Felo API PlatformFelo API Platform
بازگشت به مدل‌ها

Decisions Fast API

مدل تصمیم‌گیری Parallel: Decisions Fast با ترکیب سرعت دسته‌بندی System One و بازیابی زنده وب، پاسخ‌های ساختاریافته همراه با احتمال و ارجاع را در چند صد میلی‌ثانیه ارائه می‌دهد.

Parallel: Decisions Fast یک مدل تصمیم‌گیری از Parallel Web Systems است که در نوامبر ۲۰۲۶ معرفی شد و جایگاهی میان موتور جستجو و مدل تصمیم‌گیری دارد. این مدل محتوای ورودی را به صورت متن یا JSON به عنوان وضعیت (state) می‌خواند، وب زنده را برای اطلاعات روز جستجو می‌کند و پاسخ‌های ساختاریافته و تایپ‌شده بازمی‌گرداند: احتمال «بله» برای پرسش‌های بله/خیر، گزینه انتخابی همراه با احتمال هر گزینه برای پرسش‌های چندگزینه‌ای، و سطحی روی یک روبریک مرتب برای پرسش‌های امتیازدهی. هر پاسخ می‌تواند شامل امتناع به ازای هر پرسش و ارجاع به منابع استفاده‌شده در سطح درخواست باشد.

این مدل برای کارهایی مناسب است که به تصمیم‌گیری سریع با اطلاعات به‌روز نیاز دارند، مانند راستی‌آزمایی facts، غربالگری موجودیت‌ها، طبقه‌بندی، غنی‌سازی داده، گردش‌کارهای go-to-market و مسیریابی تصمیم. یک درخواست می‌تواند تا ۱۰۰ پرسش درباره همان وضعیت را حمل کند و هر پرسش تا ۳۲٬۰۰۰ توکن شامل وضعیت مشترک ظرفیت دارد. پاسخ‌ها به جای متن آزاد، پاسخ به پرسش‌های نام‌دار هستند و همین امر آن را برای خطوط لوله ساختاریافته مناسب می‌کند.

نقاط قوت آن شامل پاسخ در چند صد میلی‌ثانیه برای مدل‌های دسته‌بندی System One، غلبه بر محدودیت تازگی داده‌های آموزشی از طریق بازیابی زنده وب، و اشتراک شواهد بازیابی‌شده میان پرسش‌های یک دسته است. از محدودیت‌ها می‌توان به وابستگی تأخیر هر رکورد به پیکربندی هم‌زمانی، نبود مسیریابی درون‌منطقه‌ای اروپا و اجرا روی Decisions API به جای نقطه پایانی چت سازگار با OpenAI اشاره کرد؛ بنابراین SDKهای chat completions با آن کار نمی‌کنند.

به‌روزرسانی:

MODEL ID

decisions-fast
زمینه
32K
حداکثر خروجی
28.8K
ورودی
text
خروجی
decisions

نکات برجسته

  • ترکیب سرعت System One با بازیابی زنده وب
  • پاسخ ساختاریافته همراه با احتمال هر گزینه
  • ارجاع به منابع در سطح درخواست
  • تا ۱۰۰ پرسش در یک درخواست
  • امکان امتناع به ازای هر پرسش

ارائه‌دهندگان

1 ارائه‌دهنده

قیمت API را بین ارائه‌دهندگان مقایسه کنید. یک ارائه‌دهنده را انتخاب کنید تا همه هزینه‌ها و شرایط را ببینید.

ارائه‌دهنده · جزئیات قیمت‌گذاری
دسترس‌پذیری
$0

بنچمارک‌ها

  • سناریوی بازآزمایی Know Your Business

    ۴۲۶ شرکت عمومی؛ ۹۸ درصد پرچم‌های موجود پایدار ماندند؛ گزارش‌شده توسط فروشنده

    98%
  • سناریوی بازآزمایی Know Your Business

    ثانیه؛ زمان سپری‌شده اجرای کامل دسته؛ ۴۲۶ شرکت عمومی؛ گزارش‌شده توسط فروشنده

    <10
  • سناریوی مسیریابی سرنخ

    ۵۰۰ سرنخ ورودی؛ ۹۷ درصد سرنخ‌های مسیریابی‌شده به‌صورت خودکار به بخش درست رسیدند؛ گزارش‌شده توسط فروشنده

    97%
  • سناریوی مسیریابی سرنخ

    ثانیه؛ زمان سپری‌شده اجرای کامل دسته؛ ۵۰۰ سرنخ ورودی؛ گزارش‌شده توسط فروشنده

    <9

امتیازها همان‌گونه که ارائه‌دهنده مدل منتشر کرده است.

