Jev AI para decisiones claras.

System One AI se enfoca en decisiones rápidas y acotadas. Jev evalúa el contexto frente a resultados definidos y devuelve probabilidades. El razonamiento System Two aborda problemas con varios pasos y mayor deliberación. En iajev, una pregunta y varias opciones te permiten explorar un modelo probabilístico sin programar.

El espacio de prueba de Jev AI ofrece acceso anónimo gratuito con límites. Empieza con un ejemplo y ejecuta una decisión. Mantén la pregunta y las opciones al cambiar el contexto para comparar dos resultados. El uso con sesión y las solicitudes API consumen créditos de pago; no es una API gratuita ilimitada.

Choice selecciona una respuesta de tus opciones. Score indica un nivel en una escala y Noul representa sí o no. iajev solo ofrece Choice por ahora. Para una tarea binaria, usa dos opciones de texto: el resultado sigue siendo una opción, no un booleano. La calificación de prospectos devuelve categorías, no puntuaciones numéricas.

Crea una clave API iajev en tu cuenta y agrega créditos. Envía contexto, pregunta y opciones al endpoint de decisiones con un token Bearer y un Idempotency-Key único. El ejemplo cURL de arriba es un punto de partida; la documentación explica campos, respuestas, cobros y reintentos. Mantén la clave en el servidor.

Sí. La API de iajev acepta solicitudes HTTP con JSON. Adapta el ejemplo cURL a Python o usa fetch del lado del servidor con JavaScript, TypeScript o Node.js. Go, Java y Rust también pueden usar un cliente HTTP. No necesitas un SDK Jev dedicado.

Llama a la API de iajev desde una ruta del servidor, por ejemplo en Next.js, y usa la opción recibida para elegir la siguiente acción. Para LangChain, LlamaIndex, Pydantic AI, Vercel AI SDK o un agente MCP, debes crear una herramienta o adaptador HTTP. iajev no ofrece conectores nativos para esos frameworks.

La API de iajev cobra 1 crédito por cada bloque iniciado de 1,000 tokens de entrada, con un mínimo de 1 por decisión exitosa. Los tokens de salida no agregan cargos. El precio por crédito depende de tu suscripción o paquete. Consulta los planes actuales y estima el costo según la longitud de entrada y el volumen de solicitudes.

Para comparar Jev con ChatGPT, GPT, Claude, Gemini o DeepSeek, empieza por tu tarea. Los modelos de conversación y razonamiento permiten generación abierta; Jev se enfoca en decisiones tipadas entre resultados definidos. Compara precisión, latencia y costo con los mismos ejemplos etiquetados. iajev no publica un benchmark comparativo de estos modelos.

JSON mode y las salidas estructuradas restringen el formato; function calling permite solicitar una herramienta. Jev se enfoca en decisiones con probabilidades sobre resultados definidos, que iajev entrega en JSON. Un esquema válido no demuestra que la decisión sea correcta ni que las probabilidades estén bien calibradas.

RLCD significa Reinforcement Learning for Calibrated Decisions, un método de entrenamiento presentado con Jev que busca alinear las probabilidades con la exactitud. RLHF usa retroalimentación humana y RLVR recompensas verificables. Son objetivos de entrenamiento distintos. iajev permite revisar resultados, no entrenar ni ajustar el modelo.

Crea un benchmark con ejemplos etiquetados de tu flujo. Mide precisión, latencia y confiabilidad, y revisa la calibración con muchos casos. La API devuelve latencia y una estimación de confianza independiente. Una respuesta con confianza alta no prueba calibración, y una salida estructurada no elimina decisiones incorrectas ni todos los riesgos de alucinación.

Define opciones como aprobar, rechazar o revisar para verificación y moderación, o bajo, medio y alto para una evaluación inicial de riesgos. Son tareas Choice personalizadas, no endpoints dedicados a puntuaciones o booleanos. Prueba tus políticas y conserva revisión humana para casos importantes o inciertos.