, composed in code\n\u003e\n\u003e TypeSafe AI, Introduction\n\nIsso significa atribuir um único julgamento a cada pergunta. A combinação de vários julgamentos é tratada no código. As perguntas de uma mesma solicitação avaliam o mesmo estado de forma independente. A estrutura está detalhada em [TypeSafe AI Introduction](https://docs.typesafe.ai/introduction).\n\n## Comparação entre Choice, Score e Noul\n\nEscolha o tipo de pergunta conforme a forma como a resposta será usada no código. Identificar o departamento responsável é uma questão de escolha entre categorias. Avaliar a gravidade envolve níveis ordenados. A presença de uma solicitação específica pode ser dividida entre verdadeiro e falso.\n\n| Tipo | O que pergunta | Principais valores retornados | Uso no código |\n| --- | --- | --- | --- |\n| Choice | A qual das categorias definidas pertence | `choice`, `probabilities`, `confidence` | Ramificação com `switch` |\n| Score | Em qual dos níveis descritos se enquadra | `score`, `probabilities`, `confidence` | Comparação da pontuação com um limite |\n| Noul | Se uma condição específica é verdadeira | `noul` | Comparação da probabilidade antes de uma ramificação com `if` |\n\n### Como definir as opções de Choice?\n\nChoice aceita até 255 opções por pergunta. Ele avalia o nome e a descrição de cada opção. Se também puderem chegar entradas que não se encaixem na lista, considere incluir uma opção como `other`. Isso ajuda a reduzir classificações forçadas.\n\nChoice seleciona uma das opções fornecidas. Para avaliar separadamente se todas as opções são inadequadas, é preciso acrescentar outra pergunta. A soma das probabilidades retornadas é 1. As definições e restrições estão na [documentação de Choice](https://docs.typesafe.ai/primitives/choice).\n\n### Qual é a diferença entre Score e Noul?\n\nScore avalia em qual dos níveis descritos uma entrada se enquadra. A numeração dos níveis começa em 0. O resultado é a média ponderada pelas probabilidades dos números dos níveis. Por isso, ele também pode retornar uma pontuação não inteira.\n\nNoul retorna a probabilidade de uma condição ser verdadeira, entre 0 e 1. Um valor próximo de 0.5 significa que as probabilidades de verdadeiro e falso são semelhantes. Não deve ser interpretado como um grau intermediário de insatisfação. Para medir a intensidade, use [Score](https://docs.typesafe.ai/primitives/score); para perguntar se algo está presente, use [Noul](https://docs.typesafe.ai/primitives/noul).\n\n## Comparação de papéis com código convencional e modelos generativos\n\nDeixe os cálculos exatos para o código e atribua ao modelo apenas julgamentos de significado. Redigir um novo texto é tarefa de um modelo generativo. Jev é adequado para julgamentos com respostas delimitadas. Essa distinção ajuda a definir quais funcionalidades existentes devem ser substituídas.\n\n| Condição da tarefa | Forma de processamento adequada | Motivo |\n| --- | --- | --- |\n| Calcular o intervalo entre datas ou o número de itens | Código convencional | Pode ser calculado exatamente segundo regras |\n| Classificar o departamento responsável por uma consulta de cliente | Jev Choice | Julgamento de significado entre opções definidas |\n| Avaliar a gravidade de um relatório de incidente | Jev Score | Julgamento entre níveis descritos |\n| Verificar se há uma solicitação de contato com um atendente | Jev Noul | Julgamento sobre a presença de uma intenção específica |\n| Redigir uma resposta ou fazer um resumo livre | Modelo generativo | Exige a criação de um novo texto |\n\nAo processar saídas de texto, pode ser necessário ter código para validar o formato. Jev retorna diretamente respostas no formato definido. Isso não elimina, porém, toda validação nem todas as novas tentativas. O SDK oficial também oferece uma política de novas tentativas para lidar, por exemplo, com erros de comunicação.\n\nContinue projetando separadamente a validação de entradas externas e a verificação das regras de negócio. Mesmo que a resposta do modelo tenha o tipo correto, ela pode estar errada para a operação. Essa distinção é uma interpretação de design baseada nos documentos oficiais [Client SDKs](https://docs.typesafe.ai/sdk) e [limitações do modelo](https://docs.typesafe.ai/model-jaggedness/jev-1.13).\n\n## Definição de perguntas e tipos de resposta em TypeScript\n\nO SDK de TypeScript infere o tipo do valor retornado a partir da definição das perguntas. As chaves das opções de Choice se tornam os valores permitidos para a resposta. Assim, comparações com strings não permitidas podem ser detectadas durante a compilação. O SDK exige Node.js 20 ou superior.\n\nO código abaixo é um exemplo explicativo adaptado da forma de chamada do SDK oficial. Não é um exemplo de medição de resultados de execução ou de precisão. É necessário configurar a variável de ambiente `TYPESAFE_API_KEY`.\n\n```typescript\nimport { TypeSafeClient, choice } from \"@typesafe-ai/sdk\";\n\nconst api = new TypeSafeClient();\n\nasync function classifyMessage(message: string) {\n  const result = await api.systemOne({\n    model: \"jev-1.13.0\",\n    state: { message },\n    questions: {\n      topic: choice(\"Classify the subject of message.\", {\n        account: \"Account access or password problems\",\n        delivery: \"Shipment tracking or delivery problems\",\n        other: \"Any subject outside those categories\",\n      }),\n    },\n  });\n\n  return result.answers.topic;\n}\n```\n\nO tipo de `choice` neste exemplo é `account | delivery | other`. No TypeScript real, essas strings são tipos literais indicados entre aspas. A verificação de tipos, porém, não determina se a consulta foi classificada corretamente. Consulte a [documentação do SDK de JavaScript](https://docs.typesafe.ai/sdk/javascript) para conferir a instalação e o formato das chamadas.