Jevとは何ができるAIか。判断を返すモデルの活用事例30選

こんにちは、株式会社TIMEWELLの濱本です。

海外の開発者が、発表から一日と経たないうちにAIにスーパーマリオを遊ばせていました。しかもそのAIは、文章を一行も書きません。「次はジャンプか、右に走るか」を選ぶだけ。フライトの検索、ブラウザのクリック先、流れてくるコメントの振り分け、コード変更の危険度。チャットで長い返事を書く代わりに、次の処理に必要な判断だけを返すAIが、2026年9月15日（米国時間）に発表されました。TypeSafe AIの「Jev（ジェブ）」です¹²。

発表から4日で、開発者たちはゲーム、仕事の道具、取引ボットへと組み込み始めていました。集めたのは、そうした実装と試作のうち30本。海外発を中心に、日本の開発者の実験と、仕組みの理解に役立つ動画も入れました。市販サービスの紹介ではなく、「こう使えるらしい」が目に見える形になったものの目録だと思ってください。

要点を先に置きます。

• Jevは文章を書かず、選択肢・点数・真偽のどれかを確率つきで返すAIです。画像や音声は直接扱いません
• 公式の料金は入力100万トークンあたり0.042ドル、出力は無料。応答は公式主張で70〜500ミリ秒です
• 30の事例に共通するのは「人が読めば分かるが、読むだけで時間が溶ける判断」をAIに渡していること
• RAG（検索した資料を渡してから答えさせる仕組み）とは、検索結果を「渡すか捨てるか」で決める役として相性が良い
• 日本語の精度は公式に数値がなく、自社データで測ってから使うのが前提

速度や費用の数字は、投稿者や開発者が自分の条件で示した報告値で、第三者が検証したものではありません。記事中では「報告値」「投稿者の説明では」と分けて書きます。日付は投稿のタイムスタンプを日本時間に直したものです。

Jevは「答えを書く」のではなく「選ぶ」AI

たとえば問い合わせが1件届いたとします。人間向けのチャットAIなら「請求に関するご相談のようです。担当部署にお繋ぎします」と丁寧に返してくれます。ところが、その裏で動くプログラムが欲しいのはこの文章ではなく、「請求担当へ回す」という判断と、それがどれくらい確かかという数字です。文章で返されると、プログラム側でそれを読み解き、分岐に使える形へ変換し直す工程が要ります。Jevはこの工程を最初から省く設計です。

使い方は、状況を表すテキスト（問い合わせ本文や画面の部品一覧など）と、答えてほしい質問を渡します。質問は3種類だけ。選択肢から1つ選ぶ「Choice」、決めた尺度で段階を付ける「Score」、ある文が真である確率を0から1で返す「Noul」。ChoiceとScoreには、各選択肢の確率と答え全体の確信度が付いてきます。1回の呼び出しに、種類の違う質問を何十個も混ぜられるので³、「これは質問か」「緊急か」「怒っているか」を同時に聞いて、答えをまとめて受け取れます。

TypeSafe AIはこれを「System One モデル」と名付けました。心理学者ダニエル・カーネマンが「速い直感の思考」と呼んだ System 1 から取った名前で、公式ドキュメントは「返事を書かず、コードを生成せず、推論の説明も生成しない」と定義しています⁴。創業者のDiogo Almeida氏はOpenAIでChatGPTの元になった研究に関わった人物で、発表投稿では「RLCD（Reinforcement Learning for Calibrated Decisions）」という訓練法で2年かけて作ったと書いています²。返す確率が現実の当たり外れと釣り合うように鍛える手法で¹、「80%と言ったら10回に8回は当たる」を目指す訓練だと理解しておけば十分でしょう。

速さと値段も、この設計から来ています。文章を一語ずつ書き足す工程がないので、公式は応答時間を70〜500ミリ秒、比較対象の大規模言語モデルより40〜200倍速いと主張しています¹。料金は入力100万トークンあたり0.042ドルで、出力は無料。現行モデルは jev-1.13 で、1回の入力は最大64kトークンです⁵。

