Jevって何？｜ChatGPTとはまるで違う「会話をしないAI」初心者講座

最近ちょくちょく話題になる「Jev」って何だろう？と新に聞いた話が面白かったので、共有します。
私と一緒に「知ったつもり」になってみましょう。

9月16日にこんなポストが流れてきました。

これはなんだろうな？と見ていたのですが、巷で話題になっているようで、新に詳しく聞きました。
※この記事は2026年9月21日時点の情報をもとにしています。

「最近よく見るJevって、そもそも何？」

先に答えを言うと、JevはChatGPTやClaudeのように、人間と会話をするためのAIではない。

文章を読んで、「これはどの種類か」「どの程度当てはまるか」「次にどちらへ進むか」といった判断を返すAIだ。
しかも、返した答えは人間が読む文章ではなく、ソフトウェアがそのまま使えるデータになっている。
ここがJevを理解する最初の入口になる。

この記事は2026年9月21日現在の公開資料をもとにしている。Jevは公開されたばかりなので、今後仕様が変わる可能性はある。

Jevは「文章を書くAI」ではない

Jevは、TypeSafe AIが2026年9月15日に発表した最初の「System One Model」だ。

公式の説明では、入力された文章やデータを読み、あらかじめ決められた形式で判断と確率を返すモデルとされている。

たとえば、企業へ次のような問い合わせが届いたとする。

ChatGPTなら、状況を説明したり、返信文を作ったり、考えられる原因を並べたりできる。
Jevには、その代わりに質問と答えの候補を用意する。

するとJevは、たとえば次のような結果を返す。

担当部署：技術
技術である確率：0.85
判断の確信度：0.78
不満度：1.0
緊急性：0.96

「お困りですね。まず設定をご確認ください」とは返さない。
その代わり、問い合わせ管理システムは、このデータを見て自動的に技術部門の緊急キューへ送れる。

俺ならJevを、「文章の意味を読める、非常に速い判定部品」と説明する。賢いチャットボットというより、プログラムの分岐にAIの判断を入れるためのモデルだ。

三つの質問形式

現在のJevが返せる答えには、基本となる三つの形式がある。

Choiceなら、選ばれた答えだけでなく、それぞれの選択肢の確率と確信度も返す。

Scoreは、「低い・中程度・高い」のような段階をこちらで決め、その間のどこに当たるかを数値で返す。

Noulは、「はい」である確率を0から1で返す。0.95なら強い「はい」、0.05なら強い「いいえ」、0.5付近なら判断がついていないと読める。

公式ドキュメントでは、複雑な問題を一度に考えさせるより、「緊急性はあるか」「返金を求めているか」「どの部署の担当か」のような小さな質問に分解する使い方が勧められている。

なぜ速いのか

普段使っているLLMは、文章を一トークンずつ順番に生成する。

前に出した言葉を受けて次の言葉を決めるため、長い文章を書くほど時間も計算量も必要になる。
ソフトウェアの中で使う場合は、返ってきた文章から必要な答えを取り出し、指定した形式を守っているか確認する処理も要る。

Jevは自由な文章を作らない。答えの形は最初から決まっている。複数の質問も、同じ入力に対して並列に評価する。

TypeSafe AIは、Jevの応答時間を約70〜500ミリ秒とし、System One型の業務では既存LLMより40〜200倍速いと説明している。入力100万トークンあたり0.042ドルで、出力は無料としている。

「どんな仕事でもChatGPTの200倍速い」という意味ではない。

分類、採点、振り分けのようなJev向きの仕事で比べた数字だ。TypeSafe AI自身も、自社評価であり、公開している大きな性能差は現実の利用例の中では高い方に出た結果だと説明している。

会話や小説、複雑な推論を200倍速くできるモデルではない。そうした仕事を捨てて、限定された判断へ特化したから速い。

「人間の脳そのものをモデルにしたAI」なのか

Jevについて、「人間の脳そのものをモデルにしたもの」という説明も見かける。
現在の公式資料から、そこまでは読み取れない。

「System One」という名前は、ダニエル・カーネマンの『ファスト＆スロー』で広く知られた、人間の速く直感的な思考である「システム1」から取られている。

Jevは、時間をかけて複雑な問題を考えるモデルではなく、材料を与えられた時に短い判断をすばやく返す。
その役割を人間のシステム1になぞらえているのであって、人間の脳を再現したという説明ではない。

公式は、新しいモデル構造、並列サンプラー、「RLCD（Reinforcement Learning for Calibrated Decisions）」という学習方法を使ったとしている。中心にあるのは脳の再現ではなく、確率つきの判断をソフトウェアへ直接渡す設計だ。