\n\n## Exemplo de cálculo de confiança e erros comuns\n\n`confidence` é um valor que resume as probabilidades retornadas. Não é o mesmo número que a probabilidade da resposta escolhida. Também não deve ser interpretado diretamente como taxa real de acerto. Essa diferença exige atenção especial ao definir critérios de execução automática.\n\nA fórmula oficial de Choice é a seguinte.\n\n`confidence = (probabilidade máxima - 1 / número de opções) / (1 - 1 / número de opções)`\n\nA distribuição de probabilidades no documento oficial é `0.6, 0.3, 0.1`. Há 3 opções. Substituindo a probabilidade máxima por 0.6, o confidence é 0.4. A probabilidade de 60% da opção escolhida e a confiança de 0.4 são métricas diferentes.\n\n| Interpretação comum | Interpretação correta |\n| --- | --- |\n| Confidence 0.4 significa taxa de acerto de 40% | Valor que resume a distribuição de probabilidades segundo a fórmula |\n| Noul 0.5 significa um nível moderado | As probabilidades atribuídas a verdadeiro e falso são semelhantes |\n| As casas decimais de Score são uma medição precisa | Média ponderada pelas probabilidades dos números dos níveis definidos |\n| Confiança alta permite dispensar a verificação de permissões | Permissões e condições de execução devem ser verificadas em código separado |\n\nO significado dos números se baseia na [documentação de Confidence](https://docs.typesafe.ai/confidence). A recomendação de separar a verificação de permissões é uma proposta de design para aplicar isso à operação.\n\n## Como comparar preços e tempos de resposta?\n\nO preço anunciado é de 0.042 dólar por 1 milhão de tokens de entrada. Os tokens de saída foram informados como gratuitos. A faixa de tempo de resposta anunciada é de 70~500 milissegundos. Esses números seguem o anúncio da empresa de 15 de setembro de 2026.\n\nAs comparações em múltiplos feitas pela empresa vieram da avaliação de um fluxo de trabalho específico. Em vez das respostas corretas reais, foi usada como referência a média das previsões de outros modelos de grande porte. A avaliação de velocidade foi realizada principalmente na costa oeste dos Estados Unidos. Portanto, ela não representa a precisão em todas as tarefas nem o tempo de resposta na Coreia.\n\n| Item de comparação | O que verificar |\n| --- | --- |\n| Custo da API | Consumo real de tokens de entrada e preço aplicado |\n| Tempo de resposta | Tempo de ida e volta na região onde o serviço é executado |\n| Precisão | Resultados de uma amostra de tarefas reais com respostas corretas atribuídas |\n| Custo operacional | Custo que inclui novas tentativas e revisão humana |\n\nComparar apenas os preços pode deixar passar situações em que o trabalho de revisão aumenta. Para decidir pela adoção, é preciso considerar o custo até a conclusão do processamento. As condições dos números anunciados estão no [anúncio público do Jev](https://typesafe.ai/blog/introducing-system-one-models-and-jev).\n\n## Nove limitações do Jev 1.13\n\nA documentação oficial organiza os modos de falha do Jev 1.13 em nove tipos. Esta lista segue a documentação consultada em 17 de setembro de 2026. O sucesso em alguns casos não garante a confiabilidade para a tarefa.\n\n| Tipo de falha | Medida de design |\n| --- | --- |\n| Interpretação literal da redação | Explicitar condições implícitas nas instruções |\n| Cálculos e contagem de itens | Tratar a aritmética no código |\n| Comparação de datas e horários | Construir as datas e compará-las no código |\n| Dupla negação e raciocínio em várias etapas | Separar em perguntas diretas |\n| Entrada com muito conteúdo irrelevante | Enviar apenas os campos necessários |\n| Entrada que induz um julgamento | Fazer uma avaliação prévia que inclua frases indutoras |\n| Conflito entre instruções e critérios de escolha | Alinhar o significado da pergunta e dos critérios |\n| Falta de consistência matemática entre perguntas | Gerenciar as relações lógicas no código |\n| Geração livre de texto | Usar um modelo generativo |\n\nO mesmo significado pode receber probabilidades diferentes em Noul e Choice. Não transfira diretamente para um tipo um limite ajustado para outro. A referência é [Jev 1.13 jaggedness](https://docs.typesafe.ai/model-jaggedness/jev-1.13).\n\n## Condições de aplicação em serviços em coreano\n\nEntradas em coreano são processadas, mas não há garantia de desempenho equivalente ao do inglês. A documentação oficial explica que o principal idioma de treinamento é o inglês. Ela também aponta diferenças de desempenho para idiomas escritos com caracteres CJK, incluindo o coreano. Não apresenta um número geral de precisão para o coreano.\n\nDecida sobre a aplicação em coreano com base em uma amostra própria. É recomendável incluir consultas com expressões indiretas e omissões. Avaliar apenas textos traduzidos pode deixar de fora diferenças na forma como os clientes realmente escrevem. Esta é uma proposta de avaliação que considera as diferenças de desempenho entre idiomas.\n\n- Avaliar separadamente solicitações claras e ambíguas\n- Apurar separadamente a classificação por departamento e a avaliação de sentimento\n- Revalidar em coreano os limites definidos em inglês\n- Comparar a mesma amostra antes e depois de uma mudança de modelo\n\nQuando uma nova versão é lançada, o modelo para o qual `jev-latest` aponta muda. Se os limites foram ajustados para uma versão específica, considere fixar essa versão. As políticas de idioma e versão podem ser consultadas na [documentação oficial de Models](https://docs.typesafe.ai/models).\n\n## A taxa de processamento automático que é fácil ignorar ao avaliar a troca de modelo\n\nAo avaliar a troca de modelo, é preciso considerar tanto a precisão geral quanto a taxa de processamento automático. Se todos os casos ambíguos forem encaminhados a pessoas, o volume processado automaticamente diminuirá. Se o escopo do processamento automático for ampliado, os casos de execução incorreta poderão aumentar. O método de avaliação a seguir amplia o critério de ramificação por confiança da documentação oficial.