Jevは判断だけを返すAI
AIといえば文章を書くもの、という前提を捨てたモデルが登場しました。TypeSafe AIが2026年9月15日に公開した「Jev（ジェブ）」です。質問しても、文章では答えません。返ってくるのは「この3つのうちどれか」「10点満点で何点か」「その記述は正しいか」といった判断と、その確からしさだけです。開発したのはChatGPTの基礎研究に関わった元OpenAIの研究者。何ができて、どう使うのかを整理します。
【出典元】Introducing System One Models & Jev（TypeSafe AI）
聞けるのは3つの型だけ
まずJevに何を聞けるのかを押さえます。自由に質問できるわけではなく、あらかじめ決められた3つの型のどれかに当てはめて投げる必要があります。
| 型 | 聞き方 | 返ってくるもの |
|---|---|---|
| Choice | 選択肢を用意して、どれか聞く | 選ばれた1つ |
| Score | 範囲を決めて、点数を聞く | その範囲内の数値 |
| Noul | ある記述が正しいか聞く | 0〜1の確率 |
どの型でも、答えには確率と確信度が付いてきます。「たぶんAだと思う、確信度は0.93」という形です。人が読むための文章ではなく、プログラムがそのまま受け取って次の処理に使うための値になっています。
質問は具体的に書く
使ううえで最初につまずくのが、聞き方です。公式ドキュメントは、はっきりと線引きしています。
- 良い例：「このメッセージは緊急性を伝えているか？」
- 避ける例：「このメッセージを分析して、最善の対応を判断せよ」
答えが一つに定まる問いを投げる必要があります。考えさせるのではなく、判定させる。Jevは考える道具ではなく、決める道具だと割り切ることが使いこなしの前提になります。
なぜ嘘をつけないのか
Jevの大きな特徴が、ハルシネーション（もっともらしい嘘）が構造上起こせない点です。理由はシンプルで、文章を作る能力そのものを持っていないからです。
LLMは自由に文章を生成できるため、事実でないことも作文できてしまいます。一方Jevは、取りうる答えの形が事前に決まっています。用意した選択肢の外を返すことも、指定した範囲を外れた数値を返すこともできません。公式はこれを「型を間違えることは数学的に不可能」と表現しています。
能力を足して嘘を減らすのではなく、能力を削って嘘をつく余地をなくすという発想です。
速さの理由は並列処理
もう一つの特徴が速度です。LLMは文章を1トークン（単語のかたまり）ずつ順番に生成します。前の語を見て次の語を決めるため、どうしても時間がかかります。
Jevは違います。答えの形が決まっているので、すべての出力を並列で一度に出せます。この設計の差が、そのまま応答速度に表れます。
| 項目 | 従来のLLM | Jev |
|---|---|---|
| 生成方法 | 1トークンずつ順番に | すべて並列で一度に |
| 応答時間 | 3〜329秒 | 70〜500ミリ秒 |
| 入力（100万トークン） | $0.20〜$10 | $0.042 |
| 出力 | 入力の約5倍 | 無料 |
| 確信度 | 聞いても過信しがちで一貫性がない | 常に提示。高いほど実際に正確 |
文章を作らないため、出力側の料金が発生しません。同等の知能水準を保ちながら、速度は40〜200倍とされています。
正体は「賢いif文」
ここからが実務の話です。Jevの位置づけを公式は「賢いif文」と説明しています。プログラムでよく使う条件分岐の、判断部分だけをAIに任せるという意味です。
使い方のイメージはこうなります。
- 処理したいデータをJevに投げ、判断を受け取る
- 確信度が基準以上なら、そのまま自動処理へ回す
- 基準に満たなければ、LLMや人間に判断を委ねる
すべてをAIに丸投げせず、確実なものだけ機械的にさばく仕組みが作れます。曖昧なケースだけが人の目に届くため、確認の負担も減ります。手書きの条件式では壊れやすい判断を、AIで補う形です。
どんな仕事に向くのか
公式や解説記事が挙げる用途は、いずれも「判断だけで済む」仕事です。自社の業務に当てはまるものがないか探してみてください。
- 振り分け：問い合わせの担当割り当て、優先度づけ
- チェック：書類の例外検知、必要な項目が揃っているかの確認
- 一次判定：承認の事前スクリーニング、採用の書類選考
- 分類：大量データのタグづけ、特徴の抽出
- 検証役：LLMの出力や推論を採点し、不正な誘導を検出する
- リアルタイム処理：0.1秒台なので、操作感が重要な画面でも使える
開発者は、他のモデルへツールの呼び出しを振り分ける用途も挙げています。LLMを置き換えるのではなく、その手前や後ろに置いて支えるのがJevの役回りです。
向かない仕事もはっきりしている
逆に、次のような仕事には使えません。
- 文章を書く（記事、メール、要約、翻訳）
- コードを書く
- 対話する、相談に乗る
- 答えの形が決まっていない、探索的な問い
これらは引き続きLLMの領域です。Jevは万能モデルの代わりではありません。LLMに丸ごと任せていて費用や待ち時間が気になっている工程のうち、判断だけの部分を切り出すのが正しい使い方になります。
開発の背景にある問い
開発者のDiogo Almeida氏は、OpenAIでChatGPTにつながる研究を担当した人物です。指示に従わせる手法（RLHF）の共同開発者でもあります。
その同氏が4年間抱えてきた疑問が、開発の出発点でした。「モデルは何年も前から会話では人間を超えているのに、自動化はどこにあるのか」。会話の能力がAGIにつながると考えた時期もあったものの、何か大きなものが欠けていると気づいたと振り返っています。
その答えとして、2年間を表に出さずに作られたのがJevです。新しいモデル分類「System One Model」と、独自の訓練手法RLCD（較正された判断のための強化学習）が土台になっています。
自社に不利な点も公開している
数字を見るときに、押さえておきたい注記があります。公式が自ら弱点を書いているのです。「並外れた主張には並外れた証拠が要る」として、次の3点を明かしています。
- 公開したデモの入力は短く密な文章で、自社モデルに有利な条件になっている
- 速度の計測は、西海岸にある自分たちのノートPCから実施している
- 価格が補助されていないことは証明できない。持続可能性は長期で示すしかない
比較対象にGPT-5.6 Terraを選んだ理由も「平均的な知能で最も近いため」と説明しています。都合の良い数字だけを並べない姿勢は、判断材料として信頼できます。
提供状況と会社
Jevは現在、限定的な早期アクセスとして提供されています。TypeSafe AIは2024年設立のサンフランシスコ企業で、Almeida氏に加えErik Gafni氏とSasha Sheng氏が共同創業者です。
公開と同日、投資会社DCVCが主導する4,000万ドルのシード調達も発表されました。Forbesの報道では調達後の評価額は約2億ドルです。創業者の告知投稿は400万回以上表示され、今年もっとも話題になったAI公開の1つになっています。
まとめ
Jevは、できることを3つの判断に絞ることで、速さと安さ、そして嘘をつかない性質を手に入れたモデルです。文章が必要な仕事には使えませんが、振り分けやチェック、一次判定といった答えが決まっている処理なら威力を発揮します。いま使っているAIの工程を見直して、判断だけで済む部分がないか探してみてください。すべてを1つのAIに任せる発想から、役割で使い分ける発想へ。その転換を示すモデルです。