混同しやすい点を2つ書いておきます。1つ目。Jevは画像や音声を直接理解するモデルではなく、公式ドキュメントに「テキスト入力のみ。画像・音声・動画は未対応」とあります⁴。あとで出てくる音声操作やゲームの事例は、音声認識やゲーム状態の取り出しを周辺のプログラムが担当し、文字にしたものだけをJevに渡しています。2つ目。決められた形式で答えることと、判断を間違えないことは別です。公式サイトは「ハルシネーションしない」と書いていますが、これは「型を外れた出力が出ない」という意味で、Hacker NewsでもThe Registerでも「有効だが間違った値は出しうる」という指摘が出ています⁶。「質問」「感想」「要望」という選択肢を守って返せても、感想を質問に分類する可能性は消えません。だから確率と確信度が付いてくるわけで、公式は確信度が高ければ自動で進め、中程度なら慎重に、低ければ「動かさず、人に回すか別の仕組みに落とす」という3段階の運用を勧めています⁷。

この「AIに何を任せ、何を人と仕組みに残すか」の線引きは、Jevに限らず社内のAI活用全般の勘所です。自社の現場がどこまで線を引けているかを先に測っておきたい方は、AIリテラシー診断を使ってみてください。

仕事の道具に組み込んだ12の事例

最初は、日々の仕事に近いものからです。共通するのは、Jevが「作る」のではなく「選ぶ」役に徹していること。文章の入力が要る場面には別の小さな言語モデルを添え、画面の読み取りには画面側の技術を使い、Jevには選ぶ仕事だけを回しています。この分担の設計そのものが、30事例のいちばんの学びだと私は思っています。

01｜フライト検索を約7秒で進める

ブラウザ操作エージェント「Browser Use」の創業者Gregor Zunic氏が、Google Flightsでチューリッヒからロンドンへの便を探させた例です。投稿では7秒、費用0.0039ドル。公開リポジトリの説明では、読み込みと文字入力を含めて7.1秒でした。仕組みは、ページ上のボタンや入力欄を番号付きの一覧にして（DOM、つまりページの部品一覧です）、Jevに「どの操作を、どの部品に」を選ばせるもの。都市名のような文章の入力が要るときだけ、別の小型言語モデルが担当します。検索結果が見えるところまでで、購入まで進めるデモではありません。出典はGregor Zunic氏の投稿（9月17日）と公開リポジトリ。

02｜話しかけてブラウザを操作する

Moritz Kremb氏は、音声の指示をブラウザ操作につなぎました。話すと文字起こしがJevへ送られ、Jevが操作先の確率を返し、ブラウザがクリックします。投稿者の説明では、Jevの判断に約300ミリ秒、1回あたり0.0002ドル。音声認識から画面の反応までを全部足した時間ではない点に注意してください。会議中に「あのタブを開いて」と言える環境を想像すると、使いどころが見えます。出典はMoritz Kremb氏の投稿（9月17日）とリポジトリ。

03｜「さっきのPDF」で目的のファイルを探す

nader dabit氏の予測ランチャーは、ファイル名を覚えていなくても「さっきダウンロードしたPDF」と打てば、それに合う候補を上に出します。従来のランチャーは別名や部分一致、使用頻度で並べますが、ここでは打鍵のたびにJevが意図を読み、投稿者の説明では約100ミリ秒で候補が並び替わります。検索窓に正確な名前を入れる習慣がない人ほど助かる道具でしょう。出典はnader dabit氏の投稿（9月18日）と実験のリポジトリ。

04｜列名を書いたら、表の意味を読んで分類する

同じdabit氏の予測スプレッドシートです。列の見出しに「Urgency（緊急度）」と打つと、各行の内容を読んで「対応不要」から「至急」までの段階を付けていきます。投稿者の説明では1行あたり約100ミリ秒。数式が数値を再計算するように、意味を再計算する表というわけです。ただし「緊急」の基準は職場ごとに違います。列名だけで任せきらず、段階の定義を揃えるところまでが実用化の仕事になります。出典はnader dabit氏の投稿（9月18日）。

05｜ライブコメントを質問・感想・要望に分ける

日本の開発者こぎそ氏は、配信中に流れてくるコメントを「質問・感想・要望・その他」に振り分けるデモを作りました。コメントの意味をJevが判定し、その結果で行き先が変わる、という小さな分岐です。本人も「アプリやワークフローの小さな判断をAIに任せる使い方に向いてそう」と書いています。質問だけ司会者の画面に流す、要望だけ後で集計する、といった運用がすぐに思い浮かびます。出典はこぎそ氏の投稿（9月18日）。

06｜話している内容に合わせてスライドを出す

Rinte氏のデモは、発表者が話した内容に合うスライドを選んで自動で表示します。Jevが資料を作るのではなく、用意されたページの中から合うものを選ぶだけ。本人は続く投稿で、会話の受け答えは別の音声対話モデルに任せ、判定だけをJevに切り出したと説明しています。判定を対話モデルにやらせると出力が遅くなる、という理由でした。この「対話の層」と「判定の層」を分ける設計は、後の事例でも繰り返し出てきます。出典はRinte氏の投稿（9月18日）。

