---
title: みんなJevの話してる。やってないの俺だけ 〜判断だけをするAI、System Oneモデルをざっくり理解する〜
tags:  #jev #機械学習 #ai  
author: [星影](https://docswell.com/user/unsoluble_sugar)
site: [Docswell](https://www.docswell.com/)
thumbnail: https://bcdn.docswell.com/page/P7XQ2681EX.jpg?width=480
description: Zennで書いた記事のダイジェスト版です。  ▼みんなJevの話してる。やってないの俺だけ https://zenn.dev/unsoluble_sugar/articles/jev-system-one-model-intro
published: September 23, 26
canonical: https://docswell.com/s/unsoluble_sugar/KN786L-2026-09-23-jev-system-one-model-intro
---
# Page. 1

![Page Image](https://bcdn.docswell.com/page/P7XQ2681EX.jpg)

T E C H TA L K
みんなJevの話してる。
やってないの俺だけ
〜判断だけをするAI、System Oneモデルをざっくり理解する〜
2026/09/22
@unsoluble_sugar


# Page. 2

![Page Image](https://bcdn.docswell.com/page/37K9M1KM7D.jpg)

今日話すこと
1
Jevとはなんぞや
2
聞けるのは3種類の質問だけ
3
なぜここまで騒がれたか
4
できること・できないこと・注意点
前提: Jevは2026年9月15日に出たばかり。性能の数字は開発元の発表で、執筆時点では新
規登録が止まっています
2


# Page. 3

![Page Image](https://bcdn.docswell.com/page/LJ3WYQZ2J5.jpg)

CHAPTER 01
Jevとはなんぞや


# Page. 4

![Page Image](https://bcdn.docswell.com/page/8JDK59R6EG.jpg)

Jev＝「判断だけをするAI」
サンフランシスコの TypeSafe AI という会社が作った、新しい種類のAI
文章は一切書かない。決められた形の答えだけを返す
たとえば「この問い合わせは返金の依頼？」→「97%くらいの確からしさでYes」
答えを読むのは人間ではなくプログラム。アプリに組み込む部品だと思えばよい
創業者の言葉: 「フロンティア級の知能を持った関数呼び出し」。ざっくり言えば、すごく
賢い判断専用の部品
4


# Page. 5

![Page Image](https://bcdn.docswell.com/page/VEPKGZMZ78.jpg)

名前の由来
Jev
System One
ジェヴォンズのパラドックス
ファスト＆スロー
19世紀の経済学者ジェヴォンズにちな
心理学の有名な本から。じっくり考えるの
む。「安く効率的になると、かえって使う
が「システム2」、パッと直感で決めるの
量は増える」という現象。判断が安くなれ
が「システム1」。時間をかけて考える
ば、もっといろんな場所で使われるはず、
LLMに対し、Jevは即断即決の側だという
という期待を込めた
意味
5


# Page. 6

![Page Image](https://bcdn.docswell.com/page/27VV6W9M7Q.jpg)

公開までの経緯
時期
出来事
〜2024
創業者がOpenAIで約4年、ChatGPTやGPT-4の開発に関わる
2024
OpenAIを辞め、仲間2人と TypeSafe AI を立ち上げる
〜2026
表に出さず開発。学習させたのは人工的に作ったデータだけ
9/15
招待制で公開。4,000万ドルの資金調達とDoomのデモも同時発表
9/20
順番待ちを撤廃。新規登録者に5ドル分の無料枠を配布
9/22
想定を超える人気で、新規登録を一時停止（利用中の人は継続）
6


# Page. 7

![Page Image](https://bcdn.docswell.com/page/5JGLNDZX7L.jpg)

“
ボトルの中の稲妻を手に入れたのに
役に立っていない。
コンピュータは別の言葉を話すからだ
— 創業者 Almeida氏。人と話すAIではなく「機械のためのAI」に向かった理由
7


# Page. 8

![Page Image](https://bcdn.docswell.com/page/47QYQ1L5EP.jpg)

CHAPTER 02
聞けるのは
3種類の質問だけ


# Page. 9

![Page Image](https://bcdn.docswell.com/page/KE4WNRDVJ1.jpg)

聞き方は3パターンしかない
種類
はい / いいえ
（noul）
どれか選ぶ
（choice）
段階で評価
（score）
どんなときに使うか
返ってくる答え
「これは返金の依頼？」
0〜1の数字（例: 0.97 ＝ ほぼYes）
「問い合わせの種類は？」
選ばれた1つと、候補ごとの確からしさ
「怒っている度合いは？」
段階のどのあたりか（2〜10段階）
ポイント: 自由に文章を書く余地はゼロ。こちらが用意した選択肢の中からしか答えられな
い
9


# Page. 10

![Page Image](https://bcdn.docswell.com/page/L71Y5QZ4JG.jpg)