\n\n| Métrica | Método de cálculo ou registro | Objetivo |\n| --- | --- | --- |\n| Taxa de processamento automático | Número de casos processados automaticamente / número total de casos avaliados | Trabalho manual efetivamente reduzido |\n| Taxa de erro no processamento automático | Número de erros entre os casos processados automaticamente / número de casos processados automaticamente | Qualidade dos resultados da automação |\n| Taxa de revisão humana | Número de casos enviados para revisão / número total de casos avaliados | Carga de revisão restante |\n| Tempo até a conclusão | Medido da entrada até a conclusão final | Tempo de espera, incluindo a revisão |\n\nSe não houver casos processados automaticamente, não é possível calcular a taxa de erro no processamento automático. Nesse caso, registre como impossível de calcular, não como 0%. É preciso manter o denominador de cada métrica para comparar os modelos.\n\nA avaliação pode seguir esta ordem.\n\n1. Peça a pessoas que atribuam as respostas corretas a uma amostra de tarefas reais.\n2. Fixe a redação das perguntas e a definição das opções.\n3. Registre a versão do modelo, as probabilidades e a ramificação final.\n4. Compare a taxa de processamento automático e a taxa de erro para cada limite.\n5. Defina os critérios operacionais conforme o nível de erro aceitável.\n\nNão existe um limite universalmente correto. Os critérios devem considerar o impacto de uma execução incorreta. Os princípios de ramificação que servem de ponto de partida estão na [documentação de Confidence](https://docs.typesafe.ai/confidence).","content_html":"\u003cp\u003eJev é um modelo de decisão da TypeSafe AI que retorna opções predefinidas e probabilidades. É adequado para conectar julgamentos sobre linguagem natural a condições de ramificação no código. Ele restringe o formato da saída, mas não garante a precisão do julgamento.\u003c/p\u003e\n\u003cp\u003eOs preços seguem o anúncio de 15 de setembro de 2026, e as limitações seguem a documentação consultada em 17 de setembro.\u003c/p\u003e\n\u003ch2\u003e\n\u003ca href=\"#que-tipo-de-tarefa-o-jev-realiza\" class=\"anchor\" id=\"que-tipo-de-tarefa-o-jev-realiza\"\u003e\u003c/a\u003eQue tipo de tarefa o Jev realiza?\u003c/h2\u003e\n\u003cp\u003eJev lê a entrada e retorna respostas estruturadas a perguntas predefinidas. O conteúdo a ser avaliado vai em \u003ccode\u003estate\u003c/code\u003e. Os critérios de julgamento são definidos em \u003ccode\u003equestions\u003c/code\u003e. As respostas retornadas podem ser usadas para classificação ou definição de prioridades.\u003c/p\u003e\n\u003cp\u003eA TypeSafe AI chama essa abordagem de modelo System One. Seu método de treinamento é descrito como RLCD, uma forma de aprendizado por reforço voltada à calibração das probabilidades dos julgamentos. Ainda assim, a precisão deve ser validada separadamente para cada serviço.\u003c/p\u003e\n\u003cp\u003eO documento oficial Introduction expressa o princípio de design da seguinte forma.\u003c/p\u003e\n\u003cblockquote\u003e\n\u003cp\u003eAtomic questions, composed in code\u003c/p\u003e\n\u003cp\u003eTypeSafe AI, Introduction\u003c/p\u003e\n\u003c/blockquote\u003e\n\u003cp\u003eIsso significa atribuir um único julgamento a cada pergunta. A combinação de vários julgamentos é tratada no código. As perguntas de uma mesma solicitação avaliam o mesmo estado de forma independente. A estrutura está detalhada em \u003ca href=\"https://docs.typesafe.ai/introduction\"\u003eTypeSafe AI Introduction\u003c/a\u003e.\u003c/p\u003e\n\u003ch2\u003e\n\u003ca href=\"#compara%C3%A7%C3%A3o-entre-choice-score-e-noul\" class=\"anchor\" id=\"comparação-entre-choice-score-e-noul\"\u003e\u003c/a\u003eComparação entre Choice, Score e Noul\u003c/h2\u003e\n\u003cp\u003eEscolha o tipo de pergunta conforme a forma como a resposta será usada no código. Identificar o departamento responsável é uma questão de escolha entre categorias. Avaliar a gravidade envolve níveis ordenados. A presença de uma solicitação específica pode ser dividida entre verdadeiro e falso.\u003c/p\u003e\n\u003cdiv class=\"overflow-x-auto\"\u003e\u003ctable\u003e\n\u003cthead\u003e\n\u003ctr\u003e\n\u003cth\u003eTipo\u003c/th\u003e\n\u003cth\u003eO que pergunta\u003c/th\u003e\n\u003cth\u003ePrincipais valores retornados\u003c/th\u003e\n\u003cth\u003eUso no código\u003c/th\u003e\n\u003c/tr\u003e\n\u003c/thead\u003e\n\u003ctbody\u003e\n\u003ctr\u003e\n\u003ctd data-label=\"Tipo\"\u003eChoice\u003c/td\u003e\n\u003ctd data-label=\"O que pergunta\"\u003eA qual das categorias definidas pertence\u003c/td\u003e\n\u003ctd data-label=\"Principais valores retornados\"\u003e\n\u003ccode\u003echoice\u003c/code\u003e, \u003ccode\u003eprobabilities\u003c/code\u003e, \u003ccode\u003econfidence\u003c/code\u003e\n\u003c/td\u003e\n\u003ctd data-label=\"Uso no código\"\u003eRamificação com \u003ccode\u003eswitch\u003c/code\u003e\n\u003c/td\u003e\n\u003c/tr\u003e\n\u003ctr\u003e\n\u003ctd data-label=\"Tipo\"\u003eScore\u003c/td\u003e\n\u003ctd data-label=\"O que pergunta\"\u003eEm qual dos níveis descritos se enquadra\u003c/td\u003e\n\u003ctd data-label=\"Principais valores retornados\"\u003e\n\u003ccode\u003escore\u003c/code\u003e, \u003ccode\u003eprobabilities\u003c/code\u003e, \u003ccode\u003econfidence\u003c/code\u003e\n\u003c/td\u003e\n\u003ctd data-label=\"Uso no código\"\u003eComparação da pontuação com um limite\u003c/td\u003e\n\u003c/tr\u003e\n\u003ctr\u003e\n\u003ctd data-label=\"Tipo\"\u003eNoul\u003c/td\u003e\n\u003ctd data-label=\"O que pergunta\"\u003eSe uma condição específica é verdadeira\u003c/td\u003e\n\u003ctd data-label=\"Principais valores retornados\"\u003e\u003ccode\u003enoul\u003c/code\u003e\u003c/td\u003e\n\u003ctd data-label=\"Uso no código\"\u003eComparação da probabilidade antes de uma ramificação com \u003ccode\u003eif\u003c/code\u003e\n\u003c/td\u003e\n\u003c/tr\u003e\n\u003c/tbody\u003e\n\u003c/table\u003e\u003c/div\u003e\n\u003ch3\u003e\n\u003ca href=\"#como-definir-as-op%C3%A7%C3%B5es-de-choice\" class=\"anchor\" id=\"como-definir-as-opções-de-choice\"\u003e\u003c/a\u003eComo definir as opções de Choice?