Jevとは？文章を書かないAIの使い方・料金・できることを解説【2026年9月】
Jevは、TypeSafe AIが開発した「文章を書く代わりに、判断を返すAIモデル」です。問い合わせの振り分けや資料の分類、検索結果の評価など、ソフトウェアの中にある小さな判断を担当します。ブラウザ操作で次に押すボタンを決めるような処理にも使われます。
たとえば、届いたメールを読んで「請求の相談」「急ぎの対応が必要」と判定します。返信の文章を書くのは、別のAIや人に任せます。この役割分担を理解することが、Jevを知る一番の近道です。
ただし、「高速」「低価格」「ハルシネーションゼロ」という見出しだけで選ぶと、得意な仕事を見誤ります。この記事では、できることや料金、試し方、話題の実演、そして使う前に知っておくべき限界まで順を追って解説します。
最初に押さえるポイントは3つです。
- Jevはチャットの返事ではなく、あらかじめ定義した選択肢・評価値・確率を返します。
- 公式直販の入力料金は100万トークンあたり0.042米ドルです。出力は無料ですが、利用全体が無料という意味ではありません。
- 形式が正しいことと、判断の中身が正しいことは別です。人による確認や通常のプログラムと組み合わせて使います。
※確認日：2026年9月19日。公式ドキュメントのJev 1.13を中心に記載しています。性能数値は出典のある公表値であり、トレジャーフットAIによるAPI実測値ではありません。料金・機能・提供状況は変更される場合があります。
- Jevとは何か？「返事の作成」ではなく「次の処理」を決めるAI
- Jevにできる3つのこと｜「選ぶ・評価する・確かめる」で整理する
- 普通のLLMと何が違う？生成AIとの役割分担で考える
- Jevは何に使える？強みが生きる4つの活用シーン
- ブラウザ操作やゲームにも使える？デモで見る「次の一手」の選び方
- 「193.6倍高速」「ハルシネーションゼロ」はどこまで本当？
- Jevの料金体系｜入力100万トークンあたり0.042ドルの仕組み
- Jevはどう試す？Playgroundで最初の判断を動かす手順
- 日本語対応や安全性はどうなのか？使う前に知っておきたい注意点
- Jevに関するよくある質問
- まとめ｜Jevは「AIが何を言うか」より「ソフトウェアが何をするか」を変える
Jevとは何か？「返事の作成」ではなく「次の処理」を決めるAI
Jevは、人向けの自由な文章を作るのではなく、次にどの処理へ進むべきかという判断結果を返すAIです。開発元のTypeSafe AIが「System One Model」と呼ぶモデル群の最初の公開モデルで、2026年9月15日に公開が告知されました。プログラムがそのまま扱える判断を返す設計になっています。公式Introduction
名前にある「System One」は、速く直感的な思考と、時間をかけた熟考を区別する考え方に由来します。ただし、これは人間の脳を再現した証明ではありません。あらゆる問題を瞬時に解けるという意味でもありません。TypeSafe AIが、短く明確な判断に重点を置くモデルを説明するために使っている名称です。公式System One解説
公開時の公式X投稿はこちらです。記事の解説とあわせて、発表元の説明も確認できます。
入力するのは「状況」、返ってくるのは「決められた型の答え」
Jevに入力するのは、判断材料となるstateと、何を判定するかを定めたquestionsです。stateには通常の文章だけでなく、問い合わせ内容や商品情報を整理したJSONなども利用できます。
たとえば「商品が届かず、明日までに必要です」という問い合わせがあるとします。この文章に対して、「配送・請求・商品説明・その他のどれか」「期限の迫った依頼か」を質問します。返ってくる判断をもとに、アプリ側が担当部署へ回す、優先表示する、人に確認を頼む、といった処理を実行します。
ここでJevが担当するのは判断だけです。メールの転送やデータベースの更新、画面のクリックなどは、連携するプログラム側の仕事です。公式APIリファレンス
Jevにできる3つのこと｜「選ぶ・評価する・確かめる」で整理する
Jevの質問形式は、Choice、Score、Noulの3種類です。専門用語を覚える前に、任せたい仕事の形に置き換えて考えると理解しやすくなります。
| 質問形式 | 何を任せるか | わかりやすい例 | 主な戻り値 |
|---|---|---|---|
