Jev（ジェブ）
米TypeSafe AI社が開発した、文章を生成するのではなく、分類や条件判定などの判断結果を型付きのデータと確率で超高速・低コストに出力する判断特化型のAIモデルです。直感的な高速処理を担うシステム1モデルとして注目されています。
Jev（ジェブ）とは、米TypeSafe AI社が開発した、文章の生成を行わずに「分類」「条件判定」「スコアリング」といった判断結果を型付きのデータと確率で出力する判断特化型のAIモデルです。
心理学者ダニエル・カーネマンが提唱した直感的で高速な思考様式にちなみ、「システム1モデル（System One Model）」と呼ばれています。モデル名は、効率改善に伴って資源消費が拡大する現象を論じた経済学者ウィリアム・スタンレー・ジェヴォンズに由来します。
従来の対話型AIや大規模言語モデル（LLM）は、単語やトークンを先頭から一つずつ予測・生成する仕組みのため、長文の回答や論理展開の出力には向いているものの、単純な条件分岐であっても一定の処理時間と計算資源を消費していました。これに対してJevは文章の自由生成を行わず、あらかじめ定義された質問に対して選択肢や真偽値、数値などの確定したデータ形式で判定結果を直接返します。
Jevのもう一つの大きな特徴は、確率較正に特化した強化学習手法であるRLCD（Reinforcement Learning for Calibrated Decisions）を採用している点です。従来のモデルでは自信ありげに誤った回答をするハルシネーションが課題でしたが、Jevが出力する確信度スコアは統計的な正確さに厳密に連動するよう設計されています。たとえば90パーセントの確信度と判定された結果は、高い再現性をもって信頼できる指標として扱えます。
トークンを逐次生成する負荷が存在しないため、Jevは従来のフロンティアモデルと比べて極めて高速に動作し、ミリ秒単位の低遅延かつ低コストでの処理を実現しています。出力形式が厳密に保証されているため、スキーマ崩れによるエラーの心配がなく、プログラム側の条件分岐や自動化ワークフローに直接組み込むことが容易です。
業務システムにおける問い合わせの自動分類や担当窓口への振り分け、AIエージェントのツール呼び出しにおけるルーティング、プロンプトインジェクションや規約違反を検知するガードレールなど、高頻度かつ即時の判断が求められる場面で威力を発揮します。熟考や長文生成を得意とする従来のLLMと、瞬時の判断を担当するJevを適材適所で組み合わせる設計が、次世代のソフトウェア開発において注目されています。