\u003c/h3\u003e\n\u003cp\u003eChoice aceita até 255 opções por pergunta. Ele avalia o nome e a descrição de cada opção. Se também puderem chegar entradas que não se encaixem na lista, considere incluir uma opção como \u003ccode\u003eother\u003c/code\u003e. Isso ajuda a reduzir classificações forçadas.\u003c/p\u003e\n\u003cp\u003eChoice seleciona uma das opções fornecidas. Para avaliar separadamente se todas as opções são inadequadas, é preciso acrescentar outra pergunta. A soma das probabilidades retornadas é 1. As definições e restrições estão na \u003ca href=\"https://docs.typesafe.ai/primitives/choice\"\u003edocumentação de Choice\u003c/a\u003e.\u003c/p\u003e\n\u003ch3\u003e\n\u003ca href=\"#qual-%C3%A9-a-diferen%C3%A7a-entre-score-e-noul\" class=\"anchor\" id=\"qual-é-a-diferença-entre-score-e-noul\"\u003e\u003c/a\u003eQual é a diferença entre Score e Noul?\u003c/h3\u003e\n\u003cp\u003eScore avalia em qual dos níveis descritos uma entrada se enquadra. A numeração dos níveis começa em 0. O resultado é a média ponderada pelas probabilidades dos números dos níveis. Por isso, ele também pode retornar uma pontuação não inteira.\u003c/p\u003e\n\u003cp\u003eNoul retorna a probabilidade de uma condição ser verdadeira, entre 0 e 1. Um valor próximo de 0.5 significa que as probabilidades de verdadeiro e falso são semelhantes. Não deve ser interpretado como um grau intermediário de insatisfação. Para medir a intensidade, use \u003ca href=\"https://docs.typesafe.ai/primitives/score\"\u003eScore\u003c/a\u003e; para perguntar se algo está presente, use \u003ca href=\"https://docs.typesafe.ai/primitives/noul\"\u003eNoul\u003c/a\u003e.\u003c/p\u003e\n\u003ch2\u003e\n\u003ca href=\"#compara%C3%A7%C3%A3o-de-pap%C3%A9is-com-c%C3%B3digo-convencional-e-modelos-generativos\" class=\"anchor\" id=\"comparação-de-papéis-com-código-convencional-e-modelos-generativos\"\u003e\u003c/a\u003eComparação de papéis com código convencional e modelos generativos\u003c/h2\u003e\n\u003cp\u003eDeixe os cálculos exatos para o código e atribua ao modelo apenas julgamentos de significado. Redigir um novo texto é tarefa de um modelo generativo. Jev é adequado para julgamentos com respostas delimitadas. Essa distinção ajuda a definir quais funcionalidades existentes devem ser substituídas.\u003c/p\u003e\n\u003cdiv class=\"overflow-x-auto\"\u003e\u003ctable\u003e\n\u003cthead\u003e\n\u003ctr\u003e\n\u003cth\u003eCondição da tarefa\u003c/th\u003e\n\u003cth\u003eForma de processamento adequada\u003c/th\u003e\n\u003cth\u003eMotivo\u003c/th\u003e\n\u003c/tr\u003e\n\u003c/thead\u003e\n\u003ctbody\u003e\n\u003ctr\u003e\n\u003ctd data-label=\"Condição da tarefa\"\u003eCalcular o intervalo entre datas ou o número de itens\u003c/td\u003e\n\u003ctd data-label=\"Forma de processamento adequada\"\u003eCódigo convencional\u003c/td\u003e\n\u003ctd data-label=\"Motivo\"\u003ePode ser calculado exatamente segundo regras\u003c/td\u003e\n\u003c/tr\u003e\n\u003ctr\u003e\n\u003ctd data-label=\"Condição da tarefa\"\u003eClassificar o departamento responsável por uma consulta de cliente\u003c/td\u003e\n\u003ctd data-label=\"Forma de processamento adequada\"\u003eJev Choice\u003c/td\u003e\n\u003ctd data-label=\"Motivo\"\u003eJulgamento de significado entre opções definidas\u003c/td\u003e\n\u003c/tr\u003e\n\u003ctr\u003e\n\u003ctd data-label=\"Condição da tarefa\"\u003eAvaliar a gravidade de um relatório de incidente\u003c/td\u003e\n\u003ctd data-label=\"Forma de processamento adequada\"\u003eJev Score\u003c/td\u003e\n\u003ctd data-label=\"Motivo\"\u003eJulgamento entre níveis descritos\u003c/td\u003e\n\u003c/tr\u003e\n\u003ctr\u003e\n\u003ctd data-label=\"Condição da tarefa\"\u003eVerificar se há uma solicitação de contato com um atendente\u003c/td\u003e\n\u003ctd data-label=\"Forma de processamento adequada\"\u003eJev Noul\u003c/td\u003e\n\u003ctd data-label=\"Motivo\"\u003eJulgamento sobre a presença de uma intenção específica\u003c/td\u003e\n\u003c/tr\u003e\n\u003ctr\u003e\n\u003ctd data-label=\"Condição da tarefa\"\u003eRedigir uma resposta ou fazer um resumo livre\u003c/td\u003e\n\u003ctd data-label=\"Forma de processamento adequada\"\u003eModelo generativo\u003c/td\u003e\n\u003ctd data-label=\"Motivo\"\u003eExige a criação de um novo texto\u003c/td\u003e\n\u003c/tr\u003e\n\u003c/tbody\u003e\n\u003c/table\u003e\u003c/div\u003e\n\u003cp\u003eAo processar saídas de texto, pode ser necessário ter código para validar o formato. Jev retorna diretamente respostas no formato definido. Isso não elimina, porém, toda validação nem todas as novas tentativas. O SDK oficial também oferece uma política de novas tentativas para lidar, por exemplo, com erros de comunicação.\u003c/p\u003e\n\u003cp\u003eContinue projetando separadamente a validação de entradas externas e a verificação das regras de negócio. Mesmo que a resposta do modelo tenha o tipo correto, ela pode estar errada para a operação. Essa distinção é uma interpretação de design baseada nos documentos oficiais \u003ca href=\"https://docs.typesafe.ai/sdk\"\u003eClient SDKs\u003c/a\u003e e \u003ca href=\"https://docs.typesafe.ai/model-jaggedness/jev-1.13\"\u003elimitações do modelo\u003c/a\u003e.\u003c/p\u003e\n\u003ch2\u003e\n\u003ca href=\"#defini%C3%A7%C3%A3o-de-perguntas-e-tipos-de-resposta-em-typescript\" class=\"anchor\" id=\"definição-de-perguntas-e-tipos-de-resposta-em-typescript\"\u003e\u003c/a\u003eDefinição de perguntas e tipos de resposta em TypeScript\u003c/h2\u003e\n\u003cp\u003eO SDK de TypeScript infere o tipo do valor retornado a partir da definição das perguntas. As chaves das opções de Choice se tornam os valores permitidos para a resposta. Assim, comparações com strings não permitidas podem ser detectadas durante a compilação. O SDK exige Node.js 20 ou superior.\u003c/p\u003e\n\u003cp\u003eO código abaixo é um exemplo explicativo adaptado da forma de chamada do SDK oficial. Não é um exemplo de medição de resultados de execução ou de precisão. É necessário configurar a variável de ambiente \u003ccode\u003eTYPESAFE_API_KEY\u003c/code\u003e.