Jevとは？System Oneモデルの仕組み・料金・弱点【2026年9月】

2026年9月15日、米TypeSafe AIがJevというAIモデルを早期アクセスで公開しました。特徴は「文章を一切生成しない」こと。プログラムの状態と質問を渡すと、型の決まった判定と確率だけが返ってきます。率いるのはChatGPTの基盤となったInstructGPT論文の共著者Diogo Almeida氏。この記事では、Jevと、同社が提唱する新しい分類System Oneモデルについて、公式ドキュメントをもとに整理します。

Jevとは何か

Jevは、TypeSafe AIが「System Oneモデルの第1号」として公開した判定専用のAIモデルです。現行バージョンはjev-1.13。従来の大規模言語モデル（LLM）との最大の違いは出力形式にあります。

LLM: 人間が読む文章を生成する。構造化されたデータが欲しい場合も、いったん文章として生成させ、プログラム側で解析する必要がある
Jev: テキストを生成しない。プログラムの状態（state）と型付きの質問（questions）を受け取り、型の決まった値・確率分布・確信度を返す

同社はこの設計を、「文章生成システムに構造化された判断を無理やり出力させている」というミスマッチの解消だと説明しています。解析もリトライも不要で、返ってきた値をそのまま条件分岐や並べ替えに使えるのが利点です。

System Oneモデルという考え方

名前の由来はダニエル・カーネマンの「速い思考／遅い思考」です。長い推論や文章作成はSystem 2（LLMが得意な領域）、一瞬で決まる判断はSystem 1という切り分けで、Jevは後者に特化しています。「その分野の専門家なら5秒で判断できること」を、大量に高速にこなす部品だと考えると位置づけがつかみやすくなります。

3種類の質問（プリミティブ）

Jevに投げられる質問は3種類で、1回のAPI呼び出しに混在させられます。質問は並列かつ独立に同じ状態に対して評価され、公式ドキュメントによれば質問を増やしても応答時間はほとんど変わりません。

Choice（選択）: 選択肢の中から1つ選ぶ。返るのは選ばれた選択肢、全選択肢の確率分布、確信度。問い合わせの振り分けや文書種別の判定に向く。選択肢が網羅的でない可能性があるときは「その他」を含めることが推奨されている
Score（採点）: 順序のある水準（例: 落ち着いている／やや不満／強い怒り）に沿って位置を返す。水準の中間の値も返る。深刻度や満足度、習熟度の判定に向く
Noul（真偽）: 「この記述は当てはまるか」に対して0〜1の確率を返す。1に近ければ「はい」、0.5付近は判断がつかない状態。バグ報告か否か、返金要求か否かといった判定に使う

質問ごとに返る確信度（confidence）は、確率分布がどれだけ尖っているかを示す値です。「自信のない判定だけ人間やLLMに回す」という設計に使えます。

速度と料金（同社発表値）

応答時間は70〜500ミリ秒。同等の知能を要するタスクで、最前線のLLM比40〜200倍高速だと説明されている
料金は入力100万トークンあたり0.042ドル（10億トークンで42ドル）。出力は無料で、課金は入力のみ
レート上限は毎秒25万トークン／毎分1,200リクエスト。需要に応じて変動中とされている
コンテキストは1リクエストあたり6万4,000トークンまで。状態と最長の質問を合わせて3万2,000トークンまで
入力はテキストのみ（文字列、JSONオブジェクト、テキストの配列）。画像・音声・動画は非対応

TechCrunchの報道では、Vercelが分類タスクで従来比5〜18倍高速かつ高精度という結果を、Bryo AIがメール分類でGemini比10〜20倍安いという結果を得たとされています。いずれも提供元と利用企業の公表値なので、自社データで再検証する前提で読むのが安全です。

「ハルシネーションしない」の正しい読み方

Jevの売り文句として「型エラーもハルシネーションも起きない」が挙げられますが、これは出力の形式が保証されるという意味です。選択肢の外の値や壊れたJSONが返らないため、解析エラーやリトライの処理そのものが不要になります。