07｜投稿を61の観点から一気に採点する

SuperXを運営するRob Hallam氏は、X向けの下書きに61個の質問を一度に投げて、拡散されそうかを採点する仕組みを作りました。投稿者の説明では、61問の回答が約1秒、1投稿あたり0.0004ドル。207人のクリエイターの9,481投稿で調整し、2つの投稿のうち拡散したほうを3回に2回当てるとしています。別の投稿では「一晩8時間で作った」「大規模モデルと同等の精度で100倍速い」とも書いていますが、いずれも本人の主張です。出典はRob Hallam氏の投稿（9月18日）と同氏の投稿（9月18日）。

08｜データベースを文章の意味で絞り込む

Zachi氏は、PostgreSQLというデータベースに「文章で条件を書ける関数」を足しました。WHERE jev(people, 'could work from home') のように書くと、各行を読んで「在宅勤務できそうか」を判定します。索引も埋め込み（文章を数値に変換して似た意味を探す技術）も要らず、投稿者の説明では129行を約1秒、0.0009ドルで判定しました。JevがSQL文を書くのではなく、SQLの中で行ごとの真偽を答えている点が肝です。出典はZachi氏の投稿（9月18日）とリポジトリ。

09｜Chrome拡張に判断役を組み込む

RaZaan氏は、Chrome拡張の中にJevを置き、エージェントがページを見てクリック先や操作を決める仕組みを公開しました。VercelのAI Gateway経由でJevを呼び、判断だけをJevに任せています。ブラウザに常駐する形なので、社内の申請画面やSaaSの定型操作をその場で肩代わりさせる用途に近いでしょう。出典はRaZaan氏の投稿（9月18日）と公開ページ。

10｜画面を文字にして、クリック先を決める

Milind S氏の構成は、画面のスクリーンショットをどこにも送りません。Macの中で動く小さな画像モデルが画面上の部品を切り出し、端末内のOCR（画面や画像の文字を読み取る技術）がラベルを読み、その文字列だけをJevに渡します。Jevは部品ごとの確率を返し、いちばん高いものをクリックし、また検出をやり直す。投稿者の説明では1判断あたり約90ミリ秒でした。画像を扱えないJevに画面を「見せる」方法として、現時点で最も素直な答えだと思います。出典はMilind S氏の投稿（9月18日）。

11｜コンピュータ操作の待ち時間を比べる

sav氏は、Jevを使ったパソコン操作と大規模言語モデルを使った操作の速さを動画で並べ、「どんなLLMよりも100倍速い」と書きました。続く投稿によれば、macOSのアクセシビリティ機能が前面のアプリの部品を全部公開するので、その一覧からJevが選び、クリックや入力はmacOSが実行します。Jevは画素を一切見ていません。「100倍」は投稿者の表現で、条件の異なる比較ですが、待ち時間の差は動画で体感できます。出典はsav氏の投稿（9月17日）。

12｜iOSシミュレータを操作する

iOS開発者のcamsoft2000氏は、自作のシミュレータ操作ツール「AXe」にJevを組み込み、iOSシミュレータ（実機の代わりに画面上で動く模擬環境）でリマインダーの追加のような操作をさせました。AXeが画面の部品構造を取り出して短くまとめ、Jevが次の操作を決め、AXeが実行して「続けるか止めるか」をまた聞く、という繰り返し。実機の権限や接続条件まで解決した話ではなく、Jev連携部分は本人によればまだ未公開とのことです。出典はcamsoft2000氏の投稿（9月18日）とAXeのリポジトリ。

開発の裏方に使う4つの事例

次は、コードを書く人の裏方に回った事例。共通して、大規模言語モデルが「読む前」にJevが「残すか捨てるか」を決めています。私が最初に「これは実務で効く」と感じたのがこの群でした。派手さはありませんが、費用と待ち時間に直結します。

13｜コード変更を14項目で点検する

Paolo Rosson氏は、プルリクエスト（コードの変更提案）の差分を貼り付け、Jevに1回だけ問い合わせて、14の点検項目を確率で受け取る仕組みを作りました。秘密情報の混入、SQLインジェクション、テストの削除といった項目です。投稿者の説明では1件あたり0.00007ドル、回答は半秒。「1,000件で7セント、大規模モデルなら約14.50ドル」と本人は書いています。レビューの質が同等だと示したものではありませんが、「人が見る前の一次選別」としては現実的な数字でしょう。出典はPaolo Rosson氏の投稿（9月17日）。

