TypeSafe AI Jev 解説：System One モデルとエージェント

TypeSafe AI は2026年9月15日、最初の System One Model として Jev を発表しました。人向けの文章を生成せず、ソフトウェア内で型のある判断を高速に行います。

アプリが文章や構造化状態と事前定義した質問を渡すと、通常のコードで扱える選択、点数、真偽の確率を返します。返信や説明を書かず、ツール名を作らず、自分で次の行動も決めません。

本番で LLM を呼んでも、必要なのは分類、危険度、経路などの小さな答えだけ、という場面があります。Jev は並列出力、明示的な不確実性、提供元が掲げる低費用・低遅延で、この処理を対象にします。

Jev とは

自然言語の状態を受け、要求前に定義された構造だけから回答するホスト型モデルです。「状態を入力し、型付き決定を出力する」という構成には三つの部分があります。

1. 状態： 問い合わせ、実行トレース、文書、関連フィールドの JSON。
2. 質問： 回答形と基準を定義した狭い判断。
3. アプリの論理： しきい値、業務規則、副作用、代替処理、引き継ぎをコードが担当。

現行モデル文書には jev-1.13.0 と安定エイリアス jev-latest が載っています。文章、JSON オブジェクト、文章配列を受け、画像・音声・動画は直接受けません。要求上限は64,000トークン、状態と最長の1質問には別途32,000トークンの上限があります。

自律ループ、記憶、ブラウザー、実行器を持たないため、Jev 自体はエージェントではありません。処理の特定地点で呼ぶ、学習済みの決定部品です。

System One モデルとは

迅速で焦点を絞った判断向けモデルに対する TypeSafe の名称です。カーネマンの『ファスト＆スロー』における直感的で速いシステム1と、慎重で遅いシステム2を参照しています。

適した質問は、証拠を見た専門家が素早く判断できるものです。担当チーム、プロンプト注入の有無、重大度、主張を支える文書、操作の取り消し可能性などが該当します。

返信の執筆、市場調査の計画と実行、複雑な台帳からの返金計算、リポジトリの修正、詳細な理由説明は適しません。生成、正確な計算、多段推論が必要だからです。

TypeSafe は Reinforcement Learning for Calibrated Decisions（RLCD、校正された決定のための強化学習） を使うと説明します。目標は美文ではなく、確信の度合いと類似判断の正答率が対応する分布です。

校正は集団での性質で、個々の正解保証ではありません。90% の判断も間違います。自社データで測り、自動化、確認、推論モデル、人への引き継ぎを決める必要があります。

三つの基本形式

APIは同じ状態に独立して適用する三形式を提供します。

Choice は閉じた集合の相対選択なので、どれも違う場合には other や no_match を含めます。Score は説明付き段階の評価で、金額計算器ではありません。Noul は真偽の確率で別の confidence はなく、複数条件が同時に真でも構いません。

質問は隠れた思考の連鎖ではなく、独立して並列実行されます。前の答えで次の証拠や選択肢を変えるなら、コードで新しい状態を作り、別の要求を送ります。

ルーターの例

口座に関する依頼には DB 照会、専門 LLM、人の確認という処理先が考えられます。一般モデルの JSON でも可能ですが、解析、検証、再試行、架空の値の監視が必要です。JavaScript SDK なら次のように限定します。

import { choice, noul, score, TypeSafeClient } from "@typesafe-ai/sdk";
 
const client = new TypeSafeClient();
 
const result = await client.systemOne({
  state: {
    userMessage,
    accountStatus,
    availableHandlers: ["lookup", "specialist_llm", "human_review"],
  },
  questions: {
    handler: choice("Which handler should receive this request?", {
      lookup: "A factual request answerable from account data",
      specialist_llm: "A request that needs language generation or reasoning",
      human_review: "A sensitive, ambiguous, or exceptional request",
    }),
    risk: score("How risky would it be to act on this request incorrectly?", [
      "Low: easy to reverse and no sensitive change",
      "Medium: meaningful user impact but recoverable",
      "High: financial, destructive, or difficult to reverse",
    ]),
    missingContext: noul(
      "Is information required to handle this request missing from the state?",
    ),
  },
});
 
const handler = result.answers.handler;
const risk = result.answers.risk;
 
if (
  result.answers.missingContext.noul > 0.6 ||
  handler.confidence < 0.65 ||
  risk.score > 1.5
) {
  await sendToHumanReview(userMessage);
} else if (handler.choice === "lookup") {
  await runAccountLookup(userMessage);
} else {
  await runSpecialistModel(userMessage);
}

