A OpenAI acabou de matar o Jev? (Decisions API)

Ver no idioma original →

Autoria: Matheus Battisti - Hora de Codar · Assistir no YouTube

Vídeo de autoria do canal indicado, não da IANIA; todos os direitos pertencem ao criador. Transcrição, resumo e tradução gerados automaticamente; o conteúdo no idioma original é preservado na versão em idioma original.

Idioma original: inglês

Vídeo original: A OpenAI acabou de matar o Jev? (Decisions API) · Canal: Matheus Battisti - Hora de Codar · 24:23 · Assistir no YouTube

Tópicos: Agentes de IA, Automação de tarefas e workflows, Ferramentas de desenvolvimento com IA, Modelos multimodais

Resumo

O vídeo apresenta a Decisions API da OpenAI, uma API de IA voltada a decisões estruturadas, como classificar solicitações, responder sim ou não e atribuir notas. O apresentador compara a ferramenta com o Jev, explica preços e recursos e demonstra uma integração em um sistema de triagem veterinária. Nos testes, a API analisou mensagens e fotos, retornando respostas com níveis de confiança, tempo de resposta e custo. A conclusão é que a ferramenta funciona bem e se diferencia pelo suporte a imagens, mas custa mais que o Jev e pode ser um pouco mais lenta do que o anunciado.

Pontos-chave

• A Decisions API retorna respostas estruturadas, como verdadeiro ou falso, uma opção entre alternativas ou uma pontuação em uma escala.
• A API aceita texto, imagens ou uma combinação dos dois, e retorna também um nível de confiança.
• A integração é feita por API com uma chave da OpenAI e não depende do Codex.
• O apresentador testa a API em um sistema de triagem veterinária, analisando mensagens e classificando sua urgência.
• No exemplo, a integração envia três perguntas em uma chamada e exibe respostas, confiança, tempo de resposta e custo.
• O teste com imagens acrescenta uma pergunta sobre sinais visíveis de lesão, sangramento ou inchaço.
• O apresentador observa que o tempo real de resposta pode ser maior que o anunciado e que a ferramenta custa mais que o Jev.
• A documentação oficial pode ser obtida em formato Markdown ao acrescentar .md ao URL, segundo a demonstração.

Capítulos

Início	Capítulo	Resumo
00:00	Apresentação da Decisions API	O apresentador explica o propósito da API e introduz a comparação com o Jev.
03:40	Tipos de pergunta e comparação com o Jev	São apresentados os formatos verdadeiro ou falso, escolha e pontuação, além de diferenças de preço e velocidade.
07:13	Documentação e playground	O vídeo mostra a documentação, o playground e como preparar as instruções de integração.
10:53	Integração no sistema de triagem	O apresentador configura a API no Pet On-Call para classificar chamados veterinários e registrar confiança e custo.
17:07	Teste de análise com imagens	A integração é ampliada para aceitar fotos e avaliar sinais visíveis que possam elevar a gravidade do caso.
21:17	Conclusões e comparação final	O apresentador resume os resultados, comenta o custo e a latência e destaca o suporte a imagens como diferencial.

Citações

Agora podemos realmente usar a Decisions API. — 00:00

Recebemos uma resposta ultrarrápida com apenas a opção selecionada e a precisão da resposta. — 03:08

O tempo da chamada foi de 300 ms, o dobro do anunciado. — 15:33

Ela custa um pouco mais que o Jev e aceita imagens. — 23:53

Conceitos e entidades

• Decisions API (ferramenta): API da OpenAI demonstrada no vídeo para obter decisões estruturadas a partir de entradas e opções definidas.
• OpenAI (empresa): Empresa responsável pela Decisions API apresentada no vídeo.
• Jev (ferramenta): Ferramenta de IA para decisões usada como referência de comparação com a Decisions API.
• Decision AI (conceito): Abordagem que produz decisões delimitadas, em vez de respostas longas em texto livre.
• Claude (ferramenta): Assistente usado pelo apresentador para implementar a integração no projeto de demonstração.
• Codex (ferramenta): Ferramenta mencionada como não sendo necessária para integrar a API.
• Pet On-Call (repo): Sistema de demonstração de triagem veterinária usado para testar a API.
• GPT-6 Luna (modelo): Modelo citado no vídeo como responsável pelas decisões na Decisions API.

Tradução completa (pt-BR)

00:00 A Gara lançou a Decisions API. Agora podemos realmente usá-la. Você só precisa de uma chave de API da OpenAI, a criadora do ChatGPT, e pode integrar facilmente um concorrente do Jev ao seu próprio projeto, testá-lo e ver se vale a pena. Neste vídeo, vou mostrar tudo sobre a Decisions API, quanto custa, como integrá-la e também construir um projeto para vermos na prática se vale a pena ou não. Então, vamos lá. Pessoal, vamos primeiro falar um pouco sobre a API,

00:31 certo? Para quem não sabe, uma API, para quem não é da área técnica, é basicamente um software com o qual podemos nos integrar, para o qual podemos enviar solicitações e do qual podemos receber respostas. É basicamente isso. Então, é por isso que esse nome pode soar estranho para alguns — Decisions — porque estamos nesta era, digamos, da IA de decisão, certo? Como já falei em vários vídeos, isso não vai substituir nada, pessoal. É uma camada extra para deixar nossos programas mais baratos e cuidar de fato da parte da tomada de decisões, que era algo caro,

01:03 custoso e demorado nos LLMs e que, consequentemente, vai tornar nossos sistemas mais precisos. Então, ganhamos mais um concorrente do Jev, certo? Já surgiram vários de open source, e agora está chegando este fechado, que é da OpenAI, a criadora do ChatGPT. E ele não nos dá nada além de decisões, certo? Escolher entre as opções que enviamos, ou verdadeiro ou falso, certo? Então, é muito parecido. Aqui há um tempo de resposta, certo? Aproximadamente 150 ms, semelhante ao do

01:34 Jev, certo? Aparentemente, é mais rápido, mas vamos ver na prática. O preço é um pouco mais alto que o do Jev: 10 centavos por milhão de tokens, mas este é quase infinito. Não vamos usar muitos tokens aqui, certo? E o custo da saída é zero, o que é padrão nesse caso, porque ele só entrega uma resposta, como é padrão nas APIs, certo? A saída funciona como uma API. A decisão acontece na entrada, que é onde pagamos, certo? Bem, aqui está um exemplo de pergunta. Se quiséssemos saber a qual departamento esta pergunta ou solicitação se destina — “Fui cobrado duas vezes pelo meu pedido” —, então temos