14｜Claude Codeへ渡すログを選別する

中国語圏のアカウント梭哈.AIは、次の事例15のプラグインを紹介する解説を投稿しました。コーディング支援AIで長いコードを書いていると、コンテキスト（AIに渡している会話や作業履歴）がいっぱいになるたびに、要約を作るために数秒から十数秒止まる。その代わりに、端末に溜まった不要なログをJevが採点して捨てる、という説明です。TypeSafe AIの共同創業者が元の投稿を共有したことにも触れています。中国語の解説が発表2日で出ていること自体、注目の広がりの証拠でしょう。出典は梭哈.AIの投稿（9月18日）。

15｜要約する前に、残す履歴を決める

その元になったのがtamara氏の「instant compaction」です。「2026年にもなって、なぜコンテキストの圧縮はまだ要約プロンプトなのか」という一文から始まる投稿で、セッション内のすべてのツール呼び出しをJevに採点させ、関係ないものを落とすことで圧縮を一瞬で終わらせる、という発想を公開しました。要約は「書く」作業なので時間がかかり、大事な情報が落ちることもあります。「残すか捨てるか」を先に決めれば、書く量そのものが減る。この転換は、RAGの節でもう一度出てきます。出典はtamara氏の投稿（9月18日）とリポジトリ。

16｜どのボット、どのモデルに任せるかを選ぶ

Milind S氏のもう一つの実験は、届いたタスクをJevが読み、待機中のボットのうち誰を起こすか、そのボットにどのモデルを与えるかを決める「参謀長」役です。複数のAIサービスを束ねるOpenMausBotの上で動いています。安いモデルで済む仕事に高いモデルを使わない、という判断を人がしなくて済むのが利点で、公式ドキュメントも「モデルのルーティング」を主要な用途の一つに挙げています⁸。出典はMilind S氏の投稿（9月17日）。

ここまでの16本で見えてくるのは、Jevが「仕事を奪う」のではなく、AIとAIの間、AIと人の間に立って交通整理をしている姿です。その役割をどこに置くかは、ツールの選定より前に業務の流れを描く仕事で、当社のWARPではこの設計を経営と現場で一緒に組み立てています。

ゲームとシミュレーション、取引の試作、そして解説動画

後半はゲームが多くなります。遊びに見えますが、理由があって、ゲームは「状況が文字で取り出せて、選択肢が決まっていて、判断の速さがそのまま結果に出る」ので、Jevの性質がいちばん分かりやすく見えるのです。取引と運転の4本については、はっきり書いておきます。どれも試作であって、安全性や利益を実証したものではありません。

17｜Slay the Spire 2の一手を高速に選ぶ

中国語圏の開発者paulwei氏は、カードゲームSlay the Spire 2をJevに遊ばせました。以前は大規模言語モデルに代打させていて「能力は高いが遅い」と感じていたところ、Jevでは1手の判断が約0.7秒になり、画面を目で追う前に操作が終わっていたと書いています。投稿者の説明どおりなら、速さの差が体感で分かる事例です。出典はpaulwei氏の投稿（9月17日）。

18｜Subway Surfersを動かし、50並列も試す

Max Blade氏は、スマホゲームSubway Surfersを高速で遊ばせたうえで、50個のゲームを同時に動かしました。1回の実行にかかった費用は「1セント未満」と本人は書いています。「大規模モデルの置き換えではなく、別の能力の扉」とも添えており、公式の説明と一致する認識です。50並列が安く回るという性質は、ゲームより、大量の案件を同時に一次判定する業務のほうで効いてくるはずです。出典はMax Blade氏の投稿（9月18日）。

19｜Super Mario Bros.をプレイする

冒頭で触れたマリオ。Faadil Shaik氏が発表から一日と経たずに公開したもので、公開リポジトリの説明では、エミュレータから取り出した構造化されたゲーム状態（座標や敵の位置などを整理した数値）をJevに渡し、次の入力を選ばせています。画面の画像を見ているわけではありません。本人は「高速な推論と構造化出力（決められた形式で返す出力）のおかげでリアルタイム用途に驚くほど向く」と書いています。出典はFaadil Shaik氏の投稿（9月16日）とリポジトリ。