شروع سریع تصمیم‌ها

وضعیت و پرسش‌های محدود و نوع‌دار را به /api/v1/decisions بفرستید و برای هر پرسش یک پاسخ بخوانید: noul احتمالی از 0 تا 1 برمی‌گرداند، choice گزینه انتخاب‌شده همراه توزیع آن، و score امتیازی عددی برای معیارهای مرتب. این endpoint از سطوح Chat Completions، Messages و Responses جداست.

curl https://openapi.felo.ai/api/v1/decisions \
  -H "Authorization: Bearer $FELO_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "decisions-fast",
    "state": "Help! My payouts have been failing for 3 days.",
    "questions": {
      "is_urgent": {
        "type": "noul",
        "instructions": "Does this message convey urgency?",
        "criteria": {"true": "Time-sensitive", "false": "No urgency"}
      },
      "department": {
        "type": "choice",
        "instructions": "Which team should handle this?",
        "criteria": {
          "billing": "Payments, invoicing, refunds",
          "technical": "Bugs, outages, integrations",
          "sales": "Pricing, upgrades, new accounts"
        }
      },
      "frustration": {
        "type": "score",
        "instructions": "How frustrated is the customer?",
        "criteria": ["Calm", "Frustrated", "Very angry"]
      }
    }
  }'

پرسش‌های متداول

معرفی مدل: Decisions Fast?

Parallel: Decisions Fast یک مدل تصمیم‌گیری از Parallel Web Systems است که در نوامبر ۲۰۲۶ معرفی شد و جایگاهی میان موتور جستجو و مدل تصمیم‌گیری دارد. این مدل محتوای ورودی را به صورت متن یا JSON به عنوان وضعیت (state) می‌خواند، وب زنده را برای اطلاعات روز جستجو می‌کند و پاسخ‌های ساختاریافته و تایپ‌شده بازمی‌گرداند: احتمال «بله» برای پرسش‌های بله/خیر، گزینه انتخابی همراه با احتمال هر گزینه برای پرسش‌های چندگزینه‌ای، و سطحی روی یک روبریک مرتب برای پرسش‌های امتیازدهی. هر پاسخ می‌تواند شامل امتناع به ازای هر پرسش و ارجاع به منابع استفاده‌شده در سطح درخواست باشد. این مدل برای کارهایی مناسب است که به تصمیم‌گیری سریع با اطلاعات به‌روز نیاز دارند، مانند راستی‌آزمایی facts، غربالگری موجودیت‌ها، طبقه‌بندی، غنی‌سازی داده، گردش‌کارهای go-to-market و مسیریابی تصمیم. یک درخواست می‌تواند تا ۱۰۰ پرسش درباره همان وضعیت را حمل کند و هر پرسش تا ۳۲٬۰۰۰ توکن شامل وضعیت مشترک ظرفیت دارد. پاسخ‌ها به جای متن آزاد، پاسخ به پرسش‌های نام‌دار هستند و همین امر آن را برای خطوط لوله ساختاریافته مناسب می‌کند. نقاط قوت آن شامل پاسخ در چند صد میلی‌ثانیه برای مدل‌های دسته‌بندی System One، غلبه بر محدودیت تازگی داده‌های آموزشی از طریق بازیابی زنده وب، و اشتراک شواهد بازیابی‌شده میان پرسش‌های یک دسته است. از محدودیت‌ها می‌توان به وابستگی تأخیر هر رکورد به پیکربندی هم‌زمانی، نبود مسیریابی درون‌منطقه‌ای اروپا و اجرا روی Decisions API به جای نقطه پایانی چت سازگار با OpenAI اشاره کرد؛ بنابراین SDKهای chat completions با آن کار نمی‌کنند.

هزینه استفاده چگونه محاسبه می‌شود؟

صورت‌حساب شما به ارائه‌دهنده‌ای که استفاده می‌کنید، قیمت‌های آن و میزان مصرف شما بستگی دارد. ورودی‌های طولانی‌تر یا شرایط دیگر ممکن است قیمت متفاوتی داشته باشند.

این مدل چه ورودی‌هایی را می‌پذیرد؟

محتوای ورودی را به صورت متن یا JSON به عنوان وضعیت می‌خواند و می‌تواند تا ۱۰۰ پرسش درباره همان وضعیت را در یک درخواست دریافت کند.

ظرفیت زمینه و خروجی آن چقدر است؟

هر پرسش تا ۳۲٬۰۰۰ توکن شامل وضعیت مشترک ظرفیت دارد. خروجی آن پاسخ‌های ساختاریافته و تایپ‌شده است، نه متن آزاد.

چه نوع پاسخ‌هایی تولید می‌کند؟

برای پرسش بله/خیر احتمال «بله»، برای چندگزینه‌ای گزینه انتخابی همراه با احتمال هر گزینه، و برای امتیازدهی سطحی روی یک روبریک مرتب برمی‌گرداند. هر پاسخ می‌تواند امتناع و ارجاع به منابع را نیز شامل شود.

برای چه کارهایی مناسب است؟

برای راستی‌آزمایی facts، غربالگری موجودیت‌ها، طبقه‌بندی، غنی‌سازی داده، گردش‌کارهای go-to-market و مسیریابی تصمیم که به اطلاعات روز و تأخیر کم نیاز دارند.

تفاوت آن با Jev چیست؟

در یک نمونه، Jev با احتمال ۰٫۸۶ پاسخ «خیر» داد، در حالی که Decisions با بازیابی صفحات به‌روز وب با احتمال ۱٫۰ پاسخ «بله» داد.

مدل‌های مرتبط