Jev
Jev は TypeSafe AI がリリースした「System One」判断モデル:テキストを生成せず、既知の選択肢に対して構造化された判断(選択肢、スコア、確率)を返し、コードで直接分岐できます。
Jevについて
Jev は TypeSafe AI がリリースした最上位モデルで、公式には「System One モデル」類の最初の製品とされています。token を一つずつ生成するのではなく、ある状態(state)に対して投げられた型付き質問の評価を行い、構造化された判断——選択された選択肢、スコア、あるいは確率——を返し、コードで直接分岐できます。つまり、行うのは「既知の選択肢から選ぶ」ただ一つのことだけです。高い並行性、低いレイテンシ、答えの空間が閉じた判定向けの用途、つまりチケットの振り分け、検索結果のスコアリング、ツールコールのゲート制御などに適しています。いかなる文章も生成しないため、要約を書くことも自由形式の質問に答えることもできません。この種のタスクには従来の LLM との併用が必要です。モデルはホスト型 API でのみ提供され、オープンウェイトもセルフホスティングも VPC デプロイの選択肢もありません。Python と JavaScript の SDK を用意し、TypeSafe の /v1/systemone リクエスト形式および OpenAI 互換エンドポイントに対応しています。
おすすめの利用者
最適な利用シーン
受信した各チケットを自動的にキューへ振り分け、緊急度を評価し、解約リスクをタグ付けする(公式 ruleset の例:support-ticket-triage)
取得された各パッセージをスコアリングし、下流の工程へ進めるかどうかを決める
すべてのツールコールをゲート判定する
高い並行性と低いレイテンシ(公式では 70–500ms エンドツーエンド)が必要な一括判定のワークロード
選ぶ前に比較
公式の比較ページによると、精度では LLM が優位——ベンダー自身の表:Jev 67.8%、GPT-5.6 Sol 74.1%、Opus 5 73.1%
公式の比較ページによると、レイテンシは 0.4 秒 対 10–38 秒(ベンダー報告、1 判定あたり)
公式の比較ページによると、1 判定あたりのコストは $0.0004 対 $0.03–$0.18(ベンダー報告)
機能
構造化された判断の出力
状態に対して型付きの質問をし、選択された選択肢、スコア、確率が返るため、コードで直接分岐できる。
低レイテンシの判定
公式ではエンドツーエンドのレイテンシを 70–500ms としており、すべてのツールコールや各データに対するリアルタイム判定に向いている。
バッチリクエスト
1 リクエストで最大 20 項目に対応し、失敗は項目ごとに個別に報告されるので、まとめての処理に影響しない。
Python / JavaScript SDK
Python と JavaScript の SDK を用意し、リクエスト形式は TypeSafe の /v1/systemone と同一、加えて OpenAI 互換のエンドポイントも提供する。
64k コンテキスト
コンテキストウィンドウは 64k token、1 リクエストあたりの上限も 64k token(状態 + 最長の質問で合計 32k)。
長所
- 公式では 1 判定あたり約 $0.0004 で、従来の LLM より約 75 倍安く、約 25 倍速いと主張(ベンダー報告の数値)。公式の料金ページでの実測では、1 回の Choice 呼び出しはわずか $0.0000144 で、典型的な状態が数百 token にすぎないため、その数値の約 20 倍低い
- 出力は無料であり、コストは入力 token(状態 + 質問)の増減のみで、複数の質問を 1 回の呼び出しにまとめて状態を共有できる
- 登録すれば API key が即座に発行され、ウェイトリストもカードの登録も不要
- 購入した credit は永久に有効で、失敗したリクエストは課金されない
- どのプランにも毎分の上限はなく、利用量は credit 単位でカウントされる
短所
- 公式の比較ページによると、元の判定の精度は主要 LLM を下回る(ベンダー表:Jev 67.8%、GPT-5.6 Sol 74.1%、Opus 5 73.1%)
- 完全なクローズドソース:ホスト型 API のみで、オープンウェイトもセルフホスティングも VPC の選択肢もない
- レート制限(毎秒 10 万 token、毎秒 80 リクエスト)は公式が調整中と述べており、通知なしに変更される可能性がある
- リリース時点ではテキスト入力のみで、画像や音声には対応していない