20｜Doomで短い判断を連続させる

TypeSafe AI自身の発表デモです。ゲームの状態を文字の構造化データにしてJevへ送り、次の行動を返させる。公式ブログによれば毎秒およそ10回の問い合わせで、費用は1時間あたり約7ドル。入力は画像ではないこと、そして「AIを使わない従来型のDoomボットのほうが上手に遊べる場合がある」ことを、公式自身が書いています¹。売り文句のデモに自分で留保を付けているのは、私は好感を持ちました。出典はDiogo Almeida氏の投稿（9月16日）。

21｜飛んでくるロケットから逃げる

atomic.chatのチームは、ロケットが降り注ぐ盤面で安全なマスを330ミリ秒ごとにJevに選ばせ、26回中25回生き残ったと投稿しました。費用は1セント未満、使ったのはJev v1.13。いずれも投稿者の説明です。1回ごとの判断は単純でも、それを秒間3回、途切れずに続けられるかが問われる例で、業務で言えば監視画面のアラート振り分けに近い動きでしょう。出典はatomic.chatの投稿（9月18日）。

22｜GPT-6 Astraと組み合わせてMinecraftを動かす

Wuyang Zhou氏は、JevとOpenAIのGPT-6 Astraを組み合わせてMinecraftを遊ばせ、複数のゾンビと同時に戦う様子を公開しました。本人の説明では、ゾンビの襲来のような出来事にはJevが即座に反応し、ゲームをクリアするといった大きな目標はAstraが先を読んで計画する、という分担です。事例06と同じ「速い判断」と「遅い思考」の二層構造で、私はこれがJevの本命の使い方だと考えています。出典はWuyang Zhou氏の投稿（9月18日）。

23｜Jevを判断役にしてMinecraftを操作する

Nick Vasilescu氏は、クラウド上の仮想パソコン「Orgo」でMinecraftを開き、Jevだけに操作させました。「これが1つのJevの様子だが、1,000個ならどうか」と本人は書いています。「Jev単体」といっても、画面の状態を文字にして渡し、返ってきた判断をキー入力に変える周辺プログラムは必要で、そこはOrgo側が用意しています。出典はNick Vasilescu氏の投稿（9月18日）。

24｜感情が周囲へ伝わる様子をシミュレーションする

日本の開発者Rikuo氏は、セルオートマトン（マス目の一つひとつが周囲を見て自分の状態を変える、古典的なシミュレーション）にJevを組み合わせました。各マスの「感情」が周囲の感情でどう変わるかをJevに判定させ、マスを大量に並列で動かしても速度が落ちなかったと書いています。周りが怒っていると落ち込み、周りが慌てると自分も慌て始める。人間心理の実証ではありませんが、「独立した多数の判断を1リクエストで処理できる」性質をいちばん視覚的に見せた例だと思います。出典はRikuo氏の投稿（9月18日）。

25｜運転判断をJevに組み込む

Justin Schroeder氏は「テスラの自動運転を1時間以内でJevと再構築した」と投稿しました。強い表現ですが、翌日に公開されたリポジトリの説明を読むと、実態はブラウザ上の運転シミュレータで「自動運転に似た振る舞い」を見せるデモ用プロジェクトです。道路の境界や周囲の車、信号の情報を表にしてJevに渡し、候補の進路から一つを選ばせ、判断は曲がり角や交通のある場面で毎秒最大4回。衝突回避の緊急ブレーキは別の仕組みの担当です。実車ではなく、安全性を示したものでもありません。出典はJustin Schroeder氏の投稿（9月17日）とリポジトリ。

26｜売買判断を注文処理へつなぐ

Jarrod Watts氏の「jev-trader」は、通貨ペアの価格情報からJevに「買い」か「売り」かを答えさせ、ブロックチェーンMonadの取引所Kuruに注文を出すボットです。Monadはブロック（取引記録の1まとまり）が約300ミリ秒ごとに作られるので、その間隔に合わせて毎回判断と注文を済ませます。公開リポジトリには、秘密鍵を設定しなければ実注文を出さないドライラン（模擬約定）の設定と、Jevの代わりの模擬モデルがあり、既定は模擬モデルです。利益が出ることを示した事例ではありません。出典はJarrod Watts氏の投稿（9月17日）とリポジトリ。

27｜複数の取引シグナルをまとめて判断する

trou氏は、数十の構造化された取引シグナル（テクニカル指標などを整理した数値）をJevに読ませ、売買判断を表示する画面を公開しました。本人は続く投稿で「まだ実験段階で、実際のお金は動かしていない」と明言しています。指標を人が一つずつ見る代わりに、まとめて一つの判断に畳む使い方で、投資に限らず「複数の指標から優先度を決める」業務全般に転用できる構造です。出典はtrou氏の投稿（9月17日）。