一方で、判定内容が間違う可能性はゼロではありません。返ってくるのは校正された確率であり、確率0.7の判定は3割程度外れる前提のものです。公式ドキュメントも、確信度で処理を振り分ける設計を勧めています。「事実を作り出さない」ことと「常に正解する」ことは別物だと理解しておくのが、導入判断で最も重要な点です。

公式が公表している弱点

TypeSafe AIはjev-1.13の弱点（モデルの得手不得手）を公式ドキュメントで公開しています。導入検討ではここが最も参考になります。

計算とカウントは不得意: 文字数、出現回数、リストの件数は信頼できず、入力が大きいほど誤差が増える。「電卓ではない」と明記されている
日付・時刻の比較が弱い: どちらが先か、期間内に入るか、何日離れているかといった判定は不安定
多段の推論に弱い: 属性の属性をたどる質問や、二重否定の言い回しは精度が落ちる
無関係な情報が混ざると精度が下がる: 判断に関係ない内容が状態に増えるほど悪化する
文章生成はできない: 選択の連鎖で生成させようとしても遅く、精度も低い
指示は文字どおりに読まれる: 「書いた質問」に答えるため、境界条件は明示的に書く必要がある
敵対的な入力への耐性は保証されない: 状態に埋め込まれた指示に引っ張られる可能性がある
日本語は英語と同等ではない: 公式は「英語が主で、日本語や中国語などCJKも扱えるが同等ではない」としている

日本語で使う場合は、指示や選択肢の説明を英語で書き、判定対象の本文だけ日本語のまま渡すなど、精度を実測しながら設計するのが現実的です。

向いている使いどころ

意図のルーティング: 問い合わせ内容を分類して担当部署や処理に振り分ける
優先度・深刻度の判定: 緊急度をスコアで返して対応順を決める
ガードレールと監視: エージェントの入出力が方針に反していないかを高速に判定する。LLMの脱獄検知にも使われている
モデルルーティング: 簡単な依頼は安いモデル、難しい依頼は高性能モデルへ振り分ける
再ランキングや検索の補助: 候補の並べ替え、関連性の判定
エージェントの分岐判定: 次に何をするかの選択をコード側で握る

LLMとの併用が基本

Jevは文章を書けないため、LLMの置き換えではなく前段・後段に置く使い方が基本です。

大量の判定はJevで高速に処理し、確信度が低いものだけLLMや人間に回す（信頼度ゲート）
複雑な判断は1つの大きな質問にせず、小さな質問に分解してコード側で合成する
文章生成はLLM、判断はJev、と役割を分ける

使い始め方

早期アクセスとして提供されており、コンソール（console.typesafe.ai）でAPIキーを発行して利用します
Python SDK、JavaScript／TypeScript SDK、HTTP APIが用意されています。モデル指定はjev-latestが既定で、現在はjev-1.13.0を指します
認証は環境変数TYPESAFE_API_KEYで行います。Claude CodeやCodex向けのエージェントスキルも公開されています
公式ドキュメントは英語のみです。料金・レート上限・提供条件は変更される可能性があるため、導入前に公式ページで最新の条件を確認してください

まとめ

Jevは「LLMの次」ではなく、LLMが不得意だった領域を担う別の部品です。文章を生成する必要がない判断、つまり分類・振り分け・採点・ガードレールを大量に高速に回したい場面では効果が大きく、逆に計算や日付の扱い、文章生成、日本語中心の微妙なニュアンス判定では慎重な検証が必要です。まずは既存のワークフローの中から「LLMに分類だけをさせている箇所」を探し、そこを置き換えて速度・コスト・精度を実測するのが現実的な第一歩になります。

出典: TypeSafe AI公式ブログ、公式ドキュメント、TechCrunch（2026年9月18日）。本記事の内容は2026年9月19日に確認した公開情報に基づきます。