聞き方（送るデータ）
{
"model": "jev-latest",
"state": {
先週買った商品を返品して返金してほしい"
state は判断の材料。ふつうの文章のま
ま入れてよい
"message": "
},
questions は聞きたいこと。いくつ並べ
"questions": {
"is_refund_request": {
"type": "noul",
返金を求めているか判定する"
てもよい
"instructions": "
}
}
}
選択式で聞くときは、選択肢もここで一
緒に渡す
10


# Page. 11

![Page Image](https://bcdn.docswell.com/page/G7WG5M9ZE2.jpg)

返り方（戻ってくるデータ）
0.97 は「97%くらいの確からしさで
{
"model": "jev-1.13.0",
"answers": {
Yes」という意味
"is_refund_request": {
"type": "noul",
選択式なら、選ばれた答えと候補ごとの
"noul": 0.97
確からしさがそろって返る
}
},
"usage": {
"input_tokens": 52,
"output_tokens": 20
}
}
プログラムはこの数字を見て、次にどう
するかを決める
入力と出力の文字数も記録される
11


# Page. 12

![Page Image](https://bcdn.docswell.com/page/4JZLNQ9LE3.jpg)

CHAPTER 03
なぜここまで
騒がれたか


# Page. 13

![Page Image](https://bcdn.docswell.com/page/YE6W86KMEV.jpg)

1
とにかく速くて安い
0.1 秒前後
$0.042 /100万字
$0
答えが返ってくるまで
入力（渡す文章）の料金
出力（返る答え）は無料
LLMと比べて 40〜200倍速く、入力の単価も数倍〜200倍以上安い
ただし比べているのは仕分けや採点の場面。文章を書く速さの話ではない
出力が数字ひとつぶんしかないから、無料にできる
13


# Page. 14

![Page Image](https://bcdn.docswell.com/page/GE5M96PQE4.jpg)

2
「もっともらしい嘘」をつかない
Jevは、こちらが用意した選択肢の外にある答えを返せない
「A・B・Cのどれ？」と聞けば、Dも、余計な文章も返ってこない
開発元はこれを「ハルシネーション0%」と表現している
注意: 保証されるのは答えの「形」だけ。中身が合っているかどうかは別の話
14


# Page. 15

![Page Image](https://bcdn.docswell.com/page/97292M6WJR.jpg)

3
Doomをプレイするデモ
Step1
Step2
Step3
ゲームの状況を文字と数字に
→ Jevに「進む・撃つ、どれ？」 →
返答をキー操作に変え、これ
書き出す
と聞く
を高速で繰り返す
開発元のデモでは、1回の判断に Jev 0.114秒、GPT-5.6 Terra 8.566秒
Jevは画面を見ていない。画像は扱えず、文字にした情報だけを読んでいる
速さが命の場面は、これまでLLMでは遅すぎて手が出せなかった
15


# Page. 16

![Page Image](https://bcdn.docswell.com/page/DJY4YX997M.jpg)

4
使ってみた企業の報告が早かった
Vercel: 危険なコマンドかどうかの判定を交代。5〜18倍速くなり精度も上がった
Bryo AI: メールの仕分けでGeminiと比較。精度はほぼ同じで10〜20倍安い
LangChain: 公開2日後に、危ない操作を止める仕組みの作り方を公開
大手サービスの対応が早かったことも、話題が広がった一因
16


# Page. 17

![Page Image](https://bcdn.docswell.com/page/V7NYP1LDE8.jpg)

CHAPTER 04
LLMとの違い


# Page. 18

![Page Image](https://bcdn.docswell.com/page/YJ9P354873.jpg)

「速くて安いLLM」ではなく別の道具
観点
LLM（ChatGPTなど）
Jev
返すもの
文章
決められた形の答えと確からしさ
答え方
文字を1つずつ順番に書く
全部の答えをまとめて一度に出す
得意なこと
書く・考える
決める・仕分ける
学習の狙い
人間が好む答えを出すこと
確からしさの数字が正確なこと
自信の数字
自己申告なので当てにならない
実際の正解率とほぼ一致する
読み手
人間
プログラム
18


# Page. 19

![Page Image](https://bcdn.docswell.com/page/GJ8DMYQZJD.jpg)

いちばんの強みは「確率が正直」なこと
ChatGPTに「自信は何%？」と聞いても、その数字はあてにならない
Jevは「0.85」と答えたら、実際に約85%の割合で当たるように訓練されている
だから「0.9以上なら自動で進める、それ未満は人が確認」と線を引ける
ただし自分たちのデータでも成り立つかは、確かめる必要がある
19


# Page. 20

![Page Image](https://bcdn.docswell.com/page/LJLM34X1ER.jpg)

