Jevとは？TypeSafe AIの判断特化型AI「System One Model」の仕組み・料金・使い方を徹底解説

1. Jevとは｜TypeSafe AIが公開した「System One Model」の正体

Jev（ジェブ）とは、米サンフランシスコのAIラボであるTypeSafe AIが2026年9月15日に公開した、文章を生成しないAIモデルです。同社はこの新しいモデル区分を「System One Model」と呼んでおり、Jevはその第1号にあたります。ChatGPTやClaudeのような対話型AIが人間に向けて文章を返すのに対し、Jevはソフトウェアの内部で判断だけを下し、コードがそのまま分岐に使える型付きの値を返す点が決定的に異なります。

開発元のTypeSafe AIは約2年間のステルス期間を経て登場しました。創業者兼CEOのDiogo Almeida氏は元OpenAIの研究者で、言語モデルに指示を従わせる研究に携わり、その成果がChatGPTの土台になったと公式ブログに記されています。同社は独自のモデルアーキテクチャと並列サンプラー、RLCD（Reinforcement Learning for Calibrated Decisions）と呼ぶ学習手法を組み合わせ、自動化に特化したスタックをゼロから構築したと説明しています。

「System One」という名称は、ダニエル・カーネマンの『ファスト＆スロー』が示す、速く直感的なシステム1と熟慮的なシステム2の対比に由来します。Jevという名前は経済学者ウィリアム・スタンレー・ジェヴォンズにちなみ、知能のコストが下がるほど用途が桁違いに増えるという見立てが込められています。 公開当初は待機リスト制の早期アクセスでしたが、2026年9月21日に待機リストは撤廃され、開発者向けコンソールから誰でも利用できるようになりました。初回登録時には5ドル分、約1億2000万トークン相当のクレジットが付与されます。Hacker Newsのスレッドが1,900ポイントを超えるなど、公開直後から開発者の注目を集めました。

2. Jevの仕組み｜Choice・Score・Noulという3つの質問形式

Jevの使い方はきわめてシンプルです。判断材料となる状況データ（state）と、あらかじめ型を定義した質問（questions）をまとめて送ると、決められた形式の答えが確率と確信度つきで返ってきます。stateには文章、JSONオブジェクト、テキストの配列を渡せますが、自由記述の回答やコードが返ることはありません。

質問の形式は3種類に整理されています。第一のChoiceは、あらかじめ定義した選択肢から1つを選ぶ質問で、最大255個の選択肢に対応します。分類の抜けを防ぐため、公式ドキュメントは「その他」や「該当なし」を含めることを推奨しています。第二のScoreは、順序のある評価段階（ルーブリック）に照らして対象を採点する質問です。第三のNoulは、ある記述が真である確率を0から1の数値で返す質問で、Yes・Noのゲートとして使われます。

重要なのは、これらの質問が同じstateに対して一度の並列パスで評価される点です。トークンを1つずつ順番に生成するのではなく、すべての回答が同時に出力されるため、10個目の質問を足してもトークン量は増えるものの処理時間はほとんど変わりません。

さらにJevは、ChoiceとScoreについて回答の確率分布そのものを開示し、そこから導かれる確信度（confidence）を返します。分布が1つの答えに集中していれば確信度は高く、平坦であれば低くなります。RLCDという学習手法は、確信度が高いほど実際の正答率も高い「較正された」状態を目指して設計されています。確信度が高い案件は自動処理し、中程度なら確認を挟み、曖昧なものは人間や生成AIに回す二層構成が、公式でも推奨パターンとして示されています。

3. JevとLLMの違い｜速度・料金・ハルシネーション耐性を比較

JevとLLMの違いは、出力形式・サンプリング方式・最適化の目的という3点に集約できます。LLMは人間の好みや検証可能な報酬に向けて最適化され、文字列を1トークンずつ逐次生成します。対してJevは較正された判断に向けて最適化され、型の決まった値を並列に出力します。TypeSafe AIはJevを「フロンティア知能の関数呼び出し」と表現しています。

速度の差は数字にはっきり表れます。同社はフロンティアLLMのエンドツーエンド応答時間を3〜329秒とし、Jevは70〜500ミリ秒で、System One型のタスクなら40〜200倍速いと説明しています。公式サイトが掲げる193.6倍高速・444.6倍安価という数値は、同社が公開したワークフロー評価に基づくものです。第三者の証言もあり、VercelのCEOは本番環境でp95が最大18倍速く精度も上回ったと報告しています。200倍という数字より、この18倍のほうが現実的な期待値と考えられます。

コスト面の差も大きく、LLMの入力単価が100万トークンあたり0.20ドルから10ドル程度、出力はその約5倍かかるのに対し、Jevは入力が100万トークンあたり0.042ドル、出力は無料です。大量データの分類や、リクエストのたびに判定を挟む用途では、この価格差がそのまま運用コストの差になります。

そして最も議論を呼んだのが「ハルシネーションを起こせない」という主張です。これは正確には、あらかじめ定義したスキーマの外側にある値を返せないという意味です。存在しない選択肢や型エラーは構造上発生しませんが、スキーマに適合した回答が業務上正しいとは限りません。判断そのものの誤りは残るため、自社の代表的なデータで精度を評価する工程は省けません。

4. Jevの料金体系と使い方｜APIキーの取得からSDK導入まで

Jevの料金は、入力100万トークンあたり0.042ドル、出力トークンは無料という一本の体系です。10億トークンあたり42ドルという換算で、TypeSafe AIはこの価格は上がるより下がると見込むと述べています。