| Choice | 用意した候補から1つ選ぶ | 問い合わせの担当部署を選ぶ | 選択結果、各候補の確率、confidence |
| Score | 説明付きの段階に沿って評価する | 不具合の深刻さを評価する | 評価値、各段階の確率、confidence |
| Noul | はい・いいえで問える内容を判定する | 返金を求めているか確かめる | 「はい」の確率を表す0〜1の値 |
Choiceは候補の分類、Scoreは順序のある評価、Noulは条件への該当判定です。Scoreは単純な整数の採点とは限らず、段階の間の数値を返すこともあります。
評価基準は「低・中・高」とだけ書くよりも、具体的に書くと結果を確認しやすくなります。たとえば「通常業務は可能」「回避策が必要」「業務を続けられない」のように説明を添えます。Choice／Score／Noul
「確率」と「confidence」は同じ数字ではない
ChoiceとScoreが返すconfidenceは、算出された確率分布から計算される指標です。別の検証AIが正解を保証した数値ではありません。「confidenceが0.9だから、その1件は90％の確率で正しい」と機械的に読み替えるものでもありません。
また、Noulには独立したconfidenceの項目がありません。返ってくるのは「はい」の確率です。0に近い数値を「自信がない」と誤読しないようにしてください。それは、モデルが「いいえ」側に確率を置いている状態を示しています。公式Confidence解説
普通のLLMと何が違う？生成AIとの役割分担で考える
Jevを理解するときは、生成型LLMの代わりではなく、判断を受け持つ役割として考えるとわかりやすくなります。
生成型LLMは、説明文やコード、アイデア出しなど、答えの形が決まっていない仕事で力を発揮します。一方のJevは、答えの候補や評価基準をあらかじめ用意できる仕事に向いています。
「クレームへの丁寧な返信を書いて」という依頼は、文章を作る生成型LLMの仕事です。「この問い合わせをどこへ回すか」という判断は、Jevに任せられます。売上の合計を求めるだけなら、AIではなく通常の計算処理が適しています。
| 任せたい仕事 | 向いている担当 | 選び方の理由 |
|---|---|---|
| 自由な返信・説明・コードを書く | 生成型LLM | 答えの文章を作る必要がある |
| 意味を読んで分類・評価・振り分けする | Jev | 返す判断の形式を先に決められる |
| 合計・件数・日付の大小を正確に求める | 通常のプログラム | 明示的なルールで計算できる |
一般的なLLMにも構造化データを出力する仕組みはあります。「LLMはJSONを返せないからJevが必要」という説明は正確ではありません。Jevの特徴は、自由文を作る汎用モデルを判断に流用するのではなく、判断そのものに重点を置いて設計・学習している点にあります。
TypeSafe AIは、その学習方法をRLCD（Reinforcement Learning for Calibrated Decisions）と呼んでいます。ただし、校正された確率は、複数の予測を集めて評価する性質のものです。1件ずつの正解を保証するわけではありません。公式Models／公式System One解説
Jevは何に使える？強みが生きる4つの活用シーン
Jevは、文章を読んで分類したり、優先順位をつけたりする小さな判断で役立ちます。公式資料などで示されている4つの代表的な活用シーンを紹介します。
1．メールや問い合わせを、読む前に整理する
問い合わせを「配送」「請求」「製品の使い方」などに分類し、急ぎのものを別に拾い出します。ポイントは、対応全体をAIに丸投げしないことです。「担当部署」「期限への言及」「人との対話を求めているか」を別々に判断させ、その組み合わせで処理を決めます。
たとえば、部署は明確でも感情的な苦情を含むものは、人に回す設計が考えられます。これは導入例の提案であり、分類精度や対応時間の改善を保証するものではありません。公式Intent routing
2．検索で見つけた資料を「読む価値がある順」に並べる
検索エンジンが集めた資料の候補について、「質問に答える情報があるか」「話題が合っているか」を評価します。Jevが自らインターネットを巡回するのではなく、別の検索処理で集めた候補を判断させる使い方です。
公式資料には、検索候補の並び替えや、取得した文章を仕分ける例が公開されています。文章をすべて長いプロンプトに入れる前に、必要な資料を絞り込む場面で検討できます。公式ユースケース集