Jevにできないこと
文章が書けない
→ 要約や翻訳はLLMの仕事
画像や音声が読めない
→ 今は文字のデータだけ
計算ができない
→ 数えるのも苦手。先に計算
して渡す
回りくどい文に弱い
→ 二重否定など、ひねった言
い方は苦手
好きな言葉を抜き出せない
→ 候補を並べれば選べる
余計な情報に弱い
→ 関係ない話は先に取り除く
20


# Page. 21

![Page Image](https://bcdn.docswell.com/page/47MYDKL57W.jpg)

LLMの置き換えではなく
その周りで起きる
「判断」だけを任せる道具
21


# Page. 22

![Page Image](https://bcdn.docswell.com/page/P7R94XKZE9.jpg)

CHAPTER 05
どんな場面で使うのか


# Page. 23

![Page Image](https://bcdn.docswell.com/page/PJXQ26L17X.jpg)

代表的な使いどころ
問い合わせの振り分け: 請求・不具
1
合・購入相談に仕分け。迷ったときだ
AIの安全装置: AIが危ない操作をしよ
2
け人に回す
3
大量データの仕分け: 10万件のレビュ
ーを1件ずつ判定するような作業
うとしていないか、その都度チェック
する
4
とっさの判断: ゲームや監視カメラな
ど、一瞬で判断する必要がある場面
役割分担: 文章を書くのはChatGPTなどのLLM、細かい判断はJev
23


# Page. 24

![Page Image](https://bcdn.docswell.com/page/3JK9M1LMJD.jpg)

コツは「まとめて聞く」
{
"state": { "ticket": "..." },
"questions": {
"is_urgent":
{ "type": "noul",
1つの材料について、聞きたいことを全
部まとめて渡す
"instructions": "..." },
"category":
{ "type": "choice",
"instructions": "...",
請求・支払い",
"technical": "技術的な不具合",
"sales": "購入前の相談" } },
"criteria": { "billing": "
"sentiment":
{ "type": "score",
"instructions": "...",
"criteria": ["negative", "neutral", "positive"] }
}
使うか分からない判断も、ついでに先に
聞いておく
答えは同時に作られるので、質問を増や
しても待ち時間はほぼ同じ
}
公式の実測では、13個をまとめて12.2倍
安く10倍速くなった
24


# Page. 25

![Page Image](https://bcdn.docswell.com/page/LE3WYQ32E5.jpg)

CHAPTER 06
今後と気になる点


# Page. 26

![Page Image](https://bcdn.docswell.com/page/8EDK59467G.jpg)

気になる点
性能の数字は開発元の自己申告
中身が公開されていない
→ 公式も「実際より良く出ている」と注記
→ 仕組みも論文も明かされていない
ハルシネーション0%…？
人気に供給が追いつかない
→ 答えの形の保証で、正しさの保証ではない
→ 新規登録は停止中。本番利用はまだ先
26


# Page. 27

![Page Image](https://bcdn.docswell.com/page/V7PKGZVZJ8.jpg)

開発元がこれからやること
取材に対し「画像や音声など、扱えるデータを増やす」と答えている
実現すれば、防犯カメラや音声アシスタントの判断部分にも入ってくる
「我々が売りたいのは知能そのもの」と、汎用AIの競争とは距離を置く姿勢
登録再開の案内は公式X。CloudflareやVercel経由でも利用できる
27


# Page. 28

![Page Image](https://bcdn.docswell.com/page/2JVV6WZMJQ.jpg)

実際に使う前に確かめること
自分たちのデータでも、ちゃんと当たるか
そもそも外部のサービスに送ってよい情報か
返ってくる確率が、実際の正解率と合っているか
何%以上なら自動で進めてよいか、線引きを決める
間違えたときに、途中で止められる作りになっているか
28


# Page. 29

![Page Image](https://bcdn.docswell.com/page/5EGLND4XJL.jpg)

まとめ
1
Jevは判断だけをするAI。決められた形の
答えを確からしさ付きで返す
3
強みは確率が正直なこと。「書くのは
LLM、決めるのはJev」の分担
2
聞けるのは3種類の質問だけ。0.1秒前後
で返り、出力の料金は無料
4
性能は自己申告・中身は非公開・登録停
止中。自分のデータで検証してから
29


# Page. 30

![Page Image](https://bcdn.docswell.com/page/4JQYQ1G57P.jpg)

参考
元記事: みんなJevの話してる。やってないの俺だけ
zenn.dev/unsoluble_sugar/articles/jev-system-one-model-intro
TypeSafe AI 公式ブログ（System Oneモデル / Jev 発表）
typesafe.ai/blog/introducing-system-one-models-and-jev
30


# Page. 31

![Page Image](https://bcdn.docswell.com/page/K74WNR5VE1.jpg)

ご清聴ありがとうございました
@unsoluble_sugar