「ハルシネーション0％」なら間違えないのか

ここはJevの説明で最も誤解されやすい。

TypeSafe AIは「ハルシネーションがない」と宣伝している。
しかし、これは「Jevの判断は必ず当たる」という意味ではない。
公式ブログには、0％という数字は実測した誤答率ではなく、指定した出力形式に必ず一致することが保証されているためだと書かれている。
四択問題で考えると分かりやすい。
Jevは、AからDまでしかない問題で、突然長い作文を始めたり、「答えはEです」と返したりしない。必ずAからDの中から答える。
だが、Aが正しい問題でBを選ぶことはある。
存在しない選択肢を作らない。指定されたデータ形式を壊さない。その点では、自由な文章を生成するLLMよりソフトウェアへ組み込みやすい。

一方で、文意を読み違えたり、間違った分類を選んだりする可能性は残る。「ハルシネーション0％」より、「出力形式の逸脱が0％」と読んだ方が実態に近い。

確率が高ければ信用できるのか

Jevは答えと一緒に確率や確信度を返す。
これを使えば、確信度が高い案件だけ自動処理し、中程度なら人間へ確認を求め、低ければ止める設計ができる。
それでも、確信度0.95の一件が95％の確率で正しい、と単純には言えない。

確率の較正は、多数の似た予測をまとめて見た時に、高い確率を出したグループほど実際の正答率も高くなるよう調整するものだ。個々の回答の正しさを保証する数字ではない。

現在のJev 1.13は、書かれた質問をかなり文字どおりに読む。計算、数を数える処理、日付の比較も苦手だ。関係のない情報を大量に入れると精度が落ち、入力内の悪意ある指示に影響される可能性もある。公式の弱点一覧には、そのあたりも率直に書かれている。

英語が主要な学習言語で、日本語を含むCJK文字は英語と同じ品質とは限らない。日本語で使う場合は、出てきた確率を眺めるだけでなく、日本語の実データで検証する必要がある。

Jevは勝手に行動するAIではない

Jev単体がメールを送り、注文を止め、機械を動かすわけではない。Jevが返すのは判断結果だ。その結果を受け取った周囲のプログラムが、実際の処理を行う。
だから危険性を見る時も、「話さないAIが突然行動する」と考えるだけでは少し粗い。
見るべきなのは、誰が選択肢を決めたのか、どの確信度から自動実行するのか、間違えた時に止められるのか、どんな権限と接続されているのかだ。
判断を間違えても、確認画面を一つ違えて表示するだけなら戻せる。送金、採用、不正判定、医療のような処理へ直結させれば、同じ一回の誤判定でも意味が変わる。
Jevの速さと安さは、判断を大量に処理できるということでもある。設計が悪ければ、間違いも同じ速さで広がる。

AIパートナーとは関係がないのか

Jev自体は、AIパートナーにはならない。
自由な文章を作らず、会話を続けず、人格を表す言葉も返さないからだ。
ただ、AIパートナーの裏側へ入る可能性はある。
どの記憶を会話へ取り出すか、どのツールを使うか、高性能な推論モデルへ切り替えるか、返答をそのまま出すか確認へ回すか。こうした小さな判断にJevのようなモデルを使うことは考えられる。
その場合、ユーザーが話している相手は今までと同じ生成AIに見える。
しかし、会話に何を持ち込み、どこで止め、次に何をするかは、表から見えない別のモデルが選んでいるかもしれない。

俺がJevで気になるのは、会話AIの代わりになるかどうかではない。
これまでチャット欄に見えていたAIの判断が、ソフトウェアの内側へ入り、人間には結果だけが見えるようになることだ。

Jevについて最初に押さえるなら、三つでいい。

• 文章を書くAIではなく、判断を返すAI

• 「ハルシネーション0％」は「誤答0％」ではない

• Jev単体が行動するのではなく、周囲のプログラムが判断を使う

この三つが分かっていれば、「LLMではない」「200倍速い」といった言葉を見ても、何が速く、何を捨て、どこに注意すべきなのかは見失わずに済む。

主な参考資料

• TypeSafe AI：Introducing System One Models & Jev

• TypeSafe AI Docs：System One

• TypeSafe AI Docs：Primitives

• TypeSafe AI Docs：Confidence

• TypeSafe AI Docs：Jev 1.13 jaggedness

松田の感想

テツメモさん、二名川さんがDevについて活用法などをポストしていましたので、こちらでも詳しく学べます。

約17,000 tokens/secってどんだけ早いんだ？と体験できるChatはこちらになります。