\u003c/p\u003e\n\u003cpre\u003e\u003ccode\u003e\u003cspan\u003eimport { TypeSafeClient, choice } from \"@typesafe-ai/sdk\";\n\u003c/span\u003e\u003cspan\u003e\n\u003c/span\u003e\u003cspan\u003econst api = new TypeSafeClient();\n\u003c/span\u003e\u003cspan\u003e\n\u003c/span\u003e\u003cspan\u003easync function classifyMessage(message: string) {\n\u003c/span\u003e\u003cspan\u003e  const result = await api.systemOne({\n\u003c/span\u003e\u003cspan\u003e    model: \"jev-1.13.0\",\n\u003c/span\u003e\u003cspan\u003e    state: { message },\n\u003c/span\u003e\u003cspan\u003e    questions: {\n\u003c/span\u003e\u003cspan\u003e      topic: choice(\"Classify the subject of message.\", {\n\u003c/span\u003e\u003cspan\u003e        account: \"Account access or password problems\",\n\u003c/span\u003e\u003cspan\u003e        delivery: \"Shipment tracking or delivery problems\",\n\u003c/span\u003e\u003cspan\u003e        other: \"Any subject outside those categories\",\n\u003c/span\u003e\u003cspan\u003e      }),\n\u003c/span\u003e\u003cspan\u003e    },\n\u003c/span\u003e\u003cspan\u003e  });\n\u003c/span\u003e\u003cspan\u003e\n\u003c/span\u003e\u003cspan\u003e  return result.answers.topic;\n\u003c/span\u003e\u003cspan\u003e}\n\u003c/span\u003e\u003c/code\u003e\u003c/pre\u003e\n\u003cp\u003eO tipo de \u003ccode\u003echoice\u003c/code\u003e neste exemplo é \u003ccode\u003eaccount | delivery | other\u003c/code\u003e. No TypeScript real, essas strings são tipos literais indicados entre aspas. A verificação de tipos, porém, não determina se a consulta foi classificada corretamente. Consulte a \u003ca href=\"https://docs.typesafe.ai/sdk/javascript\"\u003edocumentação do SDK de JavaScript\u003c/a\u003e para conferir a instalação e o formato das chamadas.\u003c/p\u003e\n\u003ch2\u003e\n\u003ca href=\"#exemplo-de-c%C3%A1lculo-de-confian%C3%A7a-e-erros-comuns\" class=\"anchor\" id=\"exemplo-de-cálculo-de-confiança-e-erros-comuns\"\u003e\u003c/a\u003eExemplo de cálculo de confiança e erros comuns\u003c/h2\u003e\n\u003cp\u003e\u003ccode\u003econfidence\u003c/code\u003e é um valor que resume as probabilidades retornadas. Não é o mesmo número que a probabilidade da resposta escolhida. Também não deve ser interpretado diretamente como taxa real de acerto. Essa diferença exige atenção especial ao definir critérios de execução automática.\u003c/p\u003e\n\u003cp\u003eA fórmula oficial de Choice é a seguinte.\u003c/p\u003e\n\u003cp\u003e\u003ccode\u003econfidence = (probabilidade máxima - 1 / número de opções) / (1 - 1 / número de opções)\u003c/code\u003e\u003c/p\u003e\n\u003cp\u003eA distribuição de probabilidades no documento oficial é \u003ccode\u003e0.6, 0.3, 0.1\u003c/code\u003e. Há 3 opções. Substituindo a probabilidade máxima por 0.6, o confidence é 0.4. A probabilidade de 60% da opção escolhida e a confiança de 0.4 são métricas diferentes.\u003c/p\u003e\n\u003cdiv class=\"overflow-x-auto\"\u003e\u003ctable\u003e\n\u003cthead\u003e\n\u003ctr\u003e\n\u003cth\u003eInterpretação comum\u003c/th\u003e\n\u003cth\u003eInterpretação correta\u003c/th\u003e\n\u003c/tr\u003e\n\u003c/thead\u003e\n\u003ctbody\u003e\n\u003ctr\u003e\n\u003ctd data-label=\"Interpretação comum\"\u003eConfidence 0.4 significa taxa de acerto de 40%\u003c/td\u003e\n\u003ctd data-label=\"Interpretação correta\"\u003eValor que resume a distribuição de probabilidades segundo a fórmula\u003c/td\u003e\n\u003c/tr\u003e\n\u003ctr\u003e\n\u003ctd data-label=\"Interpretação comum\"\u003eNoul 0.5 significa um nível moderado\u003c/td\u003e\n\u003ctd data-label=\"Interpretação correta\"\u003eAs probabilidades atribuídas a verdadeiro e falso são semelhantes\u003c/td\u003e\n\u003c/tr\u003e\n\u003ctr\u003e\n\u003ctd data-label=\"Interpretação comum\"\u003eAs casas decimais de Score são uma medição precisa\u003c/td\u003e\n\u003ctd data-label=\"Interpretação correta\"\u003eMédia ponderada pelas probabilidades dos números dos níveis definidos\u003c/td\u003e\n\u003c/tr\u003e\n\u003ctr\u003e\n\u003ctd data-label=\"Interpretação comum\"\u003eConfiança alta permite dispensar a verificação de permissões\u003c/td\u003e\n\u003ctd data-label=\"Interpretação correta\"\u003ePermissões e condições de execução devem ser verificadas em código separado\u003c/td\u003e\n\u003c/tr\u003e\n\u003c/tbody\u003e\n\u003c/table\u003e\u003c/div\u003e\n\u003cp\u003eO significado dos números se baseia na \u003ca href=\"https://docs.typesafe.ai/confidence\"\u003edocumentação de Confidence\u003c/a\u003e. A recomendação de separar a verificação de permissões é uma proposta de design para aplicar isso à operação.\u003c/p\u003e\n\u003ch2\u003e\n\u003ca href=\"#como-comparar-pre%C3%A7os-e-tempos-de-resposta\" class=\"anchor\" id=\"como-comparar-preços-e-tempos-de-resposta\"\u003e\u003c/a\u003eComo comparar preços e tempos de resposta?\u003c/h2\u003e\n\u003cp\u003eO preço anunciado é de 0.042 dólar por 1 milhão de tokens de entrada. Os tokens de saída foram informados como gratuitos. A faixa de tempo de resposta anunciada é de 70~500 milissegundos. Esses números seguem o anúncio da empresa de 15 de setembro de 2026.\u003c/p\u003e\n\u003cp\u003eAs comparações em múltiplos feitas pela empresa vieram da avaliação de um fluxo de trabalho específico. Em vez das respostas corretas reais, foi usada como referência a média das previsões de outros modelos de grande porte. A avaliação de velocidade foi realizada principalmente na costa oeste dos Estados Unidos. Portanto, ela não representa a precisão em todas as tarefas nem o tempo de resposta na Coreia.