02:06 três opções, três setores responsáveis na empresa, e ele detecta que é do financeiro porque houve uma cobrança duplicada, certo? Então, é isso que uma API de decisão faz, o que uma IA de decisão faz. Olhem só, pessoal: a resposta vem pronta, sem nenhum texto entre as partes. Aqui está uma comparação entre uma IA convencional, um LLM, e uma IA de decisão. A Decisions API, neste caso, poderia ser o Jev; a operação é a mesma. Com uma IA normal, enviamos uma pergunta, um modelo analisa tudo, raciocina, certo? Estamos

02:37 vendo também modelos raciocinando bastante nas respostas, certo? E isso é bom, mas, neste caso, é ruim. Recebemos uma resposta bem completa sobre a pergunta e, depois, a decisão, certo, tudo junto. Então, isso acaba levando tempo. A saída é sempre prolixa. Com a IA de decisão, enviamos a pergunta com as opções, certo? Esse é o padrão. Nosso programa já está configurado para funcionar assim. Um modelo analisa aqui; no caso da Decisions API, é o GPT6 Luna, certo? Ele

03:08 é o único disponível. E recebemos uma resposta ultrarrápida, contendo apenas a opção selecionada e a precisão da resposta. Isso também é importante porque, como todos esses modelos, ele pode errar e, se a precisão for baixa, podemos encaminhar para uma revisão manual, se quisermos, certo? Então, como eu disse, o modelo que toma as decisões na Decisions API é o Luna, certo? Podemos enviar texto, imagem ou os dois juntos para análise. Então, isso é um diferencial,

03:40 certo? No Jev, pelo menos até agora, você não envia imagens. Perguntas: o que você quer saber e quais respostas são válidas? Você precisa enviar isso, certo? Qual é a pergunta? Por exemplo, com qual departamento essa pessoa quer falar? E, depois, as respostas: financeiro, suporte e assim por diante, certo? E recebemos as respostas no retorno. Assim como no Jev, teremos três maneiras de perguntar, certo? A primeira é verdadeiro ou falso. Basicamente, essa é a resposta, certo? Ele só pode dizer

04:10 se a pergunta que você enviou é verdadeira ou falsa, além de informar uma precisão; obviamente, a precisão é sempre enviada. Então: “Chegou danificado?”, foto do produto, e aí há 92% de chance de que sim, chegou danificado, certo? Porque ele vai analisar a foto, a pergunta, o que queremos fazer e, então, responder, certo? Escolha: enviamos o que queremos saber e as alternativas. Por exemplo: fui cobrado duas vezes; qual departamento cuida disso? A parte branca é o que o cliente enviou, a parte cinza é aquilo para o qual nosso sistema está configurado,

04:40 e as respostas também. Então: fui cobrado duas vezes. A pergunta é: qual departamento cuida disso? E a resposta é financeiro. Uma chance de 95% de estar certo, certo? Embora haja um pouco de incerteza quanto ao suporte, porque talvez isso também pudesse ser resolvido pelo suporte, e assim por diante. E escala, certo? Eles chamam isso de score; o nome do tipo de pergunta muda um pouco, certo? Lá, os predicados são para o Jev. Choice é escolha e score, acho, também é score, certo? Então, aqui é como se quiséssemos uma resposta mais personalizada, certo, para a qual

05:11 teríamos que enviar várias opções. Então, enviamos uma escala, por exemplo, de ruim a bom, de zero a dois. Assim, ele encaixa a resposta nessa escala para entender melhor o que a pessoa está dizendo, certo? Essa é a opção mais personalizável possível e também pode gerar mais problemas, já que a escala não é algo muito fixo, certo? E teríamos que configurar nosso sistema para aceitar vários intervalos. Bem, pessoal,

05:41 antes de irmos para a parte prática, uma breve comparação com o Jev. Neste vídeo não vou incluir o Jev, mas, se quiserem, deixem nos comentários e farei um vídeo com as duas tecnologias, certo? Então, se compararmos o modelo GPT-4o com o Luna, mas focados em decisões, certo? Porque o Luna também funciona como um LLM, certo? O Jev é um modelo treinado; não sabemos qual é, mas foi treinado para tomar decisões. Tipos de pergunta: verdadeiro ou falso? Lá, é sim ou não, mas é a mesma coisa, certo? Escolha, escolha, e score, certo? A entrada aqui. O gráfico é um pouco

06:12 enganoso, certo? São 10 centavos por milhão de tokens, o que é muito. E aqui são 0,04. Então, o Jev é muito mais barato, certo? Mais da metade, certo? Mais de 50% mais barato. Então, o Jev é muito mais barato, certo? Custa menos da metade. Quanto à velocidade, como eu disse, a OpenAI é um pouco mais rápida. Isso deve ser por causa dos servidores, certo? Devem estar disponibilizando mais poder de processamento, pelo menos para vencer nesse quesito, porque provavelmente não queriam competir pelo preço, certo?

06:42 Mas isso será praticamente imperceptível, certo? É pouquíssimo tempo. Essa é a situação. Agora temos uma beta pública, disponível para qualquer chave. Antes, há poucos dias, não era possível usá-la. Agora é. E o Jev também está disponível para todos, certo? Antes havia uma lista de espera; agora não há mais diferenças. Podemos fazer chamadas de voz pela Live API, certo? Então, essa parte é legal. Há aqui outras questões mais técnicas que recomendo que vocês leiam na documentação para entender, como o SDR e a HIPA. Certo, pessoal? Então, vamos testar a

07:13 Decisions API na prática. Mas, antes disso, pessoal, nosso curso de Jev está com inscrições abertas, certo? Então, se quiserem dominar essas ferramentas de decisão, como viram ali, é tudo muito parecido, seja a Decisions API ou outras alternativas de open source; o conceito e o contexto são os mesmos. Então, ao dominar o Jev, vocês consequentemente saberão operar as outras, certo? O link estará no comentário fixado, então aproveitem enquanto está com promoção de lançamento nesta semana, certo? Um treinamento para vocês aprenderem tudo sobre o Jev, aplicá-lo em projetos práticos e colocá-lo em produção. Combinado? Também estou esperando vocês por lá. Acessem a página e assistam a este vídeo aqui depois. Bem, pessoal, então, olhem só: a OpenAI lançou esta documentação. Ela explica como funciona, como integrá-la e quais opções tem. Aqui estão alguns exemplos práticos e visuais, certo? Por exemplo: “Ah, este cliente quer cancelar. Cancele minha assinatura antes da próxima renovação.” Probabilidade de 100%, certo? Então, é assim que

07:43 funciona.

