TypeSafe AIによって開発されたJevは、OpenRouterでリリースされました。GPTやClaudeのような大規模なテキスト生成モデルとは異なり、Jevは初の公開されたSystem Oneモデルとして定義されています。アプリケーションの状態や構造化された質問を入力し、確率的なタイプ論的決定を直接返します。目的は「答えを書く」のではなく、ソフトウェアが直接判断を実行することです。
JEVはテキストを生成せず、意思決定を行うだけです
従来のLLM出力は基本的にトークンの文字列です。JSONが要求されても、開発者は通常、プロンプト、解析、スキーマ検証、例外出力の処理をしなければなりません。Jevはフリーテキスト生成を放棄し、モデル出力をプログラム内のあらかじめ定義された型に限定しています。
TypeSafeはこれを「非構造化状態を入力、タイプ化した確率的決定を出力」とまとめています。各決定は確率と信頼度レベルも返し、開発者は閾値を設定できます:高い信頼度で自動実行、低信頼で手動処理。
システムワンは機械ネイティブAIをターゲットにしています
System Oneという名前は「System 1」(機敏な思考)という概念に由来します。TypeSafeは、チャットモデルは主に人間とAIのコミュニケーションに最適化されており、ソフトウェア自動化に必要なのは美しいテキストではなく、分類、ルーティング、スコアリング、抽出、分岐の意思決定であると判断しています。
したがって、JevはAI機能を備えた関数呼び出しに近いものです。TypeSafeが独自開発したRLCD(Reinforcement Learning for Calibrated Decisions)トレーニング手法を用い、確率をより正確に一致させることを目指しています。
スピードとコストが最大の売りです
OpenRouterは現在、Jev LatestとJev 1.13を提供し、32Kコンテキストをサポートし、入力価格は1百万トークンあたり$0.042で、出力は別々に請求されません。OpenRouterはこれを、ルーティングや分類などの内部ソフトウェア意思決定ノードに適した構造化された意思決定モデルとして位置づけています。
TypeSafeの内部ワークフローテストでは、JevはSystem Oneタイプのタスクで最大193.6倍の速度向上と444.6倍のコスト削減を実現できることが示されています。しかし、これらの数値はベンダー作成による評価に基づくものであり、チームは一部のワークフローやテスト手法にバイアスが存在する可能性があることを認めています。
JEVの真の面白さは、より安価なチャットモデルを作ることではなく、「AIモデルは言語を生成しなければならない」というデフォルトの前提に挑戦することにあります。もし典型的な意思決定モデルが安定して本番環境に投入できれば、AIアプリケーションの次の競争層はプロンプトエンジニアリングから、コード内の信頼性の高い意思決定要素を作るモデルへと移行する可能性があります。