3．AIが書いた回答の「根拠とのずれ」を点検する
AIの回答に引用が付いていても、引用元が本当にその主張を裏付けているとは限りません。公式の引用確認例では、引用文が原文にあるかをコードで照合します。そのうえで、前後の文脈が主張を支えているかをJevで判定します。
「正確に一致するか」はコードで確かめ、「引用元が主張を裏付けるか」はJevで確認するという分担です。判定を挟めば無条件で正しくなるわけではないため、重要な主張は人の目で原典を確認します。公式Citation check
4．文章から取り出した候補のうち、必要な値を選ぶ
本文の中に複数のメールアドレスや金額があるとき、正規表現などのコードで候補を取り出します。その中から、どれが請求先や対象金額なのかをJevで選びます。選ばれた候補をもとに元の表記を取得するのは、プログラム側の処理です。
Jevが未知の文字列を自由に書き出すわけではありません。この仕組みを理解すると、文章を書かないモデルでも情報抽出に利用できる理由がわかります。公式Pre-parsed value extraction
ブラウザ操作やゲームにも使える？デモで見る「次の一手」の選び方
ブラウザ操作やゲームのデモを見ると、Jevが「次の一手」を選ぶ様子がわかります。実際の操作は、Jevと連携するプログラムが担当します。
ブラウザ操作：Jevが選び、別の仕組みがクリックする
Browser Useの公開プロジェクト「jev-ultrafast」は、Jevの役割を具体的に知る好例です。画面上にあるボタンや入力欄を一覧化し、Jevが操作の種類と対象を選びます。実際のクリックや入力は、ブラウザを動かすプログラムが実行します。自由な文字入力が必要な場面には、小さな生成型LLMを組み合わせています。
たとえば航空券の検索なら、出発地の欄を選ぶ、条件を変える、検索結果の表示を確かめる、といった判断を繰り返します。公開されている例は検索結果が表示されるところまでで、航空券を購入した実演ではありません。
開発者は約7秒の検索例を公開していますが、これは特定のタスクと環境での記録です。すべてのWebサイトを同じ時間で操作できる証明ではありません。
ここで誤解しやすいのが画像入力です。現在のJev 1.13はテキスト入力のみに対応しており、スクリーンショットを直接理解するモデルではありません。このブラウザ実装でも、基本的な判断ループでは画面画像ではなく、ページの構造から取り出したテキスト情報を渡しています。
また、正しい形式でボタンを選べたとしても、それが本当に目的に合ったボタンとは限りません。購入や送信、削除といった重要な処理には人の確認を挟み、完了の自己申告とは別に結果を検証する設計が必要です。
Doom：画面を見ているのではなく、ゲームの状態を読んでいる
TypeSafe AIの創業者Diogo Almeidaは、Jevを使ったDoomの実演も公開しています。発表で説明されている入力はゲーム画面の画像ではなく、テキストを含む構造化されたゲーム状態です。公式発表
この実演のポイントは、「次に何をするか」という短い判断を繰り返すことで、動きのある処理へ組み込める点です。ゲームのデモがあるからといって、Jev単体が画面を見たりキーを押したりできるわけではありません。
「193.6倍高速」「ハルシネーションゼロ」はどこまで本当？
公式サイトでは、193.6倍の高速化と444.6倍の低コスト化を掲げています。ただし、これは同社が公開したSystem One型のワークフロー評価に基づく数値です。文章の執筆や複雑な推論を含む、すべてのAI用途にあてはまる倍率ではありません。
公式発表でも、これらの倍率は実際の改善幅のうち高い側に当たる見込みであることや、評価に開発チーム由来の偏りがあり得ることを説明しています。参照回答も外部モデルの予測を利用しており、あらゆる問題に対する絶対的な正解率を測ったものではありません。公表されている70〜500ミリ秒という応答時間にも通信環境の条件があり、日本からの利用速度を保証する値ではありません。公式発表の評価条件／公開ワークフロー評価
「ハルシネーションゼロ」という言葉も、判断ミスがゼロという意味ではありません。 用意していない選択肢を選ばないことや、型の崩れを防ぐことと、正しい答えを選ぶことは別の問題です。