08:13 funciona, certo? De um jeito bem prático. É isso. Aqui está o formato de integração. Aqui ele explica isso em outra situação, certo? Seleção de opções. Aqui está o intervalo, certo? Que seria o intervalo de valores e assim por diante, certo? Bem, dito isso, se você adicionar um .md à URL, terá acesso a essa skill, entre aspas, certo? Então, esta é a documentação para o seu agent aprender a fazer a integração. Então, lembre-se disso, preste

08:44 atenção a este detalhe. Porque ele será muito importante para a integração depois, certo? E outra coisa que quero mencionar aqui: não precisamos usar Codex, podemos fazer isso em qualquer sistema, porque a integração é feita via API. Você vai precisar de uma API key na plataforma da OpenAI, e é isso que vai permitir a integração. Não está vinculada ao token, certo? Outra coisa importante é que também há um playground, olhem só. Se vocês acessarem este link aqui, vou tentar deixá-lo na descrição, pessoal, certo? Também é muito fácil de acessar, mas há este playground que é igual ao playground do Jev

09:16 E aqui vocês podem entender como funciona sem depender do seu sistema, certo? É só acessar e dizer: ah, quero ver como funciona a escolha. Então, ele fala sobre o problema do cliente, certo, o prompt que vamos enviar. E aqui está a escolha, certo, que seria o modo que oferece opções. E aqui estão os departamentos. Então, neste caso, estamos perguntando qual equipe deve cuidar da solicitação, certo, da solicitação do cliente. E ele ainda

09:50 dá um contexto, certo: escolha a equipe que tenha mais relação com o problema principal, certo, com a questão principal do cliente. E então, o que foi? Ah, cobraram duas vezes a minha assinatura este mês. Você pode me ajudar a receber o reembolso da cobrança extra? Então, isto aqui é o que será configurado no nosso programa à esquerda, certo? E isto aqui é o que a IA vai receber, certo? O que o sistema recebe, combina com isso e envia. Depois, ele

10:20 vai enviar para a Decision API e receber a resposta, certo? E temos 100% de certeza de que é o departamento de faturamento, certo? Então, é isso que vai acontecer no nosso sistema. E olhem só: em uma requisição de teste no próprio servidor deles, demorou o dobro do tempo que disseram que levaria, certo? Eles até acrescentaram 200 ms por causa da minha internet, então só o servidor deles demorou o dobro do anunciado. Comecem a reparar nos detalhes, certo? Certo, vamos

10:53 parar com a conversa fiada e partir para a integração. Criei aqui um sisteminha que ainda não tem isso, certo? Vou pedir para ele começar. Deixa eu ver aqui. Vou pedir para começar por aqui, olhem só. Ele abriu o sistema, pessoal, certo? E que sistema é este? É o Pet On-Call, uma triagem de clínica veterinária. Este sistema tem vários chamados de uma loja de animais ou de uma clínica veterinária, certo? E esses chamados abertos no sistema

11:24 serão triados pela Decisions API, esse é o truque aqui, certo? Então, há 15 na caixa de entrada, e eles serão analisados agora que vou integrar a Decisions API, que é o próximo prompt que vou enviar. Então, vejam como vocês vão fazer a integração. Prestem atenção aos prompts, certo? Vou tentar deixar isso em um gist aqui, se eu me lembrar, pessoal; o link estará na descrição, certo? Olhem só, agora integre a API de análise de decisões da OpenAI. Este primeiro parágrafo aqui, certo? Vocês também vão implementar este primeiro bloco no seu

11:55 sistema. É algo novo e provavelmente vocês ainda não conhecem. Antes de escrever qualquer código, leia a documentação oficial. Então, este link que passei para ele é exatamente o que mostrei aqui, certo? Aqui, a OpenAI não tem nenhuma explicação, pelo menos não encontrei facilmente, como o Jev, que tem aquela skill de integração, certo? Mas isso deve ser mais do que suficiente. Então, passo esse link para ele e peço que siga exatamente o formato indicado. Use a versão mais recente do pacote oficial; ele já oferece suporte a isso, certo? Isto aqui

12:25 ensina a integração para ele. Depois, peço a funcionalidade. Então, ao clicar em reanalisar, envie a mensagem de instrução junto com o nome e a espécie do animal. Uma única chamada com as três perguntas juntas: o sim ou não sobre o atendimento de hoje que quero analisar, certo? Verdadeiro ou falso, a escolha do assunto e a classificação de gravidade. Então, choice é “choice”, e a classificação de gravidade é o intervalo, a pontuação, certo? Vou fazer os três tipos de pergunta em uma única requisição. Podemos fazer isso. Escreva as perguntas e a

12:57 descrição de cada opção em português, explicando bem o que cada opção significa, e mantenha uma opção “other” para o que não se encaixar. Então, aqui talvez pudéssemos até adicionar uma interação manual se a resposta for “other”, certo? A chamada acontece no servidor. No navegador, mostre no painel as respostas propriamente ditas, a confiança de cada uma, que será retornada, o tempo que a chamada levou, para podermos entender, os tokens de entrada, para vermos o custo, e o custo calculado. Mas isto é apenas uma estimativa aproximada, porque o

13:29 preço pode mudar e coisas assim, então vamos ver o que acontece, certo? Foi por isso que incluí o preço no envio; vou mostrar daqui a pouco. Olhem só: quando a confiança de uma resposta ficar abaixo de 60, isso também é algo que vocês precisam tratar. Isso é padrão até no Jev. Destaque em amarelo como “precisa ser revisado”. Se a API rejeitar alguma pergunta, mostre isso na tela em vez de travar, certo? Só para podermos ver se há algum erro. Salve a análise no banco de dados e mostre um selo na caixa de mensagem com a gravidade de cada mensagem analisada. Certo, então pedimos o prompt, e ele vai cuidar da integração aqui. E o que precisamos fazer aqui no Env? Eu

13:59 adicionei o preço porque ele pode mudar, como eu disse, só para mantermos o controle disso aqui. E a chave da OpenAI. Então, como conseguir a chave? Ela fica aqui, em API Keys, na plataforma. Crie sua chave. Olhem só, criei a minha aqui, certo? E vamos simplesmente colá-la no arquivo Env. Então, vou colá-la aqui e salvar. E aí ela estará configurada. Vamos comentar isso depois, quando ele voltar com a resposta. Olhem só, já coloquei e salvei. Agora estou só esperando o Claude me responder. Estou fazendo tudo no Claude, como eu disse. Não precisa ser no Codex, certo? Só para deixar isso bem

14:30 claro, porque sei que muita gente vai ter essa dúvida. Não tem nada a ver com o Codex. É um serviço de API separado, assim como criar uma imagem via API. Da OpenAI, certo? Então vamos esperar ele terminar; já volto. Bem, pessoal, ele voltou agora, certo? Vamos ver o que disse. O painel agora realmente chama a API. O servidor está rodando na porta 3457 e já está abrindo o navegador. Testei a chamada com sua chave, seis mensagens do banco de dados, e as respostas fizeram sentido. Não consegui clicar na tela. Eu, pelo menos, não. Ele não conseguiu acessar o navegador. Entendi. Então