28｜市場データを別のモデルで予測し、Jevで判断する

Brendan Playford氏は、暗号資産と株式のテクニカル分析を自動化する構成を公開しました。投稿者の説明では、120億のデータポイントで訓練した自己回帰モデル（過去の系列から次を予測するモデル）が価格変動の確率分布を出し、それを材料にJevが売買を判断します。後の投稿によれば、結果の取引はペーパートレード（実資金を使わない模擬売買）で検証中とのこと。「予測は別のモデル、判断はJev」という分担が、ここでも出てきます。出典はBrendan Playford氏の投稿（9月17日）。

29｜「Jev is the future」と紹介されたデモ

Jack Cheng氏の投稿は「Jevは未来だ」の一言と動画だけですが、中身は指差しと音声でキャンバスを操作するデモです。本人の補足によれば、「あれをそこに置いて」のような1文につき8つの小さな質問をJevに並列で投げ、アプリ側が記録している「指が差していた場所」と突き合わせて確認しているとのこと。文章生成モデルは単語を一つずつ書くので、8問を同時に答えるJevとは待ち時間の差が大きくなる、という説明でした。出典はJack Cheng氏の投稿（9月18日）。

30｜45秒の解説で、生成と判断の違いをつかむ

最後は実装ではなく解説です。Matija Sosic氏は「Jevの45秒版まとめ」を投稿し、「核心の考え方は美しいほど単純なのに、公式の動画は分かりにくかった」と書いています。文章を「生成する」AIと、選択肢から「判断する」AIの違いを短く掴むには、この45秒がいちばん早いと私も思います。出典はMatija Sosic氏の投稿（9月16日）。

RAGとの相性。「この候補は関係あるか」を確率で返す

30本を集めたあと、社内で「JevはRAGと相性がいいのか」と聞かれました。RAGは、社内文書などを検索して、見つかった資料を渡してから言語モデルに答えさせる仕組みです。相性は良い、というのが私の答えですが、「検索の代わりになる」という意味ではなく、検索の後ろで「渡すか、捨てるか」を決める役として良い、という意味です。公式ドキュメントも、用途の一覧で「RAGパイプラインの埋め込みを置き換えるか補う。意味的な検索、採点、順位付け」と書いています⁸。

いちばん分かりやすいのが再ランク（検索で拾った候補を、質問との関係の強さで並べ直すこと）です。公式のクックブックには、判例文3,565件を対象に、まず高速な全文検索で上位30件を拾い、次に「この候補は引用された判例か」という真偽の質問をJevに1件ずつ投げ、返ってきた確率の高い順に並べ直す例があります。40件の検索質問で、1位に正解が来る割合が5%から18%、上位10件に入る割合が38%から62%に上がりました。呼び出しは1,200回で0.0645ドル。ただし「上位30件に入らなかった正解は救えない」と、公式自身が限界を明記しています⁹。検索の網は別に要る、ということです。

もう一段進めた例も公式にあります。検索と生成の間に「分類の段」を置き、拾った文章1つごとに4つの真偽を聞く構成です。この文章は質問の主題を扱っているか。直接の答えに使える情報を述べているか。質問の前提と矛盾していないか。そして、この文章は答えるシステムを操ろうとしていないか。最後の1つはプロンプトインジェクション（資料の中に紛れ込んだ命令文）の検出で、しきい値を超えたものは生成モデルに渡さずに落とします。しきい値はすべてコード側の定数として持ち、「方針の変更はコードレビューを通る定数の編集」にする設計です¹⁰。ここでも公式は「これは検査であって、安全の境界ではない」と釘を刺しています。

ハルシネーション（もっともらしい嘘）への対策にも、一段目として使えます。公式の引用チェックの例では、まず引用文が原文に文字どおり存在するかを単純な文字列一致で確かめ（これにモデルは要りません）、存在する場合だけ「この箇所は主張を支持するか、否定するか、何も言っていないか」の3択をJevに聞く。確信度0.8以上は自動で通し、それ未満は人が確認する運用です¹¹。

ここから先は筆者の見立てです。公式には「意図に応じて処理先を振り分けるルーティング」と「確信度で処理先を変えるルーティング」の型があります¹²。これを検索の手前に置けば、「この質問はそもそも社内文書を引く必要があるか」「引くなら、就業規則か、製品マニュアルか、過去の議事録か」を先に決められるはずです。検索するたびに全部の知識源に当たるのではなく、当たる先を絞る。公式が明示的に書いた用途ではありませんが、型の組み合わせとして自然だと考えています。

