Jevとは？文章を生成せず、選択や評価を返すAIモデル

「何と答えるか」より「どれを選ぶか」

AIを使う場面には、文章を書いてほしいときもあれば、決まった候補から一つ選んでほしいときもあります。後者では、流ちょうな説明より、プログラムが扱える判断結果が欲しくなります。

TypeSafe AIは2026年9月15日、同社が「System One Models」と呼ぶモデル群の最初の公開モデルとして、Jevの早期アクセスを発表しました。公式の発表記事では、自由な文字列の生成を行わず、ソフトウェアが直接使える構造化された判断に特化する方針を説明しています。

たとえば、届いた問い合わせを「操作方法」「契約内容」「不具合」のどこへ回すかを選ぶ処理です。これは仕組みを説明するための仮例で、Jevを使った実測結果ではありません。返信文を書く仕事とは分けて考えると、担当する範囲が分かりやすくなります。

渡すのは、判断材料と型を決めた質問

Jevには、判断の対象となる情報を表すstateと、その情報に対する質問を渡します。TypeSafeの公式ドキュメントは、質問を三つの種類に分けています。

confidenceは判断の確かさを扱うための値です。Noulには、ChoiceやScoreと同じconfidence項目が付くわけではありません。

同じstateに複数の質問をまとめて渡せますが、公式資料では各質問を独立に評価すると説明されています。「問い合わせの種類」と「不足している情報の有無」を別々に尋ね、その結果を組み合わせて次の処理を決める、といった設計が考えられます。

型が決まっていても、判断が正しいとは限らない

選択肢が定義されていれば、プログラムが予期しない名称を受け取る問題は扱いやすくなります。ただし、選べる候補の中から誤ったものを選ぶ可能性は、出力の型とは別の話です。

仮に、契約の質問と不具合の報告が一通に混ざっているとします。分類を一つに限定する設計そのものが、その問い合わせに合っていないかもしれません。「その他」や「要確認」を含める、質問を分けるなど、受け取る側にも判断の設計が残ります。

confidenceの公式解説によると、この値はChoiceやScoreの確率分布から計算されます。値が0.9だから、その一件が90％の確率で正しいと読み替えるものではありません。どこから自動処理に進めるかは、自分たちのデータと、誤った場合の影響を踏まえて確かめる必要があります。

また、「契約に関する問い合わせ」という分類は、契約変更を実行してよいという許可ではありません。本人確認や操作権限、業務上の条件は、分類結果とは別に確認する仕組みが必要です。

利用経路と性能の数字は、条件と一緒に読む

TypeSafeの発表は早期アクセスとしての提供です。一方、Vercelは2026年9月16日にAI GatewayでのJev対応を発表しました。同案内では、AI SDKの実験的なevaluate APIによる利用が紹介されています。TypeSafe直接のAPIと、他社のGateway経由では、使うAPIや質問型の名称をそれぞれの資料で確かめる必要があります。

TypeSafeは速度と費用の比較結果も公開していますが、同社の評価条件での結果です。発表記事には、計測場所や比較方法に関する説明もあります。この記事ではJevを実行していないため、日本からの応答時間や、個別業務での正答率・費用削減は判断していません。

試すなら、まず「どの判断を任せたいか」を一つに絞ると比較しやすくなります。迷う入力や情報不足の入力も用意し、正しい分類だけでなく、確認へ回すべきケースを拾えるかを見るのが出発点です。

まとめ

Jevは、文章生成とは異なる役割を持つ、選択や評価のためのモデルです。出力形式と確率をプログラムで扱える一方、質問の切り分けや、結果をどこまで行動につなげるかは設計する側に残ります。

形式と内容の正しさを分ける考え方は、AIの構造化出力の基本でも解説しています。