15:01 aqui está o que testei: respostas, tempo e custo, banco de dados e selo, chave. Então, o que vou fazer aqui — não sei se ele realmente fez isso, certo? — é dizer: coloquei a chave no ENV, inicie o projeto aqui. Ele disse que testou, mas, cara, nem havia uma chave lá antes, quando estava funcionando, então não dá para confiar muito nisso, certo? Vamos pedir para ele reiniciar e depois eu mesmo testo. Então, ele reiniciou. Vamos até aqui, olhem só. Vamos ver, ele fez uma

15:33 análise, certo? Mas vamos fazer o resto, olhem só. Vou configurá-lo para analisar. E aqui ele já retornou. Então, o tempo da chamada foi de 300 ms, o dobro do anunciado, e o custo é insignificante, certo? Então, não temos um custo tão alto, mas, mesmo assim, é o dobro do Jev, certo? E vamos ver aqui se funcionou. Meu gato caiu da janela do terceiro andar, está respirando muito rápido e não consegue se levantar. Estou chamando um Uber para ir para lá agora mesmo. Precisa ser atendido hoje. Sim, 100% de certeza.

16:04 Ótimo. Emergência é o departamento, o assunto, certo? E aqui, pela gravidade aparente do caso, é uma emergência. Então está tudo certo, olha. Vamos ver este aqui. Boa tarde. A barriga do Rex está um pouco inchada depois de comer, e ele fica tentando vomitar, mas não sai nada. Deve ser gases, né? Devo dar algum remédio para gases? Então, disse que ele precisa ser atendido hoje. Demorou bem mais. Está vendo? Disse que é uma emergência, então não sei, né? Acho que está sendo bem cautelosa. Vamos tentar um aqui que é um

16:36 pouco mais… O passarinho está com as penas todas arrepiadas o dia inteiro, encolhido no fundo da gaiola. Ele nem cantou hoje. Será que está com frio? Olha, precisa ser atendido hoje. Emergência, mas aqui, olha, por exemplo, estava 100%, era 99%; aqui colocou 65 e disse que é urgente. Então, tudo bem, o nível de urgência já caiu um pouco, né? Deixa eu ver aqui. Oi, tudo bem? Gostaria de saber o custo do check-up anual e se ela precisa ficar em jejum para os exames de sangue. Olha, não precisa ser hoje, é uma consulta de rotina e está tudo bem. Então, este está correto e agora chegou muito

17:07 perto do que foi prometido ali, né? Bem, achei bom, embora aqui seja saúde, né, pessoal, essa questão, né? Mas achei bem cauteloso, né? Iara, da Decisions API. Bem, também vou testar o recurso de fotos para vermos como funciona. Vou enviar o prompt, olha. Agora o tutor pode enviar uma foto. Crie uma tela separada que simule o lado do tutor, certo, para podermos testar como se fosse um formulário de contato de uma clínica, com campos para o nome do tutor, nome do animal, espécie, enfim, tudo o que precisam enviar, além da foto, certo? Coloque o

17:38 acesso a essa tela no painel da clínica e, na tela do tutor, um caminho de volta ao painel. Ao enviar, a mensagem entra na caixa de entrada do painel com a miniatura da foto e é analisada na hora. A tela do tutor mostra uma confirmação de que a mensagem chegou. Quando a mensagem tiver uma foto, envie a foto junto com o texto na mesma chamada para a Decision API. Certo? Porque dá para fazer do jeito que a documentação orienta para enviar mensagens. Redimensione a foto antes de enviar para não desperdiçar tokens sem necessidade. Adicione uma quarta pergunta. Então, vamos acrescentá-la ao recurso de fotos, certo? Apenas para mensagens com fotos. Se a foto mostrar algum ferimento, sangramento ou inchaço visível, também é uma pergunta de sim ou não. Com uma porcentagem de probabilidade. Regra clínica: se essa probabilidade passar de 70, o nível de gravidade da mensagem aumenta e o painel mostra que aumentou por causa da foto. Exiba a foto no painel ao lado das respostas, junto com os tokens e o custo dessa análise, certo? Vamos pegar uma foto de um cachorro aqui. E, pessoal, antes de continuar, se vocês estiverem pensando em contratar uma VPS, queria recomendar a Hosker. É lá que hospedamos todos os nossos aplicativos, certo? Eles estão com uma promoção especial neste mês de outubro. E vocês também podem usar os cupons “hora de codar”, que dão um desconto extra além dessa promoção, certo? Muita gente tem dúvidas sobre qual plano escolher. Recomendo o KVM2, porque é uma máquina excelente; vocês vão conseguir hospedar vários projetos ao mesmo tempo, certo? E, com isso, dá para testar vários sistemas, incluindo a API, o dev, o que vocês precisarem, certo? É só vir aqui e escolher o plano. Depois, nesta tela, vocês escolhem a duração. Quanto maior o período, mais barato fica, né? Eles dão mais descontos, certo? Servidor mais próximo de você.

18:09 inchaço, também é uma pergunta de sim ou não, com uma chance percentual. Regra clínica: se essa chance passar de 70, o nível de gravidade da mensagem aumenta e o painel mostra que isso aconteceu por causa da foto. Exiba a foto no painel ao lado das respostas, com os tokens e o custo dessa análise, certo? Vamos pegar uma foto de um cachorro aqui. E pessoal, antes de continuar, se vocês estão pensando em contratar uma VPS, quero recomendar a Hosker. É lá que hospedamos todos os nossos aplicativos, certo? Eles estão com uma promoção especial neste mês de outubro. E vocês também podem

18:40 usar os cupons “hora de codar”, que darão um desconto extra além dessa promoção, certo? E muita gente tem dúvidas sobre como escolher um plano. Recomendo o KVM2, porque é uma máquina excelente; vocês poderão hospedar vários projetos ao mesmo tempo, certo? E com isso, poderão testar vários sistemas, incluindo, incluindo a API, o ambiente de desenvolvimento, o que precisarem, tudo bem? É só vir aqui e escolher o plano. Depois, nesta tela, vocês escolhem o período. Quanto maior o período, mais barato fica, certo? Eles dão mais descontos, né? Servidor mais próximo de

