決定モデル比較2026年10月
Jev・Clef・d1・Jeff・Kevを同じ土俵で並べる
文章を生成せず、選択肢の上の確率だけを返す「決定モデル」。9月15日のJevから1か月で、ホスト型APIとオープンウェイトの両方がそろいました。価格・速度・構造・ライセンスを一次情報で横並びにし、ベンチマークの数字が「誰が測ったか」で読めなくなる理由まで整理します。2026.10.16
決定モデル（System One）は、state（判断の材料）とquestions（型付きの問い）を渡すと、選択肢ごとの確率だけを返すモデルです。文章を生成しないため、出力トークンの費用も待ち時間もかかりません。Jevがこの形式を決めてから1か月で、CloudflareのClef、Liquid AIのd1、独立系のJeffとKevが同じAPIを実装しました。本記事は、この5つの系統を同じ表で比較できる形に揃える試みです。
- 確認済み 提供元の公式ブログ・公式ドキュメント・モデルカードで確認した事実
- 提供元公称 提供元自身の評価・比較による数値。第三者による再現は未確認
- AIfrontierの見解 編集部の解釈・仮説であり、確立した結論ではありません
1. 何が同じで、何が違うのか
共通しているのはインターフェースです。問いは3種類あります。noul（はいの確率を0〜1で返す）／choice（選択肢から1つ選び、選択肢ごとの確率と確信度を返す）／score（2〜10段階の順序尺度を、各段階の確率で重み付けした値として返す）。1回のリクエストに複数の問いを入れられ、選択肢はリクエスト時にcriteriaとして渡すので、自前の分類器のように学習し直す必要がありません。
違うのは次の4点です。①内部が公開されているか（Jevとd1のホスト版は非公開、Clef・d1-3B・Jeff・Kevは重みが公開）／②入力の種類（Clef-omniだけが音声と動画を読める）／③文脈長（Kev-27Bは65,536トークンを検証済み、Jevは64kで262kへ拡張可）／④ライセンス（Apache 2.0が標準だが、Jeffの一部アダプタは非商用）。この4点を押さえると、あとは価格と速度の比較になります。
2. 一覧比較（2026年10月16日時点）
モデル本体を公開しているかで2つに分けます。価格はすべて100万入力トークン当たりで、出力はどのモデルも課金されません（生成しないため）。
ホスト型API（モデル本体は非公開）
| モデル | 提供元 / ライセンス | 入力 | 文脈 | 入力単価 | 速度（出典） |
|---|---|---|---|---|---|
| Jev 1.14.0 | TypeSafe AI / クローズド | テキスト（画像は実験的） | 64k（拡張262k） | $0.042 | 70〜500ms（提供元公称）／中央値524.1ms（Cloudflare測定） |
| d1 | Liquid AI / クローズド | テキスト・画像 | 未公開 | 無料（d1:free）／有料 $0.02 | テキスト判断200〜300ms（提供元公称） |
| Solar Decide | Upstage / クローズド | テキスト | 512K | $0.10（参考値） | 未公開 |
| d1-ultra | Liquid AI / クローズド | テキスト・画像 | 未公開 | $0.042 | 未公開（10月15日公開） |
| Microsoft-Decision-1 | Microsoft / Foundry | テキスト | 未公開 | AA指数で100万タスク約$31 | AA Decision Index 54 |
| Decisions API | OpenAI / クローズド | テキスト・画像（報道） | 未公開 | $0.10（参考値） | 約150ms（発表映像・報道） |
オープンウェイト（手元で動かせる）
| モデル | 提供元 / ライセンス | 構造 | 入力 | 文脈 | 入力単価 / 速度 |
|---|---|---|---|---|---|
| Clef | Cloudflare / Apache 2.0 | Qwen3.8-27Bを凍結し、rank-256のLoRAとルーティングヘッドを最適化 | テキスト・画像 | 64k | $0.24（Workers AI）／中央値209.3ms・P95 238.6ms |
| Clef-flash | Cloudflare / Apache 2.0 | Qwen3.5-9Bに同じ手法 | テキスト・画像 | 24,576 | $0.038（10月9日に$0.09から値下げ）／中央値38.8ms・P95 122.4ms |
| Clef-omni | Cloudflare / Apache 2.0 | Qwen3-Omni-30B-A3B（MoE、実働3B）から音声合成部を除いた構成 | テキスト・画像・音声・動画 | — | $0.15／テキスト約130ms、画像約150ms、21秒の動画で約1.5秒 |
| d1-3B | Liquid AI / オープン | LFM2.5-VL-3BとLFM2.5-2.6Bの重みを平均した土台から学習 | テキスト・画像 | — | 無料（自前実行）／RTX 4090で8ms、M5 Proで30ms、Jetson Orin Nanoで50ms |
| d1-omni-600M | Liquid AI / オープン | 双方向エンコーダ（LFM2.5-Encoder-350M）＋音声・視覚エンコーダ | テキスト＋画像、またはテキスト＋音声 | — | 無料（自前実行）／実験的checkpoint |
