AI開発の新興企業TypeSafe AIは2026年9月15日、Jev（ジェヴ）を公開した。Jevはメールを書かず、コードを生成せず、人と会話もしないAIモデルだ。TypeSafe AIの創業者はOpenAIの元研究者ディオゴ・アルメイダで、JevはソフトウェアやAIエージェントが直接処理に使える判断結果を返すことに特化している。
従来の大規模言語モデル（LLM）は、回答を伝えるために文章を生成する。Jevは文章を作る代わりに情報を分類し、点数や確率を返す。公表料金は入力100万トークン当たり0.042ドル（約7円）で、出力料金はかからない。数語の構造化情報を得るために言語モデルへ料金を払ってきた開発者には、興味深い選択肢となる。アプリに必要なのが判断だけなら、なぜ会話文まで生成する必要があるのかという問いだ。
低い処理費用は開発者の注目を集めた。開発者向けプラットフォームVercelのエンジニア、プラニット・シャルマは、コマンドが安全かどうかを分類する従来型言語モデルをJevへ置き換えた。シャルマの試験では精度が上がり、応答速度は5～18倍になったと報告した。別の開発者が業務メールを分類した試験では、Jevの費用はグーグルのGeminiより大幅に低かったが、精度はGeminiがわずかに高かった。
TechCrunchによると、TypeSafeはJevの公開後、APIの利用需要に一時対応しきれなかった。毎時数千件の判断を下す自動システムを運用する企業にとって、初期試験は、現在の処理システムを作り直さずに定型的なAI処理の費用を減らせる可能性を示す。ただし、判断を第三者のモデルへ依存することには難しさもある。
より広い論点は、アプリに実際どの程度の知能が必要かという点にある。技術企業は、推論し、文章を書き、人間と会話する言語モデルを何年も改良してきた。TypeSafeが目指す範囲はより狭く、既存ソフトウェア内で高速に、あらかじめ形式を定めた判断結果だけを返すモデルの開発に集中している。
Jevの登場により、開発者は高度な会話型モデルが本当に必要な仕事と、低価格な特化モデルで処理できる仕事を見直し始めた。初期の性能値は目を引くが、精度、セキュリティ、自動判断の信頼性には未解決の問題が残る。
会話を作らず、ソフトウェアが使える判断だけを返すJev
Jevと、ClaudeやOpenAIのGPTシリーズといったLLMがどう違うのか、顧客対応の例で考える。顧客がオンラインのサポートボットに「サブスクリプション料金を2回請求された。返金してもらえるか」と入力したとする。
顧客対応では、説明文より振り分け結果が重要になる
会話型ボットは、問い合わせが請求、技術支援、営業のどれに関するものかを判定する必要がある。従来型言語モデルは問い合わせ文を通常の文章として読み、担当部署を特定した上で説明文を生成する。会話を理解し、必要な手順を推論し、適切な応答や出力を作るまで、LLMがすべて処理する。多くのトークンと手順が必要になることがあり、出力も必ずしも予測どおりにはならない。
Jevは担当先を決めるまでの処理を短縮する。メッセージと選択可能な分類の一覧を受け取り、定義済みの選択肢から1つを選び、推定確率を添えて返す。入出力の形式を予測しやすく、少ないトークンでより高速に動作できる。
小売企業が顧客からの問い合わせを10万件受け取る場合、説明文を生成せず判断結果だけを返す設計の意味が大きくなる。アプリは振り分け判断ごとの説明文を必要とせず、既存ソフトウェアが処理できる結果だけを受け取ればよい。
Choice、Score、Noul──3つの判断形式
Jevは3種類の質問に対応する。「Choice」は事前に定義した選択肢から答えを選ぶ。「Score」は数値尺度や評価基準に照らして情報を評価する。「Noul」は、ある記述が正しい確率を推定する形式だ。同じ入力を使い、複数の質問を並列に評価できる。
TypeSafeはJevを「System One Model」と呼ぶ。心理学者ダニエル・カーネマンが示した、高速で直感的な思考と、より遅く慎重な推論との区別から名称を借りた。TypeSafeによると、Jevは新しいモデル設計と「Reinforcement Learning for Calibrated Decisions（RLCD）」という訓練法を使う。RLCDは、推定確率に不確実性をより正確に反映させることを目的としている。
アルメイダはTypeSafeの公開発表で、Jevの狙いを次のように説明した。
「Jevは、最先端レベルの知能を呼び出す関数だと考えてほしい。構造化されていない状態を入力すると、型を定めた確率付きの判断が返る」
Jevの出力は最初から構造化されている。開発者は説明文を生成させた後、判断結果だけを取り出し、残りの文章を捨てる必要がない。
JevはLLMの代わりに何でもできるのか
Jevは3種類の判断に特化しているため、LLMが使われている幅広い問題には適さない。顧客への返信文を作れず、既存の選択肢が不十分でも新たな分類を考案できず、複雑な業務手順を独力で実行することもできない。開発者は必要な情報を与え、実行可能な行動を定義し、Jevが返した結果を解釈するシステムを用意する必要がある。
構造化されたAI応答という考え方はJevより前からある。OpenAIは2024年8月、「Structured Outputs（構造化出力）」を導入した。モデルの出力を、開発者がJSON形式であらかじめ定義したデータ構造に一致させる機能だ。
Jevは構造化されたAI応答を実現するため、会話文の生成ではなく、形式を定めた判断と複数項目の並列評価を優先するモデル設計を採る。既存の選択肢と比べて十分な利点があるかどうかは、今後さらに比較試験を重ねなければ分からない。
