Jev特集
「判断だけを返すAI」は、どこまで使えるのか
発表から2週間で、Jevは単体のモデルからエコシステムになりました。公式仕様、提供元が自ら明かした限界、第三者による821件の実測、ルーターとローカル実行、そして派生モデルまで。宣伝文句と検証済みの事実を分けて整理します。2026.10.01
2026年9月15日、TypeSafe AIがJev（ジェヴ）を公開しました。文章を生成せず、型の決まった判断と確率だけを返すモデルです。名称は「速い思考」を意味するカーネマンのシステム1に由来し、モデル名は効率改善が消費を増やす「ジェボンズのパラドックス」にちなみます。確認済み この2週間で、公式ドキュメント、複数の第三者検証、そして互換モデルまでが出そろいました。本記事はそれを1枚にまとめるものですが、宣伝文句と検証結果は明確に分けて扱います。
- 確認済み 公式ブログ・公式ドキュメントで確認した仕様
- 提供元公称 TypeSafe自身の評価・比較による数値。第三者による再現は未確認
- 第三者検証 外部の開発者・メディアが独自に測った結果
- AIfrontierの見解 編集部の解釈・仮説
1. 何を解決するのか
創業者のディオゴ・アルメイダ氏は元OpenAIの研究者で、ChatGPTにつながる「指示に従う」研究に関わりました。そのうえで4年間持ち続けた問いが「チャットAIは超人並みになったのに、なぜ自動化は進まないのか」です。答えとして提示されたのがSystem Oneモデルという枠組みで、初代がJevです。 出典：TypeSafe AI
違いは出力の形にあります。通常のLLMは1トークンずつ文章を生成し、その文字列をアプリ側で解析・検証する必要があります。Jevは出力できる構造があらかじめ定義されており、問いに対する答えを1回の処理で並列にまとめて返します。生成をやめた代わりに、速度と型の安全性を得たという設計です。
| 問いの型 | 目的 | 返る値 |
|---|---|---|
| Choice | 選択肢から1つ選ぶ | 選択結果＋選択肢ごとの確率＋confidence |
| Score | 評価尺度に沿って採点する | スコア＋段階ごとの確率＋confidence |
| Noul | その記述が真かを推定する | 真である確率（0〜1） |
confidenceは確率分布の「尖り具合」を1つの数値にまとめたものです。Choiceの確率が複数の選択肢に割れている場合は低くなります。公式ドキュメントは「高信頼なら自動実行、中信頼なら確認、低信頼なら人へ回す」という3段階の使い方を推奨しています。 出典：TypeSafe ドキュメント
2. 公式仕様確認済み
| 項目 | 内容 |
|---|---|
| モデル | jev-1.13.0（別名 jev-latest / jev-preview、いずれも同じ実体） |
| エンドポイント | POST /v1/systemone |
| 料金 | 入力 $0.042 / 100万トークン（$42 / 10億トークン）。出力は無料 |
| レート制限 | 毎秒10万トークン / 毎秒40リクエスト（変動ありと明記） |
| コンテキスト | 1リクエストあたり64kトークン（state＋全質問）。state＋最長の質問は32k以内 |
| 入力 | テキストのみ。文字列・JSONオブジェクト・配列。画像・音声・動画は不可 |
| カスタマイズ | アカウント別の微調整はなし。全員が同じ重み。ドメイン適応は state・instructions・criteria で行う |
| 言語 | 英語が主な学習言語で精度が最も高い。日本語を含むCJKは「扱えるが同等ではない」と公式が明記 |
| データ | 顧客の入出力は訓練に使わない。企業向けにデータ非保持（ZDR）を用意 |
日本語話者にとって重要なのは言語の項です。公式ドキュメントは、非英語の業務にJevを使うなら自分のコンテンツで必ずテストし、confidenceに注意して振り分けよと明記しています。 出典：TypeSafe ドキュメント
3. 提供元の主張と、提供元自身が認めている前提
宣伝文句は次のとおりです。提供元公称
- System Oneタスクで既存LLMと同等の知能を保ちつつ、2桁速く、2桁効率的
- 応答時間は70〜500ミリ秒（フロンティアLLMは3〜329秒とする第三者ベンチマークを引用）
- ワークフロー評価で最大193.6倍高速・444.6倍安価。パレートフロンティアを約2桁にわたって占めると主張
- 出力可能な構造が固定されているため型エラー・ツール呼び出しエラーは0%
- 1時間DOOMをプレイして約$7（毎秒10クエリ）
ここからが本記事の要点です。TypeSafeは公式ブログの中で、自らの主張の弱点をかなり率直に列挙しています。これは通常の製品発表では珍しく、読み手にとっては有用な材料です。
「これらのワークフローは当社のモデル能力チームのメンバーが作ったもので、バイアスが存在しうる」
「基準はGPT-6 AstraとFable 5.1の平均で、OpenAIとAnthropicのモデルに有利な比較になっている」
「価格が補助されていないことは証明できない。長期的に持続可能性を示す必要がある」
つまり、パレートフロンティアの評価は自社チームが作ったワークフローを、自社ラッパーで統一した条件で測ったもので、参照解は当該2社の平均です。営業資料として強い数字であると同時に、独立した再現は別に待つ必要があります。なお同社は技術論文も学習データも公開していません（公開しているのは評価サイトと、LLMをJev互換に縛るOSSのラッパーです）。
