OpenClawJev AI на русском · бесплатное демо
EnglishJev AI — первая «модель System One» от TypeSafe AI, представленная в сентябре 2026 года. Она не пишет тексты, а отвечает на вопросы с заранее заданными вариантами ответа — выбрать один из них, сказать «да» или «нет», определить уровень — и указывает вероятность каждого. Ниже — разбор на типичных задачах поддержки и интернет-магазинов, а в бесплатном демо всё можно попробовать сразу.
Опишите ситуацию, выберите тип ответа и впишите варианты — вы увидите, что выберет Jev и с какой вероятностью.
Результат
Нажмите «Получить решение», чтобы проверить пример, или замените его похожей задачей из своей работы.
Инструмент помогает разобраться в типах ответа, потренироваться формулировать вопросы и проверить идеи. Используйте вымышленные данные и переносите логику в реальные процессы только тогда, когда вопрос и варианты будут хорошо отлажены.
Основы
Большие языковые модели (LLM) — ChatGPT, Claude, Gemini — созданы, чтобы продолжать текст: вы задаёте вопрос и получаете абзац. Человеку такой ответ читать удобно, но если результат нужно передать программе, начинается лишняя работа: вытащить из текста само решение, проверить формат и понять, насколько ответу можно доверять.
У Jev AI всё наоборот. Сначала вы задаёте вопрос и допустимые ответы, а Jev выбирает только среди них и возвращает вероятность для каждого. В TypeSafe такие модели называют «моделями System One». Термин восходит к Даниэлю Канеману, который в книге «Думай медленно… решай быстро» описывает две системы мышления: Систему 1 (быструю, интуитивную) и Систему 2 (медленную, взвешенную). Jev берёт на себя роль Системы 1. А название «Jev» — отсылка к экономисту Уильяму Стэнли Джевонсу, известному по парадоксу Джевонса.
Поэтому Jev не заменяет LLM. Он закрывает задачи, для которых LLM слишком медленны и дороги: небольшие решения с закрытым набором ответов, которые повторяются тысячи раз в день. По данным TypeSafe, ранний доступ к Jev открыт с 15 сентября 2026 года. Модель отвечает за 70–500 миллисекунд и стоит 0,042 USD за миллион входных токенов, а выходные токены бесплатны.
Прежде чем писать вопрос, решите, что вам нужно: выбрать один вариант из нескольких, получить «да» или «нет» либо определить уровень. От типа ответа зависит форма результата, а значит, и то, что ваша программа сделает дальше.
Подходит для классификации и маршрутизации обращений. Например, чтобы решить, в какой отдел передать сообщение клиента: «Возврат и обмен», «Доставка», «Оплата» или «Другое». Вы получаете выбранный вариант и вероятность каждого из них.
choice = Возврат и обмен (уверенность 0,91)
Подходит для проверок и согласований. Например, чтобы понять, является ли письмо клиента письменной претензией, на которую нужно ответить в установленный срок. Возвращается вероятность ответа «да», а порог вы задаёте сами. Noul — термин TypeSafe; по сути, это вопрос «да или нет» с вероятностью.
P(да) = 0,89
Подходит для оценки срочности или приоритета. Если задать уровни «Низкая», «Средняя», «Высокая» и «Критическая», вы получите вероятность каждого уровня и взвешенный балл — по нему удобно выстраивать очередь обращений.
score = 2,4 / 3
Если вставить всю переписку или карточку клиента целиком, модель скорее запутается, чем ответит точнее. Оставьте главное: статус заказа, слова клиента и то, что уже сделано.
«Задержка доставки» и «Заказ не пришёл» легко спутать: объедините их или чётко опишите, чем они отличаются. Добавьте вариант «Другое» или «Не удаётся определить», чтобы модели не приходилось выбирать наугад, когда она сомневается.
«Возвращать ли деньги и сколько?» — на самом деле два вопроса. Если задать их по отдельности, у каждой вероятности будет понятный смысл, а при ошибке сразу будет видно, какое решение было неверным.