\u003c/p\u003e\n\u003cdiv class=\"overflow-x-auto\"\u003e\u003ctable\u003e\n\u003cthead\u003e\n\u003ctr\u003e\n\u003cth\u003eItem de comparação\u003c/th\u003e\n\u003cth\u003eO que verificar\u003c/th\u003e\n\u003c/tr\u003e\n\u003c/thead\u003e\n\u003ctbody\u003e\n\u003ctr\u003e\n\u003ctd data-label=\"Item de comparação\"\u003eCusto da API\u003c/td\u003e\n\u003ctd data-label=\"O que verificar\"\u003eConsumo real de tokens de entrada e preço aplicado\u003c/td\u003e\n\u003c/tr\u003e\n\u003ctr\u003e\n\u003ctd data-label=\"Item de comparação\"\u003eTempo de resposta\u003c/td\u003e\n\u003ctd data-label=\"O que verificar\"\u003eTempo de ida e volta na região onde o serviço é executado\u003c/td\u003e\n\u003c/tr\u003e\n\u003ctr\u003e\n\u003ctd data-label=\"Item de comparação\"\u003ePrecisão\u003c/td\u003e\n\u003ctd data-label=\"O que verificar\"\u003eResultados de uma amostra de tarefas reais com respostas corretas atribuídas\u003c/td\u003e\n\u003c/tr\u003e\n\u003ctr\u003e\n\u003ctd data-label=\"Item de comparação\"\u003eCusto operacional\u003c/td\u003e\n\u003ctd data-label=\"O que verificar\"\u003eCusto que inclui novas tentativas e revisão humana\u003c/td\u003e\n\u003c/tr\u003e\n\u003c/tbody\u003e\n\u003c/table\u003e\u003c/div\u003e\n\u003cp\u003eComparar apenas os preços pode deixar passar situações em que o trabalho de revisão aumenta. Para decidir pela adoção, é preciso considerar o custo até a conclusão do processamento. As condições dos números anunciados estão no \u003ca href=\"https://typesafe.ai/blog/introducing-system-one-models-and-jev\"\u003eanúncio público do Jev\u003c/a\u003e.\u003c/p\u003e\n\u003ch2\u003e\n\u003ca href=\"#nove-limita%C3%A7%C3%B5es-do-jev-113\" class=\"anchor\" id=\"nove-limitações-do-jev-113\"\u003e\u003c/a\u003eNove limitações do Jev 1.13\u003c/h2\u003e\n\u003cp\u003eA documentação oficial organiza os modos de falha do Jev 1.13 em nove tipos. Esta lista segue a documentação consultada em 17 de setembro de 2026. O sucesso em alguns casos não garante a confiabilidade para a tarefa.\u003c/p\u003e\n\u003cdiv class=\"overflow-x-auto\"\u003e\u003ctable\u003e\n\u003cthead\u003e\n\u003ctr\u003e\n\u003cth\u003eTipo de falha\u003c/th\u003e\n\u003cth\u003eMedida de design\u003c/th\u003e\n\u003c/tr\u003e\n\u003c/thead\u003e\n\u003ctbody\u003e\n\u003ctr\u003e\n\u003ctd data-label=\"Tipo de falha\"\u003eInterpretação literal da redação\u003c/td\u003e\n\u003ctd data-label=\"Medida de design\"\u003eExplicitar condições implícitas nas instruções\u003c/td\u003e\n\u003c/tr\u003e\n\u003ctr\u003e\n\u003ctd data-label=\"Tipo de falha\"\u003eCálculos e contagem de itens\u003c/td\u003e\n\u003ctd data-label=\"Medida de design\"\u003eTratar a aritmética no código\u003c/td\u003e\n\u003c/tr\u003e\n\u003ctr\u003e\n\u003ctd data-label=\"Tipo de falha\"\u003eComparação de datas e horários\u003c/td\u003e\n\u003ctd data-label=\"Medida de design\"\u003eConstruir as datas e compará-las no código\u003c/td\u003e\n\u003c/tr\u003e\n\u003ctr\u003e\n\u003ctd data-label=\"Tipo de falha\"\u003eDupla negação e raciocínio em várias etapas\u003c/td\u003e\n\u003ctd data-label=\"Medida de design\"\u003eSeparar em perguntas diretas\u003c/td\u003e\n\u003c/tr\u003e\n\u003ctr\u003e\n\u003ctd data-label=\"Tipo de falha\"\u003eEntrada com muito conteúdo irrelevante\u003c/td\u003e\n\u003ctd data-label=\"Medida de design\"\u003eEnviar apenas os campos necessários\u003c/td\u003e\n\u003c/tr\u003e\n\u003ctr\u003e\n\u003ctd data-label=\"Tipo de falha\"\u003eEntrada que induz um julgamento\u003c/td\u003e\n\u003ctd data-label=\"Medida de design\"\u003eFazer uma avaliação prévia que inclua frases indutoras\u003c/td\u003e\n\u003c/tr\u003e\n\u003ctr\u003e\n\u003ctd data-label=\"Tipo de falha\"\u003eConflito entre instruções e critérios de escolha\u003c/td\u003e\n\u003ctd data-label=\"Medida de design\"\u003eAlinhar o significado da pergunta e dos critérios\u003c/td\u003e\n\u003c/tr\u003e\n\u003ctr\u003e\n\u003ctd data-label=\"Tipo de falha\"\u003eFalta de consistência matemática entre perguntas\u003c/td\u003e\n\u003ctd data-label=\"Medida de design\"\u003eGerenciar as relações lógicas no código\u003c/td\u003e\n\u003c/tr\u003e\n\u003ctr\u003e\n\u003ctd data-label=\"Tipo de falha\"\u003eGeração livre de texto\u003c/td\u003e\n\u003ctd data-label=\"Medida de design\"\u003eUsar um modelo generativo\u003c/td\u003e\n\u003c/tr\u003e\n\u003c/tbody\u003e\n\u003c/table\u003e\u003c/div\u003e\n\u003cp\u003eO mesmo significado pode receber probabilidades diferentes em Noul e Choice. Não transfira diretamente para um tipo um limite ajustado para outro. A referência é \u003ca href=\"https://docs.typesafe.ai/model-jaggedness/jev-1.13\"\u003eJev 1.13 jaggedness\u003c/a\u003e.\u003c/p\u003e\n\u003ch2\u003e\n\u003ca href=\"#condi%C3%A7%C3%B5es-de-aplica%C3%A7%C3%A3o-em-servi%C3%A7os-em-coreano\" class=\"anchor\" id=\"condições-de-aplicação-em-serviços-em-coreano\"\u003e\u003c/a\u003eCondições de aplicação em serviços em coreano\u003c/h2\u003e\n\u003cp\u003eEntradas em coreano são processadas, mas não há garantia de desempenho equivalente ao do inglês. A documentação oficial explica que o principal idioma de treinamento é o inglês. Ela também aponta diferenças de desempenho para idiomas escritos com caracteres CJK, incluindo o coreano. Não apresenta um número geral de precisão para o coreano.\u003c/p\u003e\n\u003cp\u003eDecida sobre a aplicação em coreano com base em uma amostra própria. É recomendável incluir consultas com expressões indiretas e omissões. Avaliar apenas textos traduzidos pode deixar de fora diferenças na forma como os clientes realmente escrevem. Esta é uma proposta de avaliação que considera as diferenças de desempenho entre idiomas.\u003c/p\u003e\n\u003cul\u003e\n\u003cli\u003eAvaliar separadamente solicitações claras e ambíguas\u003c/li\u003e\n\u003cli\u003eApurar separadamente a classificação por departamento e a avaliação de sentimento\u003c/li\u003e\n\u003cli\u003eRevalidar em coreano os limites definidos em inglês\u003c/li\u003e\n\u003cli\u003eComparar a mesma amostra antes e depois de uma mudança de modelo\u003c/li\u003e\n\u003c/ul\u003e\n\u003cp\u003eQuando uma nova versão é lançada, o modelo para o qual \u003ccode\u003ejev-latest\u003c/code\u003e aponta muda. Se os limites foram ajustados para uma versão específica, considere fixar essa versão. As políticas de idioma e versão podem ser consultadas na \u003ca href=\"https://docs.typesafe.ai/models\"\u003edocumentação oficial de Models\u003c/a\u003e.