使い始める手順も簡単です。公式コンソールでアカウントを作成し、APIキー画面でキーを発行すればすぐに呼び出せます。コンソールにはPlaygroundがあり、stateと質問を貼り付けてjev-latestに実行すれば、コードを書く前に挙動を確かめられます。APIはPOST /v1/systemone というエンドポイントを使い、公式SDKとしてPython向けのtypesafe-sdkとJavaScript／TypeScript向けの@typesafe-ai/sdkが公開されています。モデルIDはjev-1.13.0で、jev-latestとjev-previewというエイリアスも利用できます。

TypeSafe AI本体のアカウントがなくても、Vercel AI Gatewayではtypesafe-ai/jev、Cloudflare Workers AIではtypesafe/jevとして、OpenRouterやNetlify経由でも同じ単価で呼び出せます。LangChain向けにはlangchain-typesafeパッケージがあり、SDKやエージェント向けスキルのコードはMITライセンスで公開されています。

仕様上の制約も押さえましょう。入力はテキストのみで、画像・音声・動画はテキストや構造化フィールドに変換して渡す必要があります。コンテキストは1リクエストあたり6万4000トークン、stateと最長の質問を合わせて3万2000トークンまでです。レート制限は毎秒25万トークン、毎分1200リクエストですが、動的に調整され予告なく変わるとされています。学習の主言語は英語で、日本語を含むCJK言語も扱えるものの同等の品質ではないとされる点は、国内で使う際の実務上の論点です。重みは公開されておらずホスト型のみの提供なので、ローカル実行やオンプレミス構成は選べません。リクエストは学習に使われず、エンタープライズ契約ではゼロデータ保持にも対応すると案内されています。

5. Jevの活用シーンと、導入前に押さえたい注意点

Jevが力を発揮するのは、ソフトウェアの中に埋め込まれた小さな判断です。問い合わせチケットの振り分け、意図の分類、優先度やリスクの採点、検索結果のリランキング、コンテンツのモデレーション、生成AIの出力を検証するガードレールが代表例です。TypeSafe AIはこうした用途を「賢いif文」と表現しており、手書きのルールでは脆くなりすぎる条件分岐を、自然言語の意味を理解した判定に置き換えるイメージになります。エージェントがツールを呼び出す直前にJevで審査する使い方も広がっています。

100ミリ秒台という応答速度は、これまでAIを入れにくかった領域も開きます。公開デモでは、構造化したゲーム状態を毎秒約10回Jevに問い合わせてDoomをプレイさせ、費用は1時間あたり約7ドルでした。Wikipediaのリンクだけをたどって目的のページを目指すデモは、数百から数千の選択肢から選んでも存在しないリンクを返さない強みを示しました。

一方で、TypeSafe AI自身が「jaggedness」という名前で既知の弱点を公開している点は必ず確認すべきです。Jevは算術や日付の計算を苦手とし、数を数える処理では件数が増えるほど誤差が広がります。公式は、項目ごとにNoulを立てて閾値を超えたものを数える方法を推奨しています。指示を極端に文字どおり受け取る性質もあり、意図ではなく書かれたとおりの質問に答えるため、質問は明示的で狭く、単一の性質だけを問う形に分解するのが定石です。

さらに、stateに無関係な情報を詰め込むと精度が落ちること、プロンプトインジェクションを自力で除去しないことも公表されています。ChoiceとNoulは別の問いであり、Choiceは選択肢どうしの相対評価、Noulは絶対評価であるため、一方で調整した閾値をもう一方に流用してはいけません。実際、同じ案件がNoulでは0.22、Choiceでは0.99となった例も公式に記載されています。テキスト抽出のような生成寄りの処理も不得手なので、正規表現や生成AIで候補を作り、その中から選ばせる設計が現実的です。

6. まとめ｜Jevは「判断」を任せるAIとして検討に値する

Jevは、LLMの置き換えではなく役割分担のための選択肢です。文章や説明が必要な処理は生成AIに任せ、コードが分岐に使う振り分け・採点・真偽判定はJevが担うという分業が、公式が想定する構図になります。入力100万トークンあたり0.042ドルという単価と70〜500ミリ秒の応答速度は、これまでコストと遅延を理由に諦めていた自動化を現実的な検討対象に引き上げます。

導入を考えるなら、自動化したい判断を1つ選び、正解例と保留にすべき条件を整理したうえで、Playgroundで小さく試すところから始めるのが確実です。型が保証されても正解が保証されるわけではないという原則を忘れず、確信度の閾値と人手によるレビューの設計をセットで考えることが、Jevを実務で使いこなす鍵になります。

<文責=末田椋資>

当ライターの前の記事はこちら：パーソナルトレーナーの副業を1年間続けてわかったこと

株式会社シグマライズでは求職者と企業のマッチングを活性化するためHILSというマッチングサイトを支援しています。

HILSは、求職者・企業の双方が使いやすい設計の就職・転職マッチングサービスです。

求職者は完全無料で求人への応募や企業からのスカウトを受けることができます。企業側も求職者情報の閲覧や求人掲載は基本無料で、月額定額制のシンプルな料金体系で採用活動を進められます。

新卒就活から転職まで幅広いキャリアステージに対応。まずは無料登録からお試しください。👉 https://hils-career.com/