| Jeff（firelex） | firelex / コードMIT・重みApache 2.0（一部アダプタは非商用） | Qwen3.5-0.8Bベース＋用途別LoRAアダプタ15種（v1.3はアダプタ前提の設計） | テキスト | 65,536（精度維持はカード参照） | 無料（自前実行）／M4 Maxで1判断0.25秒、RTX PRO 6000で22〜29ms、CPUで463ms〜約1秒 |
| Decider v1.1 27B | Perplexity / Apache 2.0 | 27B、非因果注意 | テキスト・画像 | 8,192 | $0.02／AA指数で100万タスク$17（最安） |
| Kev 1.0 | Jared Palmer / Apache 2.0 | 0.8B・4B・9BはQwen3.5-Base＋rank-16 LoRA＋pointer head、27BはQwen3.8-27Bのフルファインチューン | テキスト | 8,192（27Bは65,536） | 無料（自前実行）。Kev-4BはOpenRouterで$0.042／H100で4B 18.1ms、27B 75.0ms |
確認済み 名前の衝突に注意してください。Jeff 1（Gestalt Lab、Qwen3-4B＋LoRA）とJeff（firelex、0.8B）は別プロジェクトです。本記事のJeffは後者です。Laya（Convai）には英語版・多言語版・タスク特化版の3つがあり、数値の条件が異なります。
3. 個別解説
Jev（TypeSafe AI）――形式を決めた基準点確認済み
2026年9月15日に「最初のSystem Oneモデル」として発表され、現行版は1.14.0（10月14日、jev-preview）です。価格は入力$0.042・出力無料、レート制限は100,000トークン/秒・40リクエスト/秒。1.14.0では実験的な3機能（画像入力、バウンディングボックスを返すbox型、262k文脈）が加わりましたが、TypeSafe自身が「本番利用には対応しない」（danger zone）と明言しています。第三者評価ではchoiceの確率はよく較正されている一方、noulの確率は順位付けは良いものの固定の0.5閾値とは相性が悪いと報告されています。 出典：TypeSafe AI
Clef / Clef-flash / Clef-omni（Cloudflare）――1週間で3世代確認済み
10月1日にClef（27B）とClef-flash（9B）をApache 2.0で公開し、10月9日にはClef-omniを追加しました。JevとAPI互換で、エンドポイントとモデル名を変えるだけで乗り換えられます。Cloudflare自身の測定では、Clefの中央値209.3ms・P95 238.6ms、Clef-flashが38.8ms・122.4msで、同社が測ったJev（524.1ms・536.0ms）を大きく下回ります。10月9日にはClef-flashを$0.09から$0.038へ約6割値下げし、Clef本体の応答も1.7〜2.0倍高速化したと発表しています。導入事例として、脅威インテリジェンス部門がドメイン分類を1件2.2秒で処理し、汎用LLMのgpt-oss-120b（4.7秒・分類2件のみ）と比べて約2倍速く、より多くの分類を返したと報告されています。 出典：Cloudflare ／ Clef-omniと値下げ
AIfrontierの見解 Clef-omniは、決定モデルが「テキスト専用」という前提を外した最初の製品です。音声・動画をテキストに変換してから判断する二段構成を、1回の推論に畳みました。ただし動画の判断品質は公開ベンチマークでClef本体を下回る項目が多く（家電ケース完全一致で69.3対82.95）、「多modalで何でも見る」と「精度が高い」は別物です。
d1（Liquid AI）――10月7日にオープンウェイトへ確認済み
ホスト版のd1は9月29日にd1:freeとして始まり、有料版は入力$0.02（出力$0）。6つの実アプリケーションでGPT-6.1 SolとClaude Opus 5.5と比較し、GPT-6.1 Solと同等以上が6件中4件、コストは19〜200分の1と主張しています。10月7日にはオープンウェイトのd1-3Bとd1-omni-600Mを公開しました。d1-3BはDecision Index v0.2.1（公開分割）で48.57を記録し、10B未満では最高、12倍の規模であるDecider 35B-A3Bと同等とされています。10月15日には上位版のd1-ultra（$0.042、テキスト・画像）も追加されました。Liquid AIは「112評価でJev 1.14を上回り、Artificial Analysis Decision Indexで他の決定モデルを8ポイント以上上回る」と主張しています。提供元公称 出典：Liquid AI（ホスト版） ／ d1-3Bとd1-omni-600M
AIfrontierの見解 d1-3Bの意味は精度より配置です。RTX 4090で8ms、Jetson Orin Nanoでも50msという数字は、決定モデルがデータセンターではなく現場の端末で動くことを想定しています。3問を投げても1問の1.3倍で済むため、「1つの状態に対して多くの問いを並列に聞く」使い方と相性が良い設計です。
Jeff（firelex）――0.8Bを「27Bの前段」に置く確認済み