\u003c/p\u003e\n\u003ch2\u003e\n\u003ca href=\"#a-taxa-de-processamento-autom%C3%A1tico-que-%C3%A9-f%C3%A1cil-ignorar-ao-avaliar-a-troca-de-modelo\" class=\"anchor\" id=\"a-taxa-de-processamento-automático-que-é-fácil-ignorar-ao-avaliar-a-troca-de-modelo\"\u003e\u003c/a\u003eA taxa de processamento automático que é fácil ignorar ao avaliar a troca de modelo\u003c/h2\u003e\n\u003cp\u003eAo avaliar a troca de modelo, é preciso considerar tanto a precisão geral quanto a taxa de processamento automático. Se todos os casos ambíguos forem encaminhados a pessoas, o volume processado automaticamente diminuirá. Se o escopo do processamento automático for ampliado, os casos de execução incorreta poderão aumentar. O método de avaliação a seguir amplia o critério de ramificação por confiança da documentação oficial.\u003c/p\u003e\n\u003cdiv class=\"overflow-x-auto\"\u003e\u003ctable\u003e\n\u003cthead\u003e\n\u003ctr\u003e\n\u003cth\u003eMétrica\u003c/th\u003e\n\u003cth\u003eMétodo de cálculo ou registro\u003c/th\u003e\n\u003cth\u003eObjetivo\u003c/th\u003e\n\u003c/tr\u003e\n\u003c/thead\u003e\n\u003ctbody\u003e\n\u003ctr\u003e\n\u003ctd data-label=\"Métrica\"\u003eTaxa de processamento automático\u003c/td\u003e\n\u003ctd data-label=\"Método de cálculo ou registro\"\u003eNúmero de casos processados automaticamente / número total de casos avaliados\u003c/td\u003e\n\u003ctd data-label=\"Objetivo\"\u003eTrabalho manual efetivamente reduzido\u003c/td\u003e\n\u003c/tr\u003e\n\u003ctr\u003e\n\u003ctd data-label=\"Métrica\"\u003eTaxa de erro no processamento automático\u003c/td\u003e\n\u003ctd data-label=\"Método de cálculo ou registro\"\u003eNúmero de erros entre os casos processados automaticamente / número de casos processados automaticamente\u003c/td\u003e\n\u003ctd data-label=\"Objetivo\"\u003eQualidade dos resultados da automação\u003c/td\u003e\n\u003c/tr\u003e\n\u003ctr\u003e\n\u003ctd data-label=\"Métrica\"\u003eTaxa de revisão humana\u003c/td\u003e\n\u003ctd data-label=\"Método de cálculo ou registro\"\u003eNúmero de casos enviados para revisão / número total de casos avaliados\u003c/td\u003e\n\u003ctd data-label=\"Objetivo\"\u003eCarga de revisão restante\u003c/td\u003e\n\u003c/tr\u003e\n\u003ctr\u003e\n\u003ctd data-label=\"Métrica\"\u003eTempo até a conclusão\u003c/td\u003e\n\u003ctd data-label=\"Método de cálculo ou registro\"\u003eMedido da entrada até a conclusão final\u003c/td\u003e\n\u003ctd data-label=\"Objetivo\"\u003eTempo de espera, incluindo a revisão\u003c/td\u003e\n\u003c/tr\u003e\n\u003c/tbody\u003e\n\u003c/table\u003e\u003c/div\u003e\n\u003cp\u003eSe não houver casos processados automaticamente, não é possível calcular a taxa de erro no processamento automático. Nesse caso, registre como impossível de calcular, não como 0%. É preciso manter o denominador de cada métrica para comparar os modelos.\u003c/p\u003e\n\u003cp\u003eA avaliação pode seguir esta ordem.\u003c/p\u003e\n\u003col\u003e\n\u003cli\u003ePeça a pessoas que atribuam as respostas corretas a uma amostra de tarefas reais.\u003c/li\u003e\n\u003cli\u003eFixe a redação das perguntas e a definição das opções.\u003c/li\u003e\n\u003cli\u003eRegistre a versão do modelo, as probabilidades e a ramificação final.\u003c/li\u003e\n\u003cli\u003eCompare a taxa de processamento automático e a taxa de erro para cada limite.\u003c/li\u003e\n\u003cli\u003eDefina os critérios operacionais conforme o nível de erro aceitável.\u003c/li\u003e\n\u003c/ol\u003e\n\u003cp\u003eNão existe um limite universalmente correto. Os critérios devem considerar o impacto de uma execução incorreta. Os princípios de ramificação que servem de ponto de partida estão na \u003ca href=\"https://docs.typesafe.ai/confidence\"\u003edocumentação de Confidence\u003c/a\u003e.\u003c/p\u003e\n","tags":["Agentes de IA","Desenvolvimento de IA","Tomada de decisões","Ferramentas de desenvolvimento"],"faqs":[{"question":"Jev substitui a IA generativa de uso geral?","answer":"É adequado para tarefas que exigem escolher entre respostas predefinidas. Para redigir respostas livremente ou fazer resumos, é necessário um modelo generativo."},{"question":"Quantas opções posso incluir em Choice?","answer":"Segundo a documentação oficial de Choice, o limite é de 255 opções por pergunta. Se precisar lidar com entradas que não estão na lista, considere uma opção para outros casos."},{"question":"Se Noul for 0.5, isso significa um nível mediano?","answer":"Significa que as probabilidades de verdadeiro e falso são semelhantes. Para avaliar um grau ou nível, é mais adequado usar Score com etapas descritas."},{"question":"O que significam as casas decimais de Score?","answer":"São o resultado da soma dos números das etapas definidas, cada um multiplicado pela respectiva probabilidade. Não representam uma medição precisa nem a proporção relativa ao cliente em questão."},{"question":"Se confidence for alto, posso considerar a resposta correta?","answer":"confidence é um valor que resume a distribuição de probabilidades. É preciso verificar se a resposta está realmente correta com amostras de casos de trabalho."},{"question":"O que o SDK de TypeScript verifica?","answer":"Ele infere o tipo da resposta a partir da definição da pergunta. Ajuda a identificar comparações com strings que não estão entre as opções permitidas. Não verifica se o conteúdo da classificação está correto."},{"question":"Se eu usar Jev, não preciso fazer novas tentativas?","answer":"O tratamento do formato de saída e o tratamento de erros de comunicação são coisas distintas. O SDK oficial tem uma política padrão de novas tentativas, portanto, verifique também o tratamento de erros da API."},{"question":"Qual é a precisão em coreano?","answer":"A documentação oficial de Models não apresenta um índice de precisão em coreano que possa ser generalizado. Avalie o desempenho de cada pergunta com entradas reais em coreano."