Классификация текстанейросетью
Тематика, тональность, срочность, спам — нейросеть раскладывает письма, отзывы и заявки по вашим категориям. Без обучения и разметки: категории описываются словами. Через API Hubris, оплата в рублях.
обращение клиентаЧто можно классифицировать
Любой текст по любым категориям — достаточно описать их словами. Вот с чем приходят чаще всего.
оплата · доставка · возврат · техническая проблема · другоевыбор
негативная → нейтральная → позитивнаяшкала
нужно ответить в течение часа?да / нет
низкий → средний → высокий → критичныйшкала
реклама или спам?да / нет
оскорбления · угрозы · личные данные · всё в порядкевыбор
купить · вернуть · узнать статус · пожаловатьсявыбор
холодный → тёплый → горячийшкала
Модель решений или языковая модель
Через Hubris доступны оба способа одним ключом. Мы прогнали одно и то же обращение через пять моделей — вот что получилось.
| Модель | Способ | Время | Цена | Что в ответе |
|---|---|---|---|---|
| Jev 1.13 | модель решений | 0,38 с | 1 коп. | вариант и вероятность |
| DeepSeek V4 Flash | языковая, JSON по схеме | 2,9 с | 1 коп. | метка |
| GPT-6 Luna | языковая, JSON по схеме | 3,0 с | 1 коп. | метка |
| Qwen 3.8 Flash | языковая, JSON по схеме | 9,0 с | 3 коп. | метка |
| Gemini 3.8 Flash | языковая, JSON по схеме | 13,5 с | 59 коп. | метка, долго рассуждала |
Замер 7 октября 2026 года через API Hubris: обращение клиента и три вопроса — срочность, отдел, тональность. Один запрос на модель, время до полного ответа.
Берите модель решений, если
- текстов тысячи и ответ нужен сразу — в чате, в очереди, перед вызовом другой модели;
- нужна уверенность: сомнительные случаи можно отдать человеку по порогу вероятности;
- категории заранее известны и их до нескольких десятков.
Берите языковую модель, если
- вместе с меткой нужно объяснение или выдержка из текста;
- текст длинный: договор, переписка, документ на десятки страниц;
- правила сложные и проще написать их инструкцией, чем списком вариантов.
Классификатор в десять строк
Обучать модель и размечать данные не нужно: категории описываются в запросе. Поменять модель — одна строка.
import requests
res = requests.post(
"https://api.hubris.pw/v1/decisions",
headers={"Authorization": "Bearer sk-gw-..."},
json={
"model": "typesafe/jev-1.13",
"state": text,
"questions": {
"topic": {"type": "choice", "instructions": "Тема обращения",
"criteria": {"payment": "Оплата", "delivery": "Доставка", "refund": "Возврат"}},
"sentiment": {"type": "score", "instructions": "Тональность",
"criteria": ["негативная", "нейтральная", "позитивная"]},
},
},
)
topic = res.json()["answers"]["topic"]
print(topic["choice"], topic["confidence"])from openai import OpenAI
client = OpenAI(base_url="https://api.hubris.pw/v1", api_key="sk-gw-...")
res = client.chat.completions.create(
model="deepseek/deepseek-v4-flash",
messages=[
{"role": "system", "content": "Определи тему обращения и тональность."},
{"role": "user", "content": text},
],
response_format={"type": "json_schema", "json_schema": {
"name": "ticket", "strict": True, "schema": {
"type": "object", "additionalProperties": False,
"required": ["topic", "sentiment"],
"properties": {
"topic": {"type": "string", "enum": ["payment", "delivery", "refund"]},
"sentiment": {"type": "string", "enum": ["negative", "neutral", "positive"]},
}}}},
)
print(res.choices[0].message.content)Подробно: модели решений, POST /v1/decisions и ответ JSON по схеме. По шагам и с советом, как не переплатить за размышления, — в гайде «Классификация текста — модель решений или языковая модель».
С чего начать
Цена за 1 млн входных токенов. Ответ моделей решений бесплатный, у языковых моделей ответ оплачивается отдельно.
Все модели решений в каталоге → · Что умеет Jev → · Маршрутизация обращений →
Коротко о классификации
Нейросеть читает текст и относит его к одной из заданных категорий: тема, тональность, срочность, спам. Раньше для этого обучали отдельную модель на тысячах размеченных примеров, теперь категории достаточно описать словами в запросе.
Нет. Перечислите категории и коротко опишите каждую — модель поймёт их без примеров. Если результат на ваших текстах не устраивает, уточните описания или добавьте в запрос пару примеров.
Задайте шкалу «негативная → нейтральная → позитивная» и передайте текст. Модель решений вернёт уровень на шкале и вероятность каждого уровня, языковая модель — метку в JSON.
Короткий текст с тремя вопросами на Jev, DeepSeek V4 Flash или GPT-6 Luna стоит 1 копейку. Модели, которые долго рассуждают, обходятся дороже: в нашем замере Gemini 3.8 Flash — 59 копеек за тот же текст.
Зависит от категорий и текстов. Прогоните 50–100 своих примеров, которые уже разобраны вручную, и сравните ответы. У моделей решений смотрите вероятность: тексты с низкой уверенностью можно отдавать человеку.
В рублях: СБП, банковская карта или счёт для юридических лиц. Один ключ Hubris работает со всеми моделями каталога.
Разложите первые тексты по категориям
Регистрация по почте, оплата в рублях, от 1 копейки за текст.