たとえば、選択肢が「配送・請求・その他」なら、そこにない部署名を勝手に作り出すことはありません。しかし、配送の問い合わせを請求と取り違えて選ぶ可能性は残ります。公式資料でもJev 1.13の既知の弱点が公開されています。実用性を評価するときは、「形式が崩れた件数」と「判断を間違えた件数」を明確に分けて測定することが大切です。公式Jev 1.13の既知の弱点
Jevの料金体系｜入力100万トークンあたり0.042ドルの仕組み
2026年9月19日時点のTypeSafe AI公式直販価格は、入力100万トークンあたり0.042米ドルで、出力トークンは無料です。入力トークンとは、AIが文章や質問を読み込むための単位であり、100万文字と同じではありません。公式Models
| 合計入力トークン数 | 入力料金の単純計算 |
|---|---|
| 100万 | 0.042米ドル |
| 1,000万 | 0.42米ドル |
| 1億 | 4.20米ドル |
上の表は、公表単価から計算した料金の目安です。税や外部サービスの利用料は含めず、円への換算もしていません。実際の請求条件は利用時に確認してください。たとえば、1件あたりの課金対象入力が合計1,000トークンなら、10万件で1億トークンとなり、入力料金は4.20米ドルになります。
安く使うコツは、同じ資料への質問をまとめること
同じ資料について担当部署や緊急性などを知りたい場合、1つのリクエストに複数の質問をまとめられます。公式ドキュメントでは、複数の質問を並列かつ独立に評価すると説明されています。ただし、質問を追加すればその分の入力トークンも増えるため、「質問をいくら増やしても完全無料」ではありません。
また、Jev自体の利用料が安くても、前処理の文字起こしやOCR、文章生成を行う別のAI、サーバー費用などは別にかかります。「Jevの呼び出しが安いこと」と「システム全体の運用が無料になること」は分けて考える必要があります。
Jevはどう試す？Playgroundで最初の判断を動かす手順
利用権限があれば、ブラウザ上の公式Playgroundで試せます。プログラムを書かなくても、文章と質問を入力して判断の様子を確認できます。
1．公式サイトから利用環境を確認する
公式サイトには早期アクセスの待機リストが案内されています。実際に利用できるかどうかは自身のアカウントで確認してください。なお、OpenRouterとCloudflareにもJevの提供ページがあります。直販と外部サービス経由では、認証方法やモデル名、上限値、課金条件が異なります。利用する経路の公式資料を確認するようにしましょう。OpenRouterのJev 1.13／CloudflareのJev
2．匿名化した短い文章をstateに入れる
最初は実在する顧客データを使わず、短い架空の文章で試します。たとえば「ログインできず、パスワード再設定メールも届かない」といった内容で十分です。
次に、AIに尋ねたいことを1つに絞ります。「この人に最適な対応をすべて考えて」と頼むのではなく、「担当部署はどれか」と具体的に質問するほうが正誤を確認しやすくなります。
3．質問と選択肢を用意する
4．曖昧な例も試し、保留する条件を決める
はっきりした文章で正しく判定できたら、次は判断に迷う文章を試します。たとえば「請求の相談とログインの問題が混ざった文章」や「情報が不足している文章」などです。実際の業務では、こうした境界線にある判断こそが重要になります。
自動で次の処理へ進める条件だけでなく、判断が難しい例を人の確認に回す条件や、失敗したときの戻し先、利用上限額なども決めておきます。API呼び出しが正常に終わることと、業務として成功することは別々に確認が必要です。
日本語対応や安全性はどうなのか？使う前に知っておきたい注意点
Jevは日本語の入力にも対応していますが、英語と同じ精度が出るとは限りません。また、計算や推論、データの保持期間などにも注意が必要です。
日本語も扱えるが、英語と同じ精度だと思い込まない
公式のModelsページでは、日本語を含むCJK系の文字も扱えると記載されています。ただし、主な学習言語は英語であり、現時点では英語での精度が最も高いと説明されています。日本語の略語や業界用語、遠回しな言い回しなどは、実際の業務データを使って個別に検証する必要があります。
質問文を少し変えただけで結果が変わらないか、判断に迷う入力を適切に人の確認へ回せるかまで確かめてください。「日本語を入力できること」と「日本語の実務で十分な性能が出ること」は同じではありません。公式Models
計算や複雑な推論は、得意な担当に戻す
