Jevとは？文章を書かないAIの仕組みと料金｜LLMとの違い

「Jev」という名前を見て、また新しいチャットAIが出たのかと思った方もいるかもしれません。ですがJevは、ChatGPTやClaudeとは目的がまったく違います。人と話すためではなく、プログラムが判断を下すためのAIです。

本記事では、Jevが何をするものなのか、なぜ速くて安いのか、そして「ハルシネーションしない」という説明をどう受け取ればよいかを、公式発表と第三者の報道の両方から整理しました。

Jevとは｜人ではなく機械に答えるAI

Jevは、TypeSafe AIが2026年9月15日に公開したAIモデルです。創業者のDiogo Almeida氏は元OpenAIの研究者で、ChatGPTの開発に関わり、RLHF（人間のフィードバックによる強化学習）の共同考案者でもあります。同社は4,000万ドルを調達しています。

ChatGPTやClaudeが「人が読む文章」を作るのに対し、Jevが返すのは型の決まった値と、その確からしさです。文章は一切作りません。

たとえば問い合わせメールを渡して「これは緊急か」と尋ねると、「はい・確信度0.93」のような形で返ってきます。この値はそのままプログラムの条件分岐に使えます。文章を受け取ってから中身を解析する手間がありません。

System Oneモデルとは｜LLMとの3つの違い

TypeSafe社はJevを「System Oneモデル」という新しい分類だと説明しています。人の思考でいう「速く直感的な判断」になぞらえた呼び方です。

LLMとの違いは3点あります。

	LLM（ChatGPTなど）	System Oneモデル（Jev）
学習方法	RLHF（人のフィードバック）	RLCD（較正された判断のための強化学習）
入力	主に文章	プログラムの状態を含む非構造データ
出力	文字列を1トークンずつ生成	型の決まった値を1回の並列処理で返す

「1トークンずつ」ではなく「1回で」返すという点が、後述する速度の差につながっています。

Jevができる3種類の判断

Jevが答えられるのは次の3つだけです。逆にいえば、この3つに当てはまる処理なら置き換えられます。

TypeSafe社が想定用途として挙げているのは、問い合わせの振り分け、データの採点、AIの出力に不正な指示が混ざっていないかの検査、AIエージェントがどの機能を呼ぶかの判断などです。

デモとしてゲーム「DOOM」をJevに遊ばせた例も公開されています。ゲームの状態を構造化して渡し、次の行動を選ばせるという内容で、用途というより仕組みの分かりやすい実演です。

速度と料金｜LLMとどれだけ違うか

TypeSafe社が公開している数値は次のとおりです。

項目	Jev	LLM
応答時間	0.114秒	8.566秒
速度比	193.6倍速い	—
入力料金	$0.042 / 100万トークン	$0.20〜$10 / 100万トークン
出力料金	無料	従量課金

上の表は同社が公開しているベンチマークの数値です。料金面ではClaude Fable 5.1と比べて入力単価が238分の1、System One向けのワークフロー全体では444.6分の1という比較も提示されています。創業者のDiogo Almeida氏は既存LLM比で「20〜200倍速く、40〜1000倍安い」とコメントしています（ITmedia、2026年9月20日）。

公式が示している上限

現行モデル jev-1.13.0 の仕様です。

項目	内容
レート制限	毎秒25万トークン／毎分1,200リクエスト
コンテキスト長	1リクエスト64kトークン（state ＋ 最長の質問で32kまで）
入力形式	テキストのみ

ただし公式は「需要が非常に大きく、レート制限は予告なく変わりうる」と注記しています。

「ハルシネーションしない」をどう受け取るか

Jevの紹介でよく強調されるのが「ハルシネーションを起こさない」という点です。ここは注意して読む必要があります。

TypeSafe社の説明は、出力が型で守られているため、決めた形式から外れた値が返ることは数学的にあり得ないという意味です。存在しない選択肢を勝手に作ることはありません。

一方でThe Registerは、この比較自体があまり意味を持たないと指摘しています。Jevの出力はそもそも自然言語ではないため、LLMのハルシネーションと同じ土俵で比べられないという理由です。

既存の方法と比べてどうか

「決まった選択肢から選ぶ」だけなら、従来から分類モデルを自前で用意する方法がありました。Jevの位置づけは、その手間をかけずに汎用モデルの判断力を借りられる点にあります。

• 自前の分類モデル：学習データを集めて訓練する必要がある。用途ごとに作り直し
• LLMに判断させる：すぐ使えるが、遅く高く、出力形式が崩れることがある
• Jev：すぐ使えて、速く安く、形式は崩れない

LLMを「判断」にだけ使っている処理があるなら、置き換えの検討対象になります。逆に文章を作る処理は対象外です。

また、用途に応じてAIを使い分ける考え方は、ChatGPT vs Claude vs Gemini 使い分け完全ガイドでも整理していますのであわせてご覧ください。

使い方｜現時点の入手方法

2026年9月時点ではアーリーアクセスの段階です。

• 順番待ちリストに登録し、案内が来たら利用できる
• ブラウザ上で試せるプレイグラウンドが console.typesafe.ai で公開されている
• APIは POST https://api.typesafe.ai/v1/systemone の1本
• SDKはPython版とJavaScript版の両方が提供されている
• Claude Codeなどのコーディングエージェント向けに公式スキルが配布されている

本格導入の前に、まずプレイグラウンドで自分の業務データを投げてみて、判断が期待どおりかを確かめるのが現実的な進め方です。

実際のリクエストの書き方やSDKの導入手順は、Jevの使い方｜API・SDK・Claude Codeスキルの導入手順にまとめています。

JevについてよくあるQ&A

❓よくある質問

Q.JevはChatGPTの代わりになりますか？

A.

なりません。Jevは文章を作らないため、用途が重なりません。文章の作成や要約はLLM、判断はJev、という使い分けになります。

Q.なぜそんなに安いのですか？

A.

文字列を1トークンずつ作らず、1回の処理で値を返す設計のためです。出力トークンが実質発生しないため、出力料金が無料になっています。

Q.日本語でも使えますか？

A.

使えますが精度は落ちます。公式は「英語が主要な学習言語で、精度がもっとも高いのも英語」「日本語を含むCJKは扱えるが同等ではない」と明記し、非英語での利用は自社データでの事前テストと確信度の確認を求めています。

Q.精度はどれくらいですか？

A.

公開されている数値はTypeSafe社自身の計測です。第三者による独立した検証はまだ出ていないため、自社データでの確認が前提になります。

まとめ｜「判断だけ」を切り出すという発想

Jevは、AIの仕事のうち判断の部分だけを切り出して速く安くするという考え方のモデルです。

LLMに判断だけをさせている処理が社内にあるなら、置き換えで速度と費用の両方が改善する可能性があります。まずはその処理を洗い出すところから始めるとよいでしょう。

本記事は2026年9月18日時点の情報です。最新の仕様と料金はTypeSafe AIの公式発表でご確認ください。