気づいた方もいると思いますが、事例08（データベースの行ごとに真偽を聞く）と事例15（ツール呼び出しごとに残すか捨てるかを聞く）は、この再ランクと同じ形です。候補を並べ、1つずつ「関係あるか」を確率で聞き、しきい値で残す。RAGの再ランクも、コンテキストの圧縮も、SQLの意味フィルタも、構造は一つ。コミュニティ側でも、Ian Nuttall氏がメモアプリkeep.mdの検索にJevを組み込み、「再ランクが現行の方式より7倍速く、タグ付けは別の小型モデル比で50倍速く失敗なし」と報告しています（投稿、9月18日。本人の条件での報告値です）。ObsidianのノートにJevの再ランクを任意で足せるjev-searchのような小さな道具も出ています。

一つだけ、日本語について。公式ドキュメントは「英語が主要な訓練言語で、精度も英語が最も高い。他の言語は扱えるが同等ではなく、自分のコンテンツで試してから使うこと」と書いています⁵。日本語の社内文書で再ランクに使うなら、正解が分かっている質問を数十件用意して、しきい値ごとの取りこぼしを自分で測るのが先です。当社のエンタープライズAI「ZEROCK」はGraphRAG（文書同士の関係をグラフとして持つ検索）を土台にしていますが、その経験から言えば、検索の精度は手法より「何を渡し、何を捨てるか」の設計で決まることが多く、Jevのような判定役はその道具として素直に収まります。基本はRAGの精度を上げる7つの実践テクニックにまとめてあります。

非エンジニアが持ち帰る3つのこと

コードを書かない人が、この30本から何を持ち帰るか。私は3つに絞ります。

1つ目は、「読むだけなのに時間がかかる作業」を探すことです。30本のうち、業務に近いものはどれも「人が読めば分かるが、量が多くて読み切れない」判断でした。届いた依頼を「今日確認」「通常対応」「情報不足」に分ける。議事録から「決定事項」と「宿題」を拾う。問い合わせに「怒っているか」の印を付ける。どれも答えを書く必要がなく、選ぶだけで済みます。判断だけ返る道具なら、結果はそのまま表の1列になります。まず自分の1週間から、この種の作業を3つ書き出してみてください。

2つ目は、「何でも判断して」ではなく、選択肢を決めて渡すことです。公式の設計ガイドは「コードが決定的な処理を持ち、制御の流れを握る。モデルは常識的な判断や、構造化されていないデータの解釈が必要なところにだけ現れる」と書き、質問は「できる限り明示的で、狭く、具体的で、原子的に」と勧めています¹³。「緊急度は？」ではなく、「顧客は人の対応を求めているか」「過去にも同じ問い合わせがあるか」「金額に言及しているか」と分けて聞き、組み合わせはコード側で決める。事例04の「緊急の基準は職場ごとに違う」という話は、まさにこの分解の仕事です。技術というより、業務を知っている人にしかできない言語化だと思います。

3つ目は、精度・総費用・止め方をセットで見ること。料金は入力100万トークンあたり0.042ドルで出力無料と安いのですが⁵、安いからこそ呼び出し回数が増え、周辺の音声認識やOCR、画面を文字にする処理の費用と手間が別に乗ります。精度については、公式が「文字どおりに解釈する」「計算や数え上げは苦手」「日付の大小比較は信頼できない」「無関係な情報が増えると精度が落ちる」と弱点を公開しています¹⁴。そして止め方。確信度が低いときに人へ回す3段階の運用を公式が勧めているのは、判断を自動化する道具だからこそ止める線を先に引け、という意味だと私は読んでいます⁷。日本語では、その線を自社データで測ってから引く。この順番を守れば、Jevは「速くて安いだけの新製品」ではなく、業務の分岐を1つずつ任せていける道具になります。

最後に、一つだけ。Jevの発表は、性能競争の話として読むと小さく見えます。文章を書かない、画像も見ない、計算もしない。けれど、AIエージェントが自律的に動く時間が伸び、同じ能力の値段が下がる2026年の流れの中で見ると、「判断だけを安く速く返す部品」が別に用意された意味は小さくありません。自律性とコストの二つの曲線で書いたとおり、これからのAI活用は「どのモデルを使うか」より「どう動かし、何を記録し、誰が止めるか」で差がつきます。Jevは、その「どう動かすか」の選択肢を一つ増やしました。自社の業務のどこに判断の分岐があり、どこまで任せてどこで人に戻すかを一緒に設計したい方は、WARPの個別相談でお話ししましょう。