4. 第三者検証：「常に賢い」わけではない第三者検証
Qiitaに公開された検証は、公開データセット4種（各200件）と難問21件、合計821件でjev-1.13.0を比較しています。比較対象はOpenAIの小型モデル2種と、ローカルのQwen3.8（27B、Q4）です。 出典：Qiita（第三者検証）
| 軸 | 結果 |
|---|---|
| 応答時間 | 中央値 約240ミリ秒。OpenAIの2モデルより2.5〜3.7倍速く、ローカルのQwen3.8より6.2〜8.5倍高速 |
| 費用 | 1,000件あたりでgpt-5.4-nanoの1/3.9〜1/8.1、gpt-4.1-miniの1/6.3〜1/12.7 |
| 並列性 | 1回の呼び出しに5問まとめても応答時間はほぼ不変 |
| 精度 | 77クラスの意図分類ではJevが最高（0.790）。一方、英語ツイートの皮肉判定ではローカルのQwen3.8（0.870）に劣った（Jevは0.805） |
| 統計的な結論 | 12組の比較に多重比較補正をかけると、有意な差は残らなかった |
検証者の結論は明快です。「Jevは『LLMより常に賢い分類器』ではなく、LLMと同等の判断を、数倍速く、数分の一から十数分の一の費用で、較正された確率付きで返す部品と位置づけるのが妥当」。
他の報告も同じ方向を示します。Forbesによれば、Vercelのエンジニアは安全性分類の従来モデルをJevに置き換え、精度が上がり応答は5〜18倍になったと報告。別の開発者の業務メール分類では、JevはGeminiより大幅に安い一方、精度はGeminiがわずかに上でした。またTechCrunchは、公開直後にTypeSafeが需要に一時対応しきれなかったと報じています。 出典：Forbes JAPAN
classmethodの解説は役割分担を端的にまとめています。Jevは「型安全で高速・安価なJSONモード」のようなもので、思考の仕組みが組み込まれているわけではないため、コンテキストの質が重要な点はLLMと同じ。向くのは高頻度の振り分け、エージェントのガードレール、ストリームの裏方監視で、じっくり推論させる用途はアンチパターンだとしています。 出典：クラスメソッド
5. エコシステム：2週間で広がった周辺
Jev本体は待機リスト制の早期アクセスですが、呼び出し経路と派生モデルは急速に増えました。確認済み
| 種別 | 内容 |
|---|---|
| ゲートウェイ | Vercel AI Gateway（9/16）、Cloudflare Workers AI（typesafe/jev）、OpenRouter（9/18から呼び出し可能） |
| ルーター | Jev Router（OpenRouter・9/25・無料）。プロンプトの難易度をJevで判定し、最適なモデルと推論量を選ぶ。既存のAuto Routerとの比較で82%多くのタスクを達成とされる。プロンプトは保存されず、添付はJevに送られない |
| ローカル | Ollamaが9/29に決定モデル対応を発表（TypeSafeのAPI形式を採用） |
| 互換モデル | Laya（Convai Innovations、Apache 2.0、421M、多言語ルータ）、Jeff（Qwen3.5 0.8B/2B・Gemma4-E2B、コードはMIT、重みはApache 2.0、ゼロショット分類、RTX PRO 6000で22ミリ秒）、Kev（Qwen3.5/3.8、0.8B〜27B、Apache 2.0、Jev互換API） |
| 対抗 | OpenAIのDecisions API（9/29、GPT-6 Luna、限定プレビュー、画像入力あり） |
Jeffは「Jevとは無関係で、承認も受けていない」と明記したうえで、コードをMIT、重みをApache 2.0で公開しています。1台のRTX PRO 6000で訓練し、学習データはオープンモデル（Qwen3.8-Flash-Next）がDGX Spark上で生成、クラウドGPUは未使用という構成で、再現可能な最小構成の好例です。公表ベンチマークでは分類・グラウンディング系でJevに匹敵する一方、BBHなど推論重視の課題では大きく劣ると自ら説明しています。 出典：GitHub / Jeff ／ Kev
Kevは「学習元が非公開のJevと厳密な比較はできない」と断ったうえで、未知のデータソースでの精度がKev-27Bで0.851、Jevで0.857とほぼ並ぶことを示しています。自社データでの微調整例も公開されており、正解率が67.7%から73.6%へ、誤り5%の予算で自動化できる割合が34%から48%へ上がったと報告されています。 出典：GitHub / Kev
6. 公式が明かす弱点：9つの失敗モード確認済み
導入判断で最も価値があるのは、TypeSafe自身が公開している失敗モードの一覧です。 出典：TypeSafe ドキュメント
| # | 苦手なこと | 対処 |
|---|---|---|
| 1 | 行間を読むこと。書かれた条件を文字どおり解釈する | 条件と境界ケースをcriteriaに明記する |
| 2 | 計算・数値。数え上げは苦手で、誤差は対象が大きいほど増える | 算術はコードに置く。数え上げもコードで行う |
| 3 | 日付の比較。日付を「順序のある量」ではなく文字として読む | 抽出はモデル、順序・期間・曜日はコード |