},{"question":"Qual é o preço do Jev?","answer":"O preço anunciado em 15 de setembro de 2026 é de US$ 0.042 por 1 milhão de tokens de entrada. Os tokens de saída foram anunciados como gratuitos. Confira novamente o preço aplicável na documentação oficial de Models."},{"question":"Posso usar jev-latest no ambiente de produção?","answer":"Pode, mas, quando uma nova versão for lançada, o modelo associado mudará. Para manter a versão na qual os limiares foram validados, especifique o ID dessa versão."}],"sources":[{"url":"https://docs.typesafe.ai/introduction","title":"Introdução ao TypeSafe AI","type":"source"},{"url":"https://docs.typesafe.ai/primitives/choice","title":"Escolha do TypeSafe AI","type":"source"},{"url":"https://docs.typesafe.ai/primitives/score","title":"Pontuação do TypeSafe AI","type":"source"},{"url":"https://docs.typesafe.ai/primitives/noul","title":"TypeSafe AI Noul","type":"source"},{"url":"https://docs.typesafe.ai/confidence","title":"Confiança do TypeSafe AI","type":"source"},{"url":"https://docs.typesafe.ai/sdk","title":"SDKs de cliente do TypeSafe AI","type":"source"},{"url":"https://docs.typesafe.ai/sdk/javascript","title":"SDK JavaScript do TypeSafe AI","type":"source"},{"url":"https://typesafe.ai/blog/introducing-system-one-models-and-jev","title":"Apresentando os modelos System One e Jev, 15 de setembro de 2026","type":"data_point"},{"url":"https://docs.typesafe.ai/model-jaggedness/jev-1.13","title":"Irregularidade do Jev 1.13, revisado em 17 de setembro de 2026","type":"source"},{"url":"https://docs.typesafe.ai/models","title":"Modelos do TypeSafe AI","type":"source"}],"images":[{"id":1601,"url":"https://injoys.com/rails/active_storage/blobs/proxy/eyJfcmFpbHMiOnsiZGF0YSI6MjQwNDYsInB1ciI6ImJsb2JfaWQifX0=--ea906281db18091febeba00926fa1dd9ebe90294/ai-cb0d0c3f.webp","is_representative":true,"generation_method":"ai_photo","license":"ai_generated","mime_type":"image/webp","width":1536,"height":1024,"translations":{"ko":{"alt":"고객지원 사무실에서 헤드셋을 쓴 두 직원이 모니터를 보며 상의하고, 책상에 청록색 표시등이 켜져 있다.","caption":"신뢰도는 정답률이 아니므로 자동 처리율과 오판율을 함께 평가해야 합니다.","description":null},"en":{"alt":"Two headset-wearing support staff confer over a monitor, with a teal light glowing at their desk and other agents behind them.","caption":"Confidence is not accuracy, so automatic handling and misclassification rates must be evaluated together.","description":null},"ja":{"alt":"カスタマーサポート室でヘッドセットを着けた二人がモニターを見ながら話し合い、机上で青緑色のランプが光っている。","caption":"信頼度は正答率ではないため、自動処理率と誤判定率を併せて評価する必要があります。","description":null},"es":{"alt":"Dos agentes con auriculares consultan un monitor; una luz verde azulada brilla en su mesa y hay más agentes al fondo.","caption":"La confianza no equivale a la tasa de aciertos, por lo que deben evaluarse tanto el procesamiento automático como los errores de clasificación.","description":null},"id":{"alt":"Dua staf dukungan berheadset berdiskusi sambil melihat monitor, dengan lampu hijau kebiruan menyala di meja dan agen lain di belakang.","caption":"Tingkat keyakinan bukan tingkat ketepatan, sehingga penanganan otomatis dan kesalahan klasifikasi perlu dievaluasi bersama.","description":null},"pt":{"alt":"Dois atendentes com fones de ouvido conversam diante de um monitor; uma luz verde-azulada brilha na mesa, com outros agentes ao fundo.","caption":"A confiança não é a taxa de acerto; o atendimento automático e os erros de classificação devem ser avaliados em conjunto.","description":null},"zh-hant":{"alt":"客服辦公室裡，兩名戴耳麥的員工看著螢幕討論，桌上亮著藍綠色指示燈，後方還有其他客服人員。","caption":"信心值不等於正確率，因此須同時評估自動處理率與誤判率。","description":null},"de":{"alt":"Zwei Supportmitarbeitende mit Headsets besprechen sich vor einem Monitor; am Arbeitsplatz leuchtet ein türkisfarbenes Licht.","caption":"Konfidenz ist keine Trefferquote; daher müssen automatisierte Bearbeitung und Fehlklassifikationen gemeinsam bewertet werden.","description":null}}},{"id":1602,"url":"https://injoys.com/rails/active_storage/blobs/proxy/eyJfcmFpbHMiOnsiZGF0YSI6MjQwNTIsInB1ciI6ImJsb2JfaWQifX0=--d07e76337161b074535590d09b1f479ecd50d738/ai-893d1efb.webp","is_representative":false,"generation_method":"ai_semi","license":"ai_generated","mime_type":"image/webp","width":1536,"height":1024,"translations":{"ko":{"alt":"여성이 분기 화살표가 그려진 테스트 보드에서 문의 카드를 사람 검토 쪽으로 옮긴다.","caption":"Jev의 결정 결과를 자동 처리와 사람 검토로 나누는 분기 설계가 중요합니다.","description":null},"en":{"alt":"A woman moves an inquiry card toward the human-review side of a branching test board.","caption":"Jev’s decisions need a clear path to either automatic processing or human review.","description":null},"ja":{"alt":"女性が分岐を示すテストボードで問い合わせカードを人による確認の側へ移している。","caption":"Jevの決定を自動処理と人による確認に振り分ける分岐設計が重要です。","description":null},"es":{"alt":"Una mujer mueve una tarjeta de consulta hacia la zona de revisión humana de un tablero con bifurcaciones.","caption":"Las decisiones de Jev requieren una ruta clara hacia el procesamiento automático o la revisión humana.","description":null},"id":{"alt":"Seorang perempuan memindahkan kartu pertanyaan ke sisi tinjauan manusia pada papan uji bercabang.","caption":"Keputusan Jev perlu diarahkan dengan jelas ke pemrosesan otomatis atau tinjauan manusia.","description":null},"pt":{"alt":"Uma mulher move um cartão de consulta para a área de revisão humana em um quadro de testes com ramificações.","caption":"As decisões do Jev precisam de um caminho claro para o processamento automático ou a revisão humana.","description":null},"zh-hant":{"alt":"一名女子在有分支箭頭的測試板上，將詢問卡移向人工審查區。","caption":"Jev 的決定需要明確分流至自動處理或人工審查。","description":null},"de":{"alt":"Eine Frau verschiebt eine Anfragekarte auf einer verzweigten Testtafel in den Bereich für menschliche Prüfung.","caption":"Für Jevs Entscheidungen braucht es eine klare Verzweigung zwischen automatischer Bearbeitung und menschlicher Prüfung.","description":null}}}],"published_at":"2026-10-02T23:30:14+09:00","updated_at":"2026-10-02T23:30:14+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-decision-model-branching-design-and-limitations"}