19:10 Esses milissegundos aqui importam, né? Mas hoje em dia você pode adicionar uma CDN, se quiser, e praticamente zerar esse valor. Ubuntu é a distribuição que escolho para minha VPS, porque é boa tanto para iniciantes quanto para usuários mais avançados, certo? Ubuntu para sempre, nunca tive problema. Confesso que Ubuntu é aplicado, então pode escolher, você terá sua primeira VPS, certo? E, claro, o melhor custo-benefício, uma máquina excelente para qualquer tipo de projeto. KVM2, certo? Vamos continuar. Ei, pessoal, então rodou aqui, certo? Depois teremos a tela do tutor para fazer o teste com a imagem, certo? Vou ver como ficou aqui, olha. Na verdade, pegou a imagem, cara. Nossa, agora fiquei impressionado com a nuvem. Está tudo certo. Vamos continuar aqui. Então, vou acessar a tela do tutor. Depois, vou inserir meu nome. O nome do animal é um cachorro que ficou muito feliz com a última consulta. Muito obrigado, pessoal. Um feedback, né? Vou enviar uma foto do cachorro. Olha, aqui está a foto. Vou enviar. E

19:42 executar o teste com a imagem, certo? Vou ver aqui como ficou, olha só. Ele realmente pegou a imagem, cara. Uau, agora fiquei impressionado com a nuvem. Está tudo certo. Vamos continuar aqui. Então, vou acessar o tutor aqui. Depois, vou digitar meu nome. O nome do pet é um cachorro que ficou muito feliz com a última consulta. Muito obrigado, pessoal. Um feedback, né? Vou enviar uma foto do cachorro. Olha, aqui está a foto. Vou enviar. E

20:14 a mensagem foi recebida e, sabe, chegou com a foto. Está processando aqui, certo? Então vou conferir o painel. Aqui está o Zeus. Ferimento visível, sangramento ou inchaço: não. Então, está 100% confiante nisso, certo? Precisa ser atendido hoje? Não. Mas a mensagem é diferente, certo? Não há feedback aqui, está tudo certo. Então é isso, funcionou. A análise de imagens também é um grande diferencial da Decisions API. A IA provavelmente vai incluir isso, né? Vamos fazer uma solicitação normal aqui, olha, o tempo é praticamente o mesmo.

20:46 O uso de tokens é um pouco maior: 0,00301. Praticamente a mesma coisa, né? Um pouco mais, um pouco mais, mas, cara, é insignificante, né? Tem bastante coisa. Ah, está até mais abaixo aqui. Achei que não estivesse aqui. Então, olha só. Ah, até diz, né? Uma mensagem sem foto gasta, em média, este valor aqui, né? E com uma foto, gasta esse tanto aqui, certo? Então, usa mais alguns tokens. Mas, cara, tomar decisões com imagens é muito interessante, né? Também abre muitos caminhos. Então, um ponto para a Decisions API, né? Bem, pessoal,

21:17 era isso que eu queria apresentar a vocês sobre a Decisions API, né? Só para conversarmos sobre esse lançamento e vocês também entenderem como integrá-la. Este link aqui diz tudo, né? É a documentação, a fonte confiável de informações. Sugiro que leiam com bastante atenção. Usem este arquivo markdown aqui, que basicamente é só adicionar .md à URL, e ele se transforma em documentação para vocês, certo? E vocês terão a mesma experiência que eu tive aqui. Quero saber o que acharam, certo? Não se esqueçam: a hospedagem é na Host, pessoal. Se quiserem

21:48 contratar uma VPS, elas estão em promoção neste mês. Usem nosso cupom, certo? O link estará aqui na descrição. Vocês terão um desconto especial para usar além do desconto que já estão oferecendo nesta promoção de outubro. Minha recomendação é sempre o KVM2, porque é uma máquina com configurações excelentes; dá para colocar vários projetos rodando ao mesmo tempo, certo? Com uma relação custo-benefício muito boa. Vocês podem comparar quantos serviços de hospedagem eles superam quando comparam preço e recursos, né? Não adianta

22:18 ter uma VPS mais barata se ela não consegue dar conta da sua aplicação, especialmente porque integramos com tantas coisas; você precisa de uma boa CPU e RAM, ou sua aplicação e seu sistema vão travar, certo? Então escolha o KVM2 e estará seguro. E, pessoal, outra coisa, né? Eles sempre investem em infraestrutura; hoje, inclusive, têm servidores no Brasil, então vocês podem se cadastrar agora mesmo e ter latência muito baixa, o que fará as pessoas acessarem seu sistema mais rápido, né? Outros serviços de hospedagem geralmente ficam fora do Brasil. Dá para instalar vários aplicativos

22:49 logo de cara, sabe? Você não precisa perder tempo com nada. E também tem o agent, que antes se chamava Codi; para mim, até hoje continua se chamando Codi. Com ele, você pode tirar qualquer dúvida sobre sua hospedagem. Ele pode ajudar você a hospedar tudo. Ele entende de hospedagem. É uma IA e pode gerenciar seu servidor para você, certo? Você nem precisa digitar comandos manualmente. Escolha o plano e confira se o cupom foi aplicado para conseguir aquele descontinho, certo? Bem aqui, na finalização da compra. Quanto maior o período, maior o desconto. E aqui você escolhe um servidor no Brasil ou nos Estados Unidos, certo? Para ter uma latência menor. E também, Ubuntu é

23:21 a distribuição que recomendo, por ser a melhor Linux para iniciantes, certo? É muito fácil de usar e é uma distribuição na qual muitas outras se baseiam. Então, essa configuração é bem interessante, certo? Nosso curso do Jev também é para quem quer aprender sobre essas IAs de decisão, entender a fundo como elas funcionam e conhecer vários casos de uso e projetos; está tudo aqui, certo? O link estará no comentário fixado para você conferir meu treinamento mais recente do Jev. Bom, pessoal, vou ficando por aqui. Espero que tenham gostado da integração da Decisions API. Ela é

23:53 bem simples de fazer, não tem mistério. O prazo que prometeram é um pouco enganoso, certo? A resposta demora um pouco mais, mas mal dá para notar, como vocês viram, certo? Custa um pouco mais que o Jev e aceita imagens, certo? Esse é um diferencial muito interessante, mas acredito que o Jev também vai aceitá-las em breve. Aí a disputa será pelo preço, se a qualidade das respostas dos dois for a mesma, certo? Bom, se vocês quiserem um vídeo sobre o Jev comparado com a Decisions API, deixem nos comentários abaixo que eu também faço para vocês, e podemos ver qual tem o melhor desempenho com base nos critérios de avaliação,

24:23 que é o que importa. Em termos de tempo, para quem está esperando, é praticamente a mesma coisa, e o preço também não vai fazer muita diferença, certo, pessoal? Vou encerrar por aqui. Vejo vocês no próximo vídeo ou também no curso do Jev, combinado? Obrigado, até mais. M.