Jev 1.13の公式資料では、数を正確に数えること、計算、日付の比較、多段階の推論、不要な情報が多い入力などが苦手な点として挙げられています。金額の計算や締切日の判定などは、AIではなく通常のプログラムに任せるのが安全です。また、多段階の複雑な推論が必要な場合は、別の手段の活用を検討します。
さらに、悪意ある指示を混ぜたプロンプトインジェクションの影響を受ける可能性も説明されています。Jevを安全確認に利用する場合でも、Jev自身が攻撃に影響されないとは考えず、操作権限の制限や事前のチェック処理を別途用意してください。公式Jev 1.13の既知の弱点
「学習に使わない」と「保存しない」は別に確認する
TypeSafe AIは、顧客のリクエストや応答データをJevの学習には使わないと説明しています。一方、ゼロデータ保持（ZDR）はエンタープライズ向けの案内です。すべての利用者のデータが自動的に保存ゼロになると解釈できるわけではありません。
社内の機密情報を扱う場合は、データの保存期間やアクセス権限、契約条件を事前に確認し、必要な情報だけを渡すようにします。OpenRouterなどの外部サービスを経由して利用する場合は、そのサービス側でのデータ取り扱い方針も確認の対象になります。公式Legal
Jevに関するよくある質問
Jevは無料ですか？
出力トークンは無料ですが、公式直販では入力トークンに応じた従量課金が発生します。無料枠や試用特典の有無については、利用時に公式コンソールで確認してください。無料で使える一般的なチャットサービスとは異なります。
プログラミングができなくても試せますか？
利用権限があれば、ブラウザの公式Playgroundから文章と質問を入力して試せます。ただし、判定結果をもとにメールを転送したり、業務システムを更新したりするには、別途プログラムによる連携の実装が必要です。
画像・音声・動画をそのまま渡せますか？
Jev 1.13が受け取れるのはテキストのみです。画像や音声の情報を扱う場合は、別の仕組みを使ってあらかじめ文字や構造化データに変換してから渡す必要があります。前処理で文字変換を間違えると、最終的な判断にも影響します。
一度に何でも大量に質問できますか？
無制限には質問できません。公式直販のJev 1.13には、1リクエスト全体で64kトークン、stateと最も長い1問の合計で32kトークンという制限があります。Choiceの選択肢は最大255個、Scoreの評価段階は最大10段階です。提供元によって上限の表示が異なる場合もあるため、直接のAPIと外部経由の条件を混同しないようにしてください。Models／Choice／Score
Jevはオープンソースですか？ローカルで動きますか？
公式SDKや周辺の公開プロジェクトと、モデル本体の公開は別です。今回確認した公式資料での利用経路はホストされたAPIであり、モデルの重みをダウンロードしてローカル環境で実行する案内は確認できませんでした。
jev-latestとjev-1.13.0は何が違いますか？
jev-latestは、最新の安定版モデルを自動的に指し示す別名です。本記事の確認時点ではjev-1.13.0を指していますが、将来的に更新されます。同じモデルでテスト結果を正確に比較したい場合は、バージョン番号を固定して指定し、更新時に改めて検証を行います。公式Models
まとめ｜Jevは「AIが何を言うか」より「ソフトウェアが何をするか」を変える
Jevの価値は、文章を作れないこと自体にあるのではありません。これまで人が文章を読んで判断していた部分を、選択肢・評価値・確率としてソフトウェアに直接渡せる点にあります。
まずは、問い合わせの振り分けや検索候補の絞り込みなど、正誤を確かめやすい小さな判断から試すのがおすすめです。判断を受け取った後に何を実行するかは通常のプログラムで制御し、危険な操作や迷ったケースには人の確認を残します。この手順で進めれば、派手なデモの印象に惑わされず、自分の用途に合うかを判断できます。
生成AIの研修や業務への導入支援についてご検討中の方は、トレジャーフットAIまでお気軽にご相談ください。
本記事の確認範囲
この記事は、TypeSafe AIの公式サイトや公式ドキュメント、指定された公式X投稿、公開デモの開発元資料を照合して作成しました。提供元による性能の主張、開発者による実演結果、本記事内の計算例や活用提案は明確に区別して記載しています。掲載している図解は公式画面のスクリーンショットではなく、仕組みをわかりやすく説明するためにトレジャーフットAIが独自に制作したものです。