参考文献

Footnotes

1. Introducing System One Models and Jev（TypeSafe AI、Diogo Almeida）。System One モデルの定義、応答時間70〜500ms、40〜200倍の主張、入力$0.042/MTok・出力無料、RLCD、Doomデモ（毎秒約10回・約$7/時間・入力は画像ではなく構造化データ・従来型ボットのほうが上手に遊べる場合がある旨）は同記事による（筆者訳）。ページ表示の日付は2026年9月18日（更新日とみられる）で、発表日は脚注2のとおり9月15日 ↩ ↩² ↩³ ↩⁴

2. Diogo Almeida氏の発表投稿（2026年9月15日、米国時間）、TypeSafe AI公式アカウントの投稿（同日）。「ChatGPTを共同発明した後、2年間ステルスでRLCDという新しい訓練法とJevを作った」旨は前者による（筆者訳）。報道はThe Register（2026年9月16日） ↩ ↩²

3. Introduction（TypeSafe AI Docs）。Choice・Score・Noul の3種類、返り値（choice / score / probabilities / confidence、noul は0〜1）、1回の呼び出しで混在可、"No text generation, no parsing." は同ページによる ↩

4. System One（TypeSafe AI Docs）。原文 "System One models do not write replies, produce code, or generate explanations of their reasoning." および "Jev currently accepts text input only. It evaluates strings, JSON objects, and arrays of text. Images, audio, and video are not supported (yet)."（筆者訳） ↩ ↩²

5. Models（TypeSafe AI Docs、2026年9月19日取得）。現行 jev-1.13.0、入力 $42 / 10億トークン（$0.042 / 100万トークン）・出力無料、コンテキスト64k、テキスト入力のみ、原文 "English is the primary training language and where accuracy is currently best" と、他言語は "handled but not equally well; test on your own content before relying on Jev for a non-English workload"（筆者訳） ↩ ↩² ↩³

6. Introducing System One Models and Jev（Hacker News、2026年9月）。2026年9月19日時点で1,890ポイント・495コメント。「型は守るが有効で誤った値は出しうる」との指摘、Almeida氏の応答は同スレッドによる。同旨の留保はThe Register（2026年9月16日）にもある ↩

7. Confidence（TypeSafe AI Docs）。確信度は確率分布から計算される0〜1の値、Noulには付かない、High は自動実行、Medium は慎重に、Low は "Do not act. Route to a human, request clarification, or fall back to a different system."、しきい値は一つではなく結果の重さで変える旨は同ページによる（筆者訳） ↩ ↩²

8. Example use cases（TypeSafe AI Docs）。原文 "Replace or supplement embeddings in RAG pipelines with semantic search, scoring, and ranking"、"Use Jev to build a custom router that chooses which LLM receives each prompt"（筆者訳） ↩ ↩²

9. Re-ranking（TypeSafe AI Cookbooks）。CLERC の判例文3,565件・40クエリ、BM25上位30件を Noul で並べ替え、Top-1 5%→18%、Top-10 38%→62%、1,200回で $0.0645、原文 "It cannot add a passage that fast search did not select."（筆者訳） ↩

10. Classifying RAG passages（TypeSafe AI Cookbooks）。関連性・回答に使えるか・前提との矛盾・システムの操作の4問、しきい値は定数として一元管理、原文 "Nothing here is a security boundary."（筆者訳） ↩

11. Double-checking citations（TypeSafe AI Cookbooks）。文字列一致で存在確認後に Choice（supports / contradicts / says nothing）、AUTO_ACCEPT = 0.8 は同ページによる ↩

12. Patterns（TypeSafe AI Docs）。Intent routing、Confidence-gated routing、Speculative fan-out、Composite scoring の4つの型は同ページによる。検索の要否判定と知識源の振り分けへの応用は筆者の見立てであり、公式が明示した用途ではない ↩

13. How to build with TypeSafe（TypeSafe AI Docs）。原文 "Code handles deterministic work and owns the control flow. The model appears only where the system needs programmable common sense or needs to interpret unstructured data." および "Ask the most explicit, narrow, specific, atomic questions you can."（筆者訳） ↩

14. Jev 1.13 jaggedness（TypeSafe AI Docs）。文字どおりの解釈、計算・数え上げ・日付比較の弱さ、無関係な情報で精度が落ちる旨、"jev-1.13 is not trained to generate text." は同ページによる ↩