TypeSafe AIは2026年9月15日、System One Modelを発表しました。
同時に、最初の公開モデル「Jev」も公式発表で紹介しています。
Jevは文章を返すチャット型LLMではなく、入力した状態に対して型付きの確率的な判定を返すモデルです。業務システムの分類、振り分け、スコアリングなどに組み込みやすい設計を目指しています。
※本記事は2026年9月22日時点の情報です。
AIシステム開発の種類・工程・費用・会社選定までの全体像については、無料ホワイトペーパー「AIシステム開発の完全ガイドブック」で詳しく解説しています。
Jevとは｜ソフトウェア向けに設計されたSystem One Model
System One Modelは、TypeSafe AIがソフトウェア内の判定を目的に提案するモデルの分類です。Jevは、その最初の公開モデルとしてearly accessで提供されています。
生成AIの従量課金も費用設計の参考になります。
公式説明では、入力はテキストなどの非構造データを含む状態で、出力は事前に定義した型付きの値です。回答には確率とconfidenceも付くため、周辺のコードが結果の扱いを決められます。
- 入力：業務の状態や文章を含むstate
- 出力：型付きの判定、選択、スコア
- 補助情報：確率やconfidence
チャットモデルの文章を後から解析する構成に比べ、判定の候補とデータ型をコード側で先に定める点が特徴です。自由な文章生成を手放すことで、機械が受け取る値を扱いやすくしています。
ポイント
Jevは、会話文を作るモデルではなく、ソフトウェアが利用する判定値を返すモデルです。
チャット型LLMとの違い｜文字列生成から判定値へ
チャット型LLMは、質問に対して文字列を生成します。人が読むには柔軟ですが、業務システムに渡す場合は、生成文の解析と検証を追加する必要があります。
Jevは、質問の候補や評価基準をリクエスト側で定義します。公式APIでは、yes/noに相当する「noul」、候補から選ぶ「choice」、段階評価を返す「score」という形式が用意されています。
| 観点 | チャット型LLM | Jev |
|---|---|---|
| 主な出力 | 生成された文字列 | 型付きの判定値 |
| 候補の扱い | 文章から後処理で抽出 | 質問で候補を定義 |
| 不確実性 | 別途設計が必要 | 確率・confidenceを返す |
この差は、モデルの優劣を一律に決めるものではありません。文章作成や自由回答にはチャット型が向き、候補が決まった判定を大量に処理する部分にはJevが向きます。
JSON形式で返すよう指示する一般的な構成と、Jevの型付き出力は同じものではありません。
Jevの公式説明では、可能な出力と構造を先に定義し、type errorを起こさない設計として説明されています。
ポイント
JSONを返す方法は出力形式の指定です。Jevは判定候補と型をモデルの利用単位として扱います。
Jevの用途｜分類・ルーティング・スコアリングをコードへ組み込む
TypeSafe AIは、Jevの用途として、分類、ルーティング、スコアリング、抽出、分岐を挙げています。いずれも、業務の状態を判定し、その結果で後続処理を変える仕事です。
- 問い合わせを担当チームへ振り分ける
- 申請内容に優先度を付ける
- レビュー対象と自動処理対象を分ける
実装では、Jevの結果だけで業務を完結させず、判定値を受け取るコードと監査ログを用意します。confidenceが低い場合に人へ戻すなど、判定後の流れまで設計して初めて自動化の効果を測れます。
TypeSafe AIはconfidenceとしきい値による自律実行・レビュー要求を紹介しています。しきい値は対象業務のデータで評価して決めます。
AI利用の統制とレビュー経路も先に定義します。
自社データで評価する必要があります。
ポイント
Jev導入の単位はモデル単体ではなく、判定、しきい値、レビュー、記録を含む業務フローです。
System One Modelの設計思想｜並列サンプリングとRLCD
TypeSafe AIは、System One Modelのために新しいモデルアーキテクチャとparallel samplerを開発したと説明しています。
学習方法にはReinforcement Learning for Calibrated Decisions（RLCD）を採用したとしています。
通常の生成モデルは、前のトークンを条件に次のトークンを順に生成します。Jevは、複数の出力を一つのクエリで並列に扱う設計として紹介されています。
公式説明では、文章の表現力より判定の速度と確率の扱いやすさを重視した設計です。新しいアーキテクチャ、parallel sampler、RLCDを組み合わせています。
ポイント
RLCDや並列サンプラーは、Jevを判定処理向けに位置付ける公式説明の一部です。
Jevに関するよくある質問
Jevは何を返しますか？
事前に定義した型付きの判定値を返します。質問形式に応じて、noul、choice、scoreなどの回答と確率・confidenceを受け取れます。
Jevはチャットや文章作成に使えますか？
Jevは文字列生成を手放し、構造化された判定に最適化されています。一般的なチャットや自由形式の文章作成は、用途に応じて別のモデルを検討します。
Jevは一般提供されていますか？
TypeSafe AIの発表時点ではearly accessで提供されています。
Jevの判定だけで自動処理してよいですか？
confidenceのしきい値、レビュー経路、監査ログを含む運用を設計してから判断します。業務別のしきい値や誤判定率は自社データで評価します。
まとめ
Jevは、TypeSafe AIが発表した最初のSystem One Modelです。文字列生成ではなく、型付きの判定と確率を返す点に軸があります。
業務へ組み込むときは、分類やルーティングなど対象を絞り、confidenceに応じたレビューとログを周辺コードで設計します。APIの具体的な形式や料金は、別記事で整理しています。
▼開発を相談する前に読みたい無料ホワイトペーパー
・AIシステム開発の完全ガイドブック
・【2026年最新版】AI駆動開発の完全ガイドブック
会社紹介
株式会社riplaでは、お客様の事業・ユーザー・業務に最適化したオーダーメイド型システムを、構想策定・要件定義から開発・改善まで一気通貫で支援。事業会社でIT・DXを経験したプロフェッショナルによる高い要件定義力・システム設計力を活かし、事業成果の最大化に伴走します。
また、当社独自の開発テンプレート「Boxシリーズ」による標準機能の高速開発と、AI駆動開発の独自フレームワーク「GoDD」による独自機能のAI実装を組み合わせることで、低コスト・短期間で開発を実現いたします。
もし、システム開発やプロダクト開発に関するご要望がございましたら、お気軽にお問い合わせください。
・サービス概要資料のURLはこちら >>>
・お問合せページのURLはこちら >>>
・お役立ち資料のURLはこちら >>>
株式会社ripla 代表取締役CEOとして、システムパッケージ活用、システム開発、データ分析、生成AI活用、SaaS開発、アプリ開発、EC構築など、幅広い領域で企業のDX推進と事業成長を支援している。事業会社でIT・DXを経験したプロフェッショナルが集う株式会社riplaにおいて、お客様の事業・ユーザー・業務に最適化したオーダーメイド型システムを構想策定・要件定義から開発・改善まで一気通貫で支援し、単なるシステム納品にとどまらず、クライアントと同じ目線で事業成果の最大化に向けた伴走支援を行う。早稲田大学卒業後、ラクスル株式会社、LINEヤフー株式会社にて事業開発やDX推進などに従事した後、株式会社riplaを創業。
関連記事4選
Jevの導入判断やAIシステムの運用を考えるときに役立つ記事です。