Transcrição original

[00:00] Gara released the Decisions API. Now, we can actually use it. You just need an OpenAI API key, the creator of ChatGPT, and you can easily integrate a Jev competitor into your own project, test it, and see if it’s worth it. In this video, I’m going to show you everything about the Decisions API, how much it costs, how to integrate it, and also build a project so we can see in practice if it’s worth it or not. So come on in, let’s go. So guys, let’s first talk a little bit about the API,

[00:31] okay? For those who don’t know, an API, for those not in the technical field, is basically software that we can integrate with, send requests to, and receive responses from. That’s basically it. So, that’s why this name might sound strange to some—decisions —because we’re in this era, let’s say , of decision AI, right? As I’ve said in several videos, it won’t replace anything, guys. It adds an extra layer to make our programs cheaper, to actually handle the decision-making part, which was something expensive,

[01:03] costly, and time-consuming in LLMs, and consequently, it will make our systems more precise. So we gain another competitor to Jev, right? Several open-source ones have already come out, now this closed one is coming out, which is from OpenAI, the creator of ChatGPT. And it doesn’t give us anything other than decisions, right? Choose between the options we sent, or true or false, okay? So it’s very similar. It has a response time here, right? Approximately 150 ms, similar to

[01:34] Jev, right? Apparently faster, but let’s see in practice. A slightly higher price than Jev, at 10 cents per million tokens, but this one is almost infinite. We won’t use many tokens here , okay? And zero on the output, which is the standard for this, because it only delivers one answer, as is the standard for APIs, right? The output works like an API. The decision happens on the input, which is where we pay, right? Well, here is an example of a question. So, if we wanted to know which department this question is intended for or this issue, “I was charged twice on my order,” then we

[02:06] have three options, three responsible sectors in the company, and it detects that it’s financial because it was charged twice, okay? So that’s what a decision API does, what a decision AI does. So, check this out, guys, the answer comes out ready without any text in between. So, here is a comparison, right, between a conventional AI, an LLM, and a decision AI. The Decision API here, in this case, could be the JV , the operation is the same. A normal AI, we send a question, a model analyzes it all, reasons, right? We are

[02:37] also seeing models reasoning a lot in their answers, okay? And that is good, but for this case here, it is bad. And we get a very complete answer about the question and then the decision, right, all together. So this ends up being time-consuming. The output is always wordy. In decision AI, we send the question with the options, okay? This is standard. Our program is already configured to be like this. A model analyzes here, in the case of the Decision API, it’s GPT6 Luna, okay? It

[03:08] is the only one available. And we get an ultra-fast answer with just the selected option and the precision of the answer. This is also important because, like all these models, they can make mistakes, and if the precision is low, we could pass it to a manual review if we wanted to, okay? So as I said, the model that decides in the Decision API is Luna, okay? We can send text, image, or both together for analysis. So it is a differentiator,

[03:40] right? In JEV, at least until now, you don’t send images. Questions, what do you want to know and which answers are valid? You have to send that, right? What is the question, right? Like, for example, which department does this person want to talk to? And then the answers: finance, support, and so on, okay? And we receive answers in the return. Like in JEV, we will have three ways to ask, okay? So, the first is true or false? Basically, that is the answer, right? It can only send you

[04:10] whether the question you sent is true or false and a precision, obviously, precision is always sent. So, “did it arrive damaged?”, photo of the product, then there is 92%that yes, it arrived damaged, right? Because it will analyze the photo, the question, what we want to do, and then it answers, okay? Choice, then we send what we want to know and the alternatives. So, for example, I was charged twice, which department handles it? The white part is what the customer sent, the gray part is what our system is configured

[04:40] for, and the answers as well. So, I was charged twice. The question is, which department handles this? And the answer is finance. A 95%chance of certainty, right? Even though it’s a bit unsure about support, because this could maybe also be solved by support, and so on. And scale, right? They call it score, the name of the question type there changes a bit, right? Predicates there are for JV. Choice is choice and score I think is score as well, okay? And so here it’s as if we wanted a more personalized response, right, where we

[05:11] would have to send several options. So we send a scale, right, for example, from bad to good and then from zero to two. So it will fit the response into this scale, to be able to better understand what the person is saying, right? This one is the most customizable possible and can also generate more problems, since the scale isn’t something very fixed, right? And we would have to configure our system to accept various intervals. Well, guys

[05:41] , and before we go to the practice here , a brief comparison with JV. In this video here I won’t bring JV along, but if you want, leave it in the comments and I’ll do one with both technologies, okay? So, if we compare the GPT-4o model with Luna, but focused on decision, right? Because Luna also works as an LLM, right? Then JV is a trained model, we don’t know which one it is, but it’s trained for decisions. Question types, true or false? There it is yes or no, but it’s the same thing, right? Choice, choice, and score, okay? Input here. The chart is a bit

[06:12] misleading, right? It’s 10 cents per million tokens, which is a lot. And here it’s 0.04. So we have that JV is much cheaper, okay? More than half, right? More than 50%cheaper. So we have that JV is much cheaper, right? It is less than half the price. Speed, as I said, OpenAI is a bit faster. This must be due to the servers, right? It must be delivering more power to at least win on this, because they probably didn’t want to fight on price, okay?

[06:42] But this will be practically imperceptible, okay? It’s very little time. That’s the situation. Now we have a public beta, open to any key. Previously, just a few days ago, you couldn’t use it. Now you can. And JV is now available to everyone, right? There used to be a waitlist, now there are no more differences. We can make voice calls through the live API, okay? So this part is cool. There are other more technical issues here that I recommend you read the documentation to understand, like this SDR and the HIPA. Alright, guys? So let’s test the

[07:13] Decision API in practice. But just before that, guys, we have our JV course with open enrollment, okay? So, if you want to master these decision tools, as you saw there, it’s all very similar, whether it’s the Decision API or other open-source alternatives, the concept and context are the same. So, by mastering JV, you will consequently know how to operate the others, okay? The link will be in the pinned comment, so take advantage of it while it’s on launch promotion this week, right? Training for you to learn everything about JV, apply it in practical

[07:43] projects, and put it into production. Deal? I’m waiting for you there too. Access the page and watch this video here later. Well, guys, so look, OpenAI released this documentation here. It explains how it works, how to integrate it, and what options it has. Here are some practical and visual examples, right? For example, here, oh, this client wants to cancel, please cancel my subscription before the next renewal . 100%probability, okay? So, that’s how

[08:13] it works, right? A very practical way. That’s it. Here is the integration format. Here it explains it in another situation, right? Selection of options. Here is the range, right? Which would be the range of values and so on, right ? Well, that being said, if you add a .md to the URL, you get access to this skill, in quotes, okay? So this is the documentation for your agent to learn how to integrate. So remember this, pay

