Jev（ジェヴ）は、米 TypeSafe AI が9月15日（現地時間）に公開したAIモデルで、文章をいっさい書かない。会話はせず、あらかじめ定義した型に沿った「判断」だけを、確率と確信度を付けたJSONとして返す。
つまり出力が自由なテキストではなく、開発者が事前に決めた構造そのものになる。「この問い合わせは返金・不具合・その他のどれか」「この行は承認すべきか」といった選択肢を先に型として与えておき、Jevはそれぞれの確からしさを数値で返す。同社はこの性質から、Jevは幻覚を起こさないと説明している。出力できる形が最初から限定されているので、存在しない選択肢を作り出しようがない、という理屈だ。
TypeSafe AI はJevをLLMとは別の「System Oneモデル」という新しいカテゴリだと位置づけている。速く直感的な判断を担い、じっくり考えて文章を組み立てるLLMとは役割が違うという主張である。同社の自社ワークフロー評価では、フロンティアモデルと比べて193.6倍速いという結果が出ている。ただしこれは自社評価であって、第三者による検証結果ではない点は押さえておきたい。
エンジニアにとっての実際の使いどころは、LLMの置き換えではなく組み合わせにある。9月20日、エンジニアのRonak Malde氏が、OpenAIの「GPT-6 Astra」とJevを組み合わせたMinecraftエージェントの実験結果を公開した。空のインベントリから始めて8分43秒でエンダードラゴンを討伐し、モデル利用料は合計1ドル未満。内訳はJevが約0.01ドル、Astraが約0.96ドルだった。この内訳が構図をよく示している。費用の大半は思考役のLLMが占め、Jevは全体の1％程度にすぎない。頻度の高い細かな判断をJevが安く速く捌き、計画のような重い推論をLLMが担う、という分業だ。
料金体系も独特で、出力トークンは無料、課金は入力側のみ、しかも10億トークン単位で数える。具体的な単価はここで参照している情報の範囲には記載がないため、導入を検討する場合は公式の料金ページで確認してほしい。推測で数字を置くことはしない。とはいえ、上記のMinecraft実験でJev側の費用が約0.01ドルに収まった事実は、水準を推し量る材料にはなる。
作っているのは、ChatGPTの開発に関わった元OpenAI研究者 Diogo Almeida 氏のスタートアップ TypeSafe である。分類などの自動化用途で、高速さと低コストが評価されている。投資家の視点で見るなら、同社は既存のLLMベンダーと正面からぶつかる位置には立っていない。ただし、Jevがやろうとしている仕事そのものは、既存LLMの構造化出力（JSONスキーマ指定）でも、従来型の機械学習分類器でもこなせる領域と重なる。専用モデルとして切り出すだけの速度とコストの差があるか——賭けはそこにある。なお具体的な競合企業名や資金調達の状況は、こちらで確認できていないため触れない。
事実として確認できるのはここまでである。対応言語、レイテンシの実測値、SLA、オンプレミス提供の有無などは未確認だ。試すのであれば、既存ワークフローの中で分類を担っているLLM呼び出しをひとつだけJevに差し替え、精度とコストを並べて比べるのが小さく始める方法になるだろう（これは筆者の提案であり、公式の推奨手順ではない）。