| 4 | 間接参照。二重否定や多段の推論で精度が落ちる | 指示を直接的に書き、該当箇所を名指しする |
| 5 | 無関係な情報が多い大きなstate | コード側で絞り込んでから渡す |
| 6 | 攻撃的な入力。注入された指示に引きずられることがある | 基準を具体的に書き、導入前に境界ケースを試す |
| 7 | 指示と基準の矛盾 | 両者を同じ意味に揃える |
| 8 | 構造的な不変条件。同じ内容でも問い方によって答えが変わる | 不変条件を前提にせず、問いを1つの意味に絞る |
| 9 | 文章の生成 | 生成には生成モデルを使う |
8番は特に重要です。公式ドキュメントは、同じチケットに対して「返金を求めているか」をNoulで聞いた場合（0.22）とChoiceのyesで聞いた場合（0.01）で答えが大きく変わる実例を載せ、別々の問いの間に算術的な同一性を期待してはいけないと警告しています。Noulで調整した閾値をChoiceへ流用するのも避けるべきだとされています。
7. 導入前に確認すべきことAIfrontierの見解
- 用途を絞る。 高頻度の分類・振り分け・可否判断・監視が本命です。長い推論や文章生成は他モデルに任せてください。
- 日本語は自社データで測る。 公式が「英語が最も精度が高い」と明記しています。日本語の業務文書で正解率と
confidenceの対応を確認してから閾値を決めるべきです。 - 確率の較正は移設できない。 閾値は自社のラベル付きデータで測り直す必要があります。これはJevから他社モデルへ移る場合も、逆も同じです。
- 判断を第三者に依存する構造的リスク。 重みも学習データも技術論文も非公開で、可用性と価格は将来変わりえます。同社自身が価格の持続可能性を「長期的に示す必要がある」と述べています。クリティカルな経路には、代替モデルへ切り替えられる抽象化を挟んでおくのが安全です。
- 誤りの質を見る。 全体の正解率よりも、「人に回すべき案件を自動処理に流した数」を測ってください。Choiceの確率分布は、この判断にそのまま使える材料です。
Jevの貢献は「より賢いモデル」ではなく、判断という層を、コードが扱える形で切り出したことにあります。第三者の実測は速度と費用でその主張を支持しましたが、精度で汎用LLMを一貫して上回るわけではありません。導入の成否を分けるのは、モデルの賢さではなく、問いの分解とconfidenceの使い方の設計です。
出典
- TypeSafe AI「Introducing System One Models & Jev」 https://typesafe.ai/blog/introducing-system-one-models-and-jev
- TypeSafe AI ドキュメント（Models / Confidence / Jev 1.13の失敗モード） https://docs.typesafe.ai/models ・ https://docs.typesafe.ai/confidence ・ https://docs.typesafe.ai/model-jaggedness/jev-1.13
- TypeSafe AI 評価サイト https://evals.typesafe.ai/ ／ system-one-adapter https://github.com/typesafe-ai/system-one-adapter-python
- Qiita「Jevは構造化出力LLMの代わりになるか：821件で速度、費用、較正を比較」 https://qiita.com/skrtk98/items/5c70baea21908705eb9f
- クラスメソッド「TypeSafe AIのJevをSDKから使ってみて」 https://dev.classmethod.jp/articles/typesafe-ai-jev-architecture/
- Forbes JAPAN「会話を作らず、ソフトウェアが使える判断だけを返すJev」 https://forbesjapan.com/articles/detail/105325
- ITmedia アットマーク「自動化タスクでハルシネーション排除、最大200倍高速の理由」 https://atmarkit.itmedia.co.jp/ait/articles/2609/25/news055.html
- GIGAZINE「Jev」（9/16） https://gigazine.net/news/20260916-system-one-jev/ ／「Jeff」（9/29） https://gigazine.net/news/20260929-jeff/ ／「Jev Router」（9/28） https://gigazine.net/news/20260928-openrouter-jev-router/
- OpenRouter「Jev Router」 https://openrouter.ai/typesafe/jev-router
- Ollama「Ollama now supports Jev-style decision models」 https://ollama.com/blog/ollama-now-supports-jev-style-decision-models
- GitHub「firelex/jeff」「jaredpalmer/kev」「denis-pplx/autojev」