Jev とは?

Jev は TypeSafe AI 初の System One モデルです。チャットボットのようにテキストを書く代わりに、あなたのプログラムの状態を読み取り、型付き・較正済みの意思決定 — choice、score、または yes/no の確率 — を返し、ソフトウェアがそれをそのまま実行に移せます。

手短に言うと

大規模言語モデルは人と対話するために作られました。Jev は機械から呼び出されるために作られています。コンテキストと、答えてほしい正確な質問を渡すと、散文ではなく構造化された値で返答します。答えの形はリクエストによって固定されているため、Jev はフォーマットをハルシネーションで作り出したり、無効な型を出したりできません — 返せるのは、あなたが定義した選択肢のいずれか、あなたが与えた尺度上のスコア、または 0 から 1 の確率だけです。

なぜ「System One」なのか?

この名前は思考の心理学から借りています。「System Two」は遅く、熟慮的で、言語的な推論 — LLM が答えを書き出すときに模倣しているものです。「System One」は、まばたきの間に起こる速く直感的な判断です。Jev はソフトウェアにおけるその役割のために設計されています。生成されたテキストの一段落を必要とすべきでない、何百万もの小さく素早い意思決定 — 振り分け、スコアリング、フィルタリング、抽出、ゲーティングです。

Jev の仕組み: RLCD

Jev は、TypeSafe が Reinforcement Learning for Calibrated Decisions (RLCD) と呼ぶ手法で訓練されています。目標は流暢な文章ではなく、較正です。Jev が「80% 確か」と言うとき、約 80% の割合で正しくあるべきです。すべての答えには確率分布が付いてくるので、コードは特定の分岐にどれだけの確信度を求めるかを決め、残りをエスカレーションできます。

尋ねられること

Jev に送るすべての質問は、3 つのプリミティブのいずれかです:

• choice — 最大 255 個のラベル付き選択肢から 1 つを選ぶ。
• score — 入力を 2–10 レベルの順序付き尺度上に配置する。
• noul — 0 から 1 の確率として返される較正済みの yes/no。

複数を一度に尋ねることができます。Jev はそれらを 1 往復で並列に評価します。感覚をつかむ最良の方法は、プレイグラウンドでライブの例を実行することです。

Jev と大規模言語モデルの比較

• 出力: 自由テキストではなく、型付きの構造化された値 & 確率。
• 速度: 70–500ms — 同等のタスクでフロンティア LLM のおよそ 40–200× 高速。
• コスト: 入力 100 万トークンあたり $0.042、出力は無料(≈ 1 意思決定あたり $0.0004)。
• 安全性: 構造的に、フォーマットのハルシネーションも型エラーもなし。
• 用途: エンドユーザーに読まれるのではなく、他のソフトウェアやエージェントから呼び出される。

Jev を作ったのは誰?

Jev は TypeSafe AI から生まれました。元 OpenAI 研究者で、ChatGPT を支える RLHF 研究の共同発明者である Diogo Almeida が、Erik Gafni、Sasha Sheng とともに設立した企業です。同社は 2026 年 9 月に、DCVC がリードする $40M のシード資金とともにステルスを脱しました。Almeida の主張はこうです — AI が仕事の進め方を変えるなら、人だけが知能の消費者であってはならず、その大半はソフトウェアの中に静かに住むべきだ。

Jev を自分で試す

何ができるかを見るのにウェイトリストへ参加する必要はありません。無料のプレイグラウンドを開き、実世界のデモ — サポートのトリアージ、モデレーション、リードスコアリング、コードレビューのリスク — を選び、Jev が較正済みの確率とともに型付きの答えを返すのを見てください。構築の準備ができたら、API ガイドに curl、Python、TypeScript のコピペ用の例があります。