[08:44] attention to this detail. Because it will be very important for the integration later, okay? And another thing I want to mention here, we don’t need to use Codex, we can do it in any system, because it’s integrated via API . You will need an API key here on the OpenAI platform, and that is what will enable the integration. It is not tied to the token, okay? Another important thing is that there is also a playground, look. If you access this link here, I’ll try to leave it in the description, folks, okay? It’s also very easy to access, but it has this playground which is just like Jeff’s

[09:16] playground. And here you can understand how it works in isolation from your system, right? You simply go there, ah, I want to see how the choice works. So it talks about the customer’s issue, right, the prompt we’re going to send. And here is the choice, right, which would be the mode that gives options. And here are the departments. So, in this case here, we’re asking which team should handle the request, right, the customer’s request there. And it even

[09:50] speaks, gives a context, right, choose the team that has the best connection, right, with the main problem, the main issue there of the customer. Then what was it? Oh, I was charged twice for my subscription this month. Can you help me get a refund for the extra charge? So this here is what will be configured in our program on the left, right? And this here is what the AI will receive, right? That the system receives, combines with this, and sends. Then it

[10:20] will send it to the Decision API and will receive the response, okay? And we are 100%sure it’s the billing department, alright? So this is what will happen there in our system. And look at this, in a test request on their own server, it took twice as long as they said it would take, right? They even added 200ms for my internet, so their server alone took twice as long as advertised. Start noticing the details there, okay? Alright, let’s

[10:53] stop with the small talk and let’s go to the integration. I created a little system here that doesn’t have it yet, okay? I’m going to ask it to start. Let me see here. Ask it to start here, look . It opened the system, folks, okay? And what is this system here? It’s Pet On-Call, a clinic triage. This system has several tickets from a pet shop or a veterinary clinic, okay? And these tickets that are opened in the systems

[11:24] will be triaged by the Decisions API, that’s the trick here, okay? So there are 15 in the inbox and they will be analyzed now when I integrate the Decisions API, which is the next prompt I’m going to do. So take a look at how you are going to integrate it. Pay attention to the prompts, okay? I’ll try to leave it in a gist here if I remember, guys; the link will be in the description, okay? Look, now integrate the OpenAI analysis decision API. This first paragraph here, right? You will also implement this first block in your

[11:55] system. It is new and you probably don’t know it yet. Before writing any code, read the official documentation. So, this link I gave him is exactly what I showed you here, okay? OpenAI here doesn’t have any explanation, at least I didn’t find it easily, like Jeff, which has that skill for integration, okay? But this should be more than enough. So I pass that link to him and ask him to follow the format there exactly. Use the latest version of the official package, it already has support for it, all right? This here

[12:25] teaches him the integration. Then I ask for the functionality. So, upon clicking reanalyze, send the instructor message along with the pet’s name and species. One single call with all three questions together, the yes or no about today’s service that I want to analyze, right? True or false, the subject choice, and the severity rating. So, choice is “choice” and severity rating is the range there, the score, okay? So , I’m going to do the three types of questions in a single request. We can do that. Write the questions and the

[12:57] description for each option in Portuguese, explaining well what each option is worth and keep an “other” option for what doesn’t fit. So, here we could perhaps even add manual interaction if it’s “other,” right? So, the call happens on the server. In the browser, show the actual answers on the dashboard, the confidence of each one, which will return that, the time the call took for us to understand, the input tokens so we can see the cost, and the calculated cost. But this is just a rough estimate, because the

[13:29] price might change and such, so we’ll see what happens, right? That’s why I included the price in the submission, I’ll show you in a moment. Look, when the confidence of an answer is below 60 , that is something you also have to handle. This is standard even in Jeff. Highlight it in yellow as “to be reviewed.” If the API rejects any question, show that on the screen instead of crashing, right? Just so we can see if there’s any error. Save the analysis to the database and show a badge on the message box with the severity of each analyzed message. Okay then, we requested the prompt, it will handle the integration here. And what do we need to do here in the Env? I

[13:59] added the price because it might change , as I told you, just so we keep track of it here. And the OpenAI key. So, how do you get the key? It’s here under API Keys on the platform. Create your key. So, look, I created mine here, okay? And we’ll just paste it into the Env file. So, I’ll paste it here and save it. And then we’ll have it configured. We’ll comment on that later once it returns with the response. Look, I’ve already put it in and saved it. Now I’m just waiting for Claude to get back to me. I’m doing everything in Claude, as I told you. It doesn’t have to be in Codex, right? Just to make this very

[14:30] clear, because I know many people will have this doubt. It has nothing to do with Codex. It’s a separate API service , just like creating an image via API. From OpenAI, okay? So let’s wait for it to finish, I’ll be right back. Well, guys, it’s back now, okay? Let’s see what it said. The panel now actually calls the API. The server is running on 3457 and already opening your browser. I tested the call with your key, six messages from the database, and the responses made sense. I couldn’t click on the screen. Not me, anyway. It couldn’t access the browser. Got it. So

[15:01] here is what I tested: responses, time and cost, database and badge, key. So, what I’ll do here, I don’t know if it really did it, right? I’ll say here, I put the key in the ENV, start the project here. It said it tested it, but man, there wasn’t even a key there before when it was working, so you can’t really trust it, okay? Let’s just ask it to restart and then I’ll test it myself. So it restarted. Let’s come over here, look. Let’s see, it did one

[15:33] analysis, okay? But let’s do the rest, look. I’ll set it to analyze. And here it already returned. So the call time was 300ms, double what’s being advertised, and the cost is negligible, right? So we don’t have that much cost, but even so, it’s double Jeff’s, okay? And let’s see here if it worked. My cat fell from the third-story window, he’s breathing very fast and won’t get up. I’m grabbing an Uber there right now. Needs to be seen today. Yes, 100%sure.

[16:04] Great. Emergency is the department, the subject, right? And here, how serious the case seems, it’s an emergency. So everything is fine, look. Let’s see this one here. Good afternoon. Rex’s belly is a bit bloated after eating, and he keeps trying to vomit, but nothing comes out. Must be gas, right? Should I give him gas relief? So it said it needs to be seen today. That took a lot longer. See here? It said it’s an emergency, so I don’t know, right? I think it’s being quite cautious. Let’s try one here that’s a

[16:36] bit more…The bird has had its feathers all ruffled all day, huddled at the bottom of the cage. It didn’t even sing today. Could it be cold? Look , needs to be seen today. Emergency, but here, look, for example, 100%was 99 %, here it put 65 and said it’s urgent. So, okay, it already went down a bit in the level of urgency, right? Let me see here. Hi, how are you? I’d like to know the cost of the annual checkup and if she needs to fast for blood tests. Look , doesn’t need to be today, it’s a routine visit and it’s fine. So this one is correct and now it took very