«Передать на вторую линию поддержки» гораздо полезнее, чем «Передать нужному сотруднику». Такой ответ можно сразу пустить в работу без дополнительной обработки.
Во многом ценность Jev — в вероятностях: вы знаете не только, что он выбрал, но и насколько он в этом уверен. Это позволяет разделить то, что можно выполнять автоматически, и то, что должен проверить сотрудник.
Обращение, попавшее не в тот отдел, просто передадут дальше, так что порог можно поставить ниже. Для возвратов денег, удаления данных или изменения прав доступа поднимите его заметно выше или добавьте ручное подтверждение сотрудником.
Одну-две недели просто записывайте решения модели, не выполняя их, и сравнивайте с тем, что на самом деле сделала ваша команда. Когда станет ясно, как часто модель ошибается при разных порогах, решите, с каких случаев начать автоматизацию.
Она означает лишь то, что модель уверена, а не то, что она права. Сохраняйте ситуацию, вопрос, варианты, вероятности и выполненное действие, чтобы потом разобраться в ошибке.
Запрос и ответ выглядят примерно так; точные названия полей смотрите в документации API, с которым вы работаете. В ответе нет свободного текста: программа читает поля напрямую.
{
"model": "jev-latest",
"state": "Клиент: «Вчера привезли электрочайник: колба треснула, коробка помята. Хочу поменять на новый».",
"questions": {
"department": {
"type": "choice",
"instructions": "Какой отдел должен обработать это обращение?",
"criteria": {
"Возврат и обмен": "Брак товара или просьба о возврате либо обмене",
"Доставка": "Задержка доставки или повреждение при перевозке",
"Оплата": "Списания, способы оплаты или чеки",
"Другое": "Не подходит ни под одну из категорий выше"
}
}
}
}{
"answers": {
"department": {
"type": "choice",
"choice": "Возврат и обмен",
"probabilities": {
"Возврат и обмен": 0.56,
"Доставка": 0.39,
"Оплата": 0.01,
"Другое": 0.04
},
"confidence": 0.56
}
}
}Цифры приведены для примера. Трещина может быть и заводским браком, и следствием удара при доставке, поэтому у первых двух вариантов вероятности близки. Именно такие обращения стоит показать сотруднику, а не распределять автоматически.
Это инструменты разного типа. LLM вроде ChatGPT или Claude хорошо пишут и ведут диалог, а Jev только выбирает среди заранее заданных ответов. На практике их часто используют вместе: LLM понимает и формулирует, а в точках, где нужно принять решение, модель вроде Jev выдаёт ответ с вероятностью.
Демо на этой странице бесплатное и работает без регистрации. Чтобы избежать злоупотреблений, с одного IP-адреса можно отправить не больше 8 запросов в минуту; если упрётесь в лимит, подождите немного и попробуйте снова.
Да. Ситуацию, вопрос и варианты можно полностью написать на русском, как в примерах на этой странице. Jev вернёт выбранный вариант ровно в том виде, в каком вы его написали.
Мы не сохраняем введённые данные. Но демо публичное, поэтому не вводите персональную и конфиденциальную информацию: ФИО, телефоны, паспортные данные, пароли или сведения о клиентах.
Не советуем. Стабильная работа публичного эндпоинта демо не гарантируется: после холодного старта он может отвечать медленно или быть временно перегружен. Для продакшена используйте официальный API TypeSafe и позаботьтесь об аутентификации, ограничении частоты запросов, таймаутах и логировании.
После решения — действие
Jev подсказывает, какой шаг сделать следующим. Чтобы его действительно сделать — найти информацию в интернете, разобрать файлы, ответить на сообщения, — нужен агент, который действует сам. Это и есть OpenClaw: ИИ-ассистент в облаке, которому вы поручаете задачи так же, как коллеге. Он работает в браузере, с файлами и другими инструментами — в собственном облачном экземпляре, поэтому всегда на связи.
Не нужно собирать сценарии: опишите своими словами, какой результат вам нужен.
Общайтесь с агентом в браузере; при желании можно подключить и Telegram.
Облачную среду настраиваем и обслуживаем мы.
Выберите тариф — и можно начинать.