家庭用GPUで学習された0.8Bの決定モデルです。v1.3では、ベースを「ゼロショットで競う」設計からアダプタ前提に切り替え、用途別のLoRAアダプタ15種とGGUFを配布しています。作者の測定では、Qwen3.8-27Bにすべての判断をさせた場合の精度86.6%に対し、Jeff＋アダプタで94.6%、確信度が低いときだけ27Bに回す構成で95.0%、判断あたりの時間は8.1秒から0.46秒へ短縮されたと報告されています。コーディングエージェントに組み込んだJeff-Codeでは、1,242タスク・6ベンチマークで通過率62.4%対62.8%（同等）を保ったままタスクあたりの時間が32%減りました。 出典：GitHub（firelex/jeff）
AIfrontierの見解 実務で最も注意すべきはライセンスの混在です。コードはMIT、ベースと大半のアダプタはApache 2.0ですが、sanctions（制裁リスト照合）とsoc（セキュリティアラートの振り分け）のアダプタはCC BY-NC 4.0（非商用）で、amlとtrading-deskは学習データ提供元の条件が付きます。「精度が高いアダプタをそのまま商用に」は通りません。またv1.3のベースは長い未知の選択肢リストに対するゼロショット性能を意図的に落としているため（legal-clausesで66.0%→7.4%）、アダプタ無しで使うならv1.2を選びます。
Kev（Jared Palmer）――TypeSafeのSDKがそのまま動く確認済み
0.8B・4B・9B・27Bの4サイズをKev 1.0としてまとめて公開しました。0.8B〜9BはQwen3.5-Baseにrank-16のLoRAとpointer headを載せた構成、27BだけはQwen3.8-27Bのフルファインチューン（51GBの重み）です。TypeSafeのPython SDKが無改造で接続できる点が実務上の利点で、ローカルのKevサーバーへ向け先を変えるだけで移行できます。コミュニティのDecision Index（breadth-v1のテスト分割、held-out）ではKev-27Bが52.3、参照値のJevが54.0。作者自身が「Jevは開発分割でしか走らせていない」と断っており、制御された比較ではない点が明記されています。 出典：GitHub（jaredpalmer/kev）
AIfrontierの見解 Kevの価値は自分で学習・配布できることです。ラベル付きデータから質問設計までをエージェントが回すスキル、HTTPSエンドポイントを1コマンドで立てる配布経路、遊休時にゼロへ縮む構成まで用意されています。「決定モデルを買う」から「決定モデルを運用する」への移行が、この系統から始まっています。
4. 精度と速度の読み方
ベンチマークの数字は、誰が測ったかで意味が変わります。まず、Cloudflareが自社モデルとJevを同じ条件で測った結果です（Jevの数値もCloudflareによる測定）。
| ベンチマーク | Clef-omni | Clef | Clef-flash | Jev |
|---|---|---|---|---|
| BFCL case exact | 98.2 | 98.47 | 98.76 | 95.75 |
| ToolRet nDCG@10 | 66.6 | 69.19 | 66.43 | 65.28 |
| API-Bank accuracy | 92.7 | 91.93 | 93.11 | 88.19 |
| 家電ケース完全一致 | 69.3 | 82.95 | 97.73 | 52.27 |
| When2Call accuracy | 63.3 | 72.37 | 65.58 | 80.97 |
| BANKING77 macro-F1 | 94.8 | 94.20 | 90.93 | 79.74 |
| CLINC150+OOS macro-F1 | 97.7 | 97.43 | 66.77 | 89.27 |
| BRIGHT nDCG@10 | 42.0 | 45.91 | 39.26 | 47.52 |
| PhishNChips accuracy | 73.2 | 79.60 | 75.05 | 62.55 |
読み取れることが3つあります。①小さい方が常に劣るわけではない（Clef-flashは9BながらBFCL・API-Bank・家電で最上位）／②Jevは一部の項目で依然最強（When2Call・BRIGHT・多言語分類の一部）／③音声・動画に対応したClef-omniは、テキスト精度では本体に劣る。用途ごとに測り直す必要がある、という当たり前の結論が数字に出ています。
速度も同じです。JevはTypeSafeが70〜500msと公称していますが、Cloudflareの測定では中央値524.1msで上限を超えています。Layaも、Cloudflareの測定で5.8ms、開発元の記載で約33ms、モデルカードのTesla T4での記載で39.5msと、3つの値が並びます。測った人・場所・条件が違えば同じモデルでも値は変わります。
決定モデルの価値は、確信度をそのままif文に書けることにあります。モデルが0.95と言った事象が実際に70%しか起きないなら、設定した閾値はすべて間違っています。Layaの公表値では、タスク特化版のECE（期待較正誤差、0が理想）が0.213、選択肢が多いタスクでは0.425と報告され、モデルカード自身が「出荷時の確率は過信ぎみであり、重要な操作を制御する前にホールドアウトデータで較正せよ」と警告しています。Jevもnoulについては固定の0.5閾値と相性が悪いと第三者が報告しています。閾値は、自社のラベル付きデータで、自社のタスクで測り直してください。