[17:07] close to what was promised there, right ? Well, I thought it was good, although it is health here, right folks, this issue, right? But I thought it was quite careful, right? Iara from Decisions API. Well, I’m going to test the photo feature too so we can see how it works. I’ll send the prompt, look. Now the owner can send a photo, create a separate screen that simulates the owner’s side, right, so we can test it as if it were a clinic contact form, fields for owner name, pet name, species, so everything they have to send and the photo, okay? Put the

[17:38] access to this screen on the clinic dashboard and on the owner’s screen a path back to the dashboard. Upon sending, the message enters the dashboard inbox with the photo thumbnail and is analyzed right away. The owner’s screen shows a confirmation that the message has arrived. When the message has a photo, send the photo along with the text in the same call to the Decision API. Right? Because you can do it the way the documentation instructs to send messages. Resize the photo before sending so you don’t waste tokens unnecessarily. Add a fourth question. So we’re going to add this to the photo functionality, right? Only for messages with photos. If the photo shows any injury, bleeding, or visible

[18:09] swelling, it’s also a yes or no question. With a percentage chance. Clinical rule: if that chance exceeds 70, the message severity level increases and the dashboard shows it rose because of the photo. Display the photo on the dashboard next to the answers with the tokens and the cost of that analysis, okay? Let’s grab a photo of a dog here. And guys, before we continue, if you’re thinking about getting a VPS, I wanted to recommend Hosker to you. That’s where we have all our applications hosted, okay? They have a special promotion going on here this month of October. And you can also

[18:40] use the “hora de codar” coupons which will give you an extra discount on top of this promotion, okay? And many people have questions about choosing a plan. I recommend the KVM2 because it’s an excellent machine, you’ll be able to host several projects at the same time, okay? And with that, you can test several systems, including including the API, the dev, whatever you need, alright? Just come here and choose the plan. Then on this screen you’ll choose the duration. The longer the time, the cheaper it gets, right? They give more discounts, correct? Server closest to

[19:10] you. These milliseconds here matter, right? But nowadays you can add a CDN if you want and practically zero out that value. Ubuntu is the distribution I choose for my VPS because it’s good for both beginners and more advanced users, okay? Ubuntu, forever, never had a problem. I confess Ubuntu is applied, so go for it, you’ll have your first VPS, alright? And of course, best cost-benefit, an excellent machine for any type of project. KVM2, okay? Let’s move on. Hey guys, so it ran here, okay ? Then we’ll have the tutor screen to

[19:42] run the test with the image, okay? I’m going to see how it turned out here, look. It actually grabbed the image, man. Wow, now I’m stunned by the cloud. It’s all good. Let’s continue here. So, I’m going to access the tutor here. Then, I’ll enter my name. The pet’s name is a dog who was very happy with his last appointment. Thank you very much, guys. Some feedback, right? I’m going to send a photo of the dog. Look, here is the photo. I’ll send it. And

[20:14] the message was received, and, you know , it arrived with the photo. It’s talking here, okay? So, I’ll check the dashboard here. There’s Zeus. Visible injury, bleeding, or swelling, no. So it is 100%confident in that, okay? Is it here to be seen today? No. But the message is different, okay? There is no feedback here, it’s all good. So that’s it, it worked. Image analysis is also a great differentiator of the Decisions API. The AI will probably fit this in, right? We take a normal request here, look, the time is practically the same.

[20:46] Token usage is a little higher, 0.00301 value. Practically the same thing, right? A little more, a little more, but man, it’s negligible, right? There’s a lot. Oh, it’s even down here. I thought it wasn’t here. So, look at that. Oh, it even says it, right? A message without a photo, on average, spends this here, right? And with a photo, it spends that much there, okay? So, it uses a few more tokens. But, man , making decisions with images is very interesting, right? It opens up many paths too. So, a point for the Decisions API, right? Well, guys,

[21:17] that’s what I wanted to present to you about the Decisions API, right? Just so we can talk about this release and you can also understand how to integrate it . This link here says it all, right? It’s the documentation, the reliable source of information. I suggest you read it here very carefully. Use this markdown file here, which is basically just adding .md to the URL, and it becomes documentation for you, okay? And you will have the same experience I had here, and I want to know what you thought of it, okay? Don’t forget, hosting is at Host, guys. If you want

[21:48] to hire a VPS, they are on sale this month, using our coupon, right? The link will be here in the description. You will get a special discount to use and add to the discount they are already offering in this October promotion. And my recommendation is always the KVM2, because it is a machine with excellent configurations, you can put projects, several projects running at the same time, okay? With a very good cost-benefit ratio. You can compare how many hosting services they beat when you compare value and features, right? There’s no point in

[22:18] having a cheaper VPS if it can’t handle your application, especially since we integrate with so many things; you need good CPU and RAM, or your application and system will crash, okay ? So go with CVM2 and you’ll be safe. And guys, another thing, right? They always invest in infrastructure here; they even have servers in Brazil today, so you can sign up right now for very low latency, which will make people access your system faster, right? Other hosting services are usually outside of Brazil. You can install several apps

[22:49] right from the start, you know? You don’t need to waste time with anything. And there’s also the agent, which used to be called Codi; for me, it’s still called Codi to this day. With it, you can answer any questions you have about your hosting. It can help you host everything. It understands hosting . It’s an AI and it can manage your server for you, okay? You don’t even need to type commands manually. Choose the plan, make sure the coupon is applied to get that little discount, okay? Right here at checkout. The longer the term, the more discount you get. And here you choose a server in Brazil or the United States, right? To get lower latency. And also, Ubuntu is

[23:21] the distribution I recommend, as it’s the best Linux for beginners, right? It’s very easy to work with and is a distribution that many others are based on. So, this setup is quite interesting , okay? Our Jeev course is also for those who want to learn about these decision AIs, understand how they work in depth, and see various use cases and projects; it’s all here, okay? The link will be in the pinned comment for you to check out my newest Jeev training. Well guys, I’m signing off here. I hope you enjoyed the integration of the decision API. It’s

[23:53] quite simple to do, no mystery there. The time they promised is a little misleading, right? It responds a bit slower, but it’s barely noticeable, as you saw there, okay? It costs a bit more than Jeev and it accepts images, right? Which is a very interesting differentiator, but I believe Jeev will accept them soon too. Then the fight will be over price, if the response quality of both is the same, right? Well, if you guys want a video on JV comparing it with Decis DPI, leave it in the comments below and I’ll make it for you too, and we can see which one performs better based on the evaluation

[24:23] criteria, which is what matters. Time for time, it’s practically the same for the person waiting, and the price won’t make much of a difference either, alright guys? I’ll wrap things up here, see you in the next video or over in Jeff’s course as well, sound good? Thanks, see you later. M.