この記事のポイント
- Jevはソフトが扱いやすい型付きの判断値を返すモデルとしてTypeSafe AIが発表しました。
- 型どおりの出力でも判断の正しさは別に検証する必要があります。
- 10月公開のJev 1.14では画像・範囲指定など実験機能が追加され、同社も本番利用に注意を促しています。
TypeSafe AIの公式ブログから、会話文を作らず判断を返すモデルを紹介します。出力形式、測定条件、想定する用途を整理します。
答えの形が決まった値だけを返す「System Oneモデル」
TypeSafe AIは公式ブログ(2026年9月15日付)で、新しいモデルクラス「System Oneモデル」と第一弾「Jev」を早期アクセスで公開しました。
一般的なLLMが文章のような「答えの形が決まっていないデータ」を出力するのに対し、System Oneモデルは、あらかじめ決められた型(数値・分類ラベル・Yes/Noなど)にきっちり収まる値だけを返します。公式ブログいわく「型安全な構造化値」で、型エラーを起こさない設計だそうです。ただし型が合っていることと判断内容が正しいことは別問題で、同社も信頼度に応じて自動処理と人の確認を分ける設計を示しています。
応答は数百ミリ秒、出力トークンは無料
同社の発表では、応答時間は70〜500ミリ秒(一般的なLLMは数秒〜数分)、価格は入力100万トークンあたり0.042ドルで出力は無料。いずれも同社公表の値で、測定は主に米西海岸の端末から行われています。
想定されている主な使いどころ
- ワークフローの分岐判断(分類・ルーティング・スコアリング・抽出)
- 大量データを一括処理する用途(ペタバイト規模のデータから特徴やインサイトを抽出)
- UXが重要なリアルタイムアプリケーション(100ミリ秒級のレイテンシが求められる場面)
- LLMの出力やプロンプト、推論の妥当性を検証するガードレール用途
まとめ:出力形式・速度・判断品質を分けて検証
分類や分岐を実装する開発チームには、答えの形式と判断の正しさを分ける視点が参考になります。誤判定の扱いを決め、実際に近いデータで速度・品質・費用を比較するとよいでしょう。早期アクセスの条件も含め、会話モデルから切り出す価値があるかが判断点です。
※ 2026年9月時点の情報です。早期アクセス段階のため、仕様や提供条件は変更される可能性があります。