Artificial Analysis Decision Index v1.0では、Jev 1.13が58で首位、GLiDEとMicrosoft-Decision-1が54。費用はDecider v1.1 27Bが100万タスク$17で最安、速度はCeleris-1 Decisionが0.06秒で最速でした。全モデルが過信ぎみで、特に知識・推論で確率ほど正解しないと指摘されています。d1-ultraはこの公開記事の時点では未掲載です。 出典：Artificial Analysis
5. 要件別の選び方
| 要件 | 第一候補 | 理由 |
|---|---|---|
| とにかく安く大量に処理する | Clef-flash（$0.038）／d1-3B（自前実行） | 入力単価が最安級で、応答は38.8ms。決定的な処理を大量に流す用途に向く |
| 画像も判断材料にする | Clef / Clef-flash / d1 / d1-3B | 視覚エンコーダ内蔵。Jevの画像対応は実験的で本番非対応 |
| 音声・動画を扱う | Clef-omni | 2026年10月16日時点で唯一。21秒の動画を1.5秒で採点 |
| 長い文書を読ませる | Kev-27B（65,536）／Jev（262kは実験的） | 検証済みの文脈長が長い。Solar Decideは512Kだが精度の公開情報が薄い |
| 最高精度を優先する | Jev／Kev-27B／d1-ultra | Decision Index系の指標で上位。ただし測定者ごとに順位は動く |
| データを外に出せない | Clef系／Kev／d1-3B／Jeff | 重みを自前でホストできる。Apache 2.0が標準 |
| 既存のJevコードを変えたくない | Clef／d1／Kev／Jeff | エンドポイントとモデル名の変更だけで移行できる |
| 27B級モデルの前段に置く | Jeff（0.8B） | 27B単体86.6%→Jeff併用95.0%、判断あたり8.1秒→0.46秒の報告 |
主要モデルの入力単価は$0.02〜$0.24の範囲に収まっており、Jevの$0.042はほぼ中央です。価格差は最大でも10倍程度で、汎用LLMの出力課金と比べれば桁が違います。したがって「どのモデルが一番賢いか」より「どの層に置くか」の設計差のほうが、結果を大きく左右します。判断の層をホストAPIに置くか、自前のGPUに置くか、小型モデルを27Bの前段に置くか。この3つの配置を、較正の実測とライセンス確認とセットで決めるのが2026年10月時点の実務です。関連：Jev周辺 特設 ／ ローカルLLM／クラウドLLM 最新情報
出典
- TypeSafe AI「Introducing System One Models and Jev」 https://typesafe.ai/blog/introducing-system-one-models-and-jev
- Cloudflare「What is a decision model? Introducing Clef and Clef-flash」 https://blog.cloudflare.com/clef-decision-models
- Cloudflare「Clef-omni takes audio, video, image, and text input」 https://blog.cloudflare.com/clef-faster-cheaper-multimodal
- Liquid AI「Introducing d1: The most capable decision model, now with vision」 https://www.liquid.ai/blog/d1-decision-model
- Liquid AI「Open d1: Edge decision models for text, vision, and audio」 https://www.liquid.ai/blog/d1-open
- Liquid AI「d1-ultra」 https://www.liquid.ai/blog/d1-ultra
- Artificial Analysis「Decision Index v1.0」 https://artificialanalysis.ai/articles/artificial-analysis-decision-index
- Hugging Face「perplexity-ai/pplx-decider-v1.1-27b」 https://huggingface.co/perplexity-ai/pplx-decider-v1.1-27b
- Microsoft「Microsoft-Decision-1」 https://commandline.microsoft.com/microsoft-decision-1-model-foundry/
- GitHub「firelex/jeff」 https://github.com/firelex/jeff
- GitHub「jaredpalmer/kev」 https://github.com/jaredpalmer/kev
- Qiita「意思決定モデル（System One Model）の比較」 https://qiita.com/nogataka/items/a2f89a94d243b1b715cb
- System One Models（ディレクトリ） https://systemonemodels.org/
- Hugging Face「zai-org/GLM-5.3」 https://huggingface.co/zai-org/GLM-5.3