数値は例示で、共通の推奨値ではありません。ラベル済みデータ、誤判定の費用、自社トラフィック上の校正から設定します。

Jev は意味の判断を返し、許可する処理先、しきい値、副作用、代替処理はコードが持ちます。実行自体が出力にないので、未定義ツールを勝手に呼べません。

エージェントでの役割

エージェントは目標、行動、ツール、結果観測を繰り返す状態付きループです。Jev は自由度を狭めたい地点の評価器として置きます。

実行前

意図を分類して簡単な照会をコードへ送り、専門モデルや人が必要な依頼を見分け、緊急性・複雑性・方針リスクを採点し、脱獄などを検出し、渡す文脈やツールを絞れます。既知の処理、迷惑要求、自動化すべきでない依頼では高価なループを避けられます。

ループの途中

候補ツールやスキルの順位付け、コードや別モデルの候補行動の選択、証拠の充足確認、安価・専門・推論モデルへの振り分け、可逆性や承認の判断、同一状態の多数の独立評価に使えます。

スキル推薦の例では182スキルを2段階で選びます。全一覧を安く順位付けし、上位を詳しく検討し、全て拒否することもできます。実際に使うエージェントを置き換えず、文脈を狭める例です。

モデルやツールの後

方針への準拠、主張と出典の整合、取得文書の関連性、実行履歴の即時確認要否、不確実・高リスク結果の引き継ぎに利用できます。言語、計画、深い推論は LLM に残し、その周囲の小さな判定呼び出しを置き換えます。

LLM との違い

LLM の構造化出力は生成結果の表現を制限します。Jev は事前の選択肢、完全な確率分布、校正、並列評価を含む決定そのものが製品です。専門化であって、常に優れる意味ではありません。新しい文、コード、説明、計画なら生成モデル、6つの処理先と不確実性なら Jev が自然です。

置き換え候補

有用な出力が生成文よりずっと小さい呼び出しを探します。

• ラベルだけ返す分類。
• 処理、エージェント、道具、キュー、モデルを選ぶルーター。
• 入出力や行動の規則違反判定。
• 取得済み候補の再順位付け。
• 抽出された候補から目的値を選ぶ検証。
• 関連性、緊急性、重大度、品質、確認要否の判定。
• 多数の記録に同じ限定判断をする処理。

呼び出す前に許容出力を列挙できるかが目安です。できなければ生成、取得、決定的計算、推論が必要でしょう。安価だからと算術、日付比較、DB 制約、認可、スキーマ検証、既知規則まで置き換えないでください。

速度、料金、評価の主張

2026年9月18日時点で Jev 1.13 は入力100万トークン $0.042、10億なら $42、出力無料です。提供元は 70〜500ミリ秒の全体遅延を示します。

193.6倍高速、444.6倍安価という宣伝は、安全事故、エージェント追跡、請求書、顧客対応の社内4ワークフロー評価によります。独立した一般ベンチマークではありません。

• 作例は社内作成で、同社は有利になるよう設計していないと説明。
• 正解は客観ラベルではなく、大型外部モデル2つの平均確率。
• 公開倍率は実際の改善幅の上限寄りである可能性。
• System One に適した形かに強く依存。

限定判断では逐次生成の費用と遅延を省ける可能性がありますが、自社流量を Jev、LLM 基準、実際の制御コードで再実行して比較します。

幻覚は本当にゼロか

型の外の値は返せません。billing、technical、sales の選択から legal_department を発明したり、謝罪文や壊れた JSON を出したりしない、という意味では構造上の幻覚をなくせます。

意味上は間違えます。誤分類、危険な操作への過信、曖昧さの誤解があり、確信度の説明も個別の正しさを保証しません。

• インターフェース： 宣言した型を満たす。
• 意味の性能： 代表データで評価が必要。

型付きの誤答は代替処理を作りやすいものの、無謬ではありません。

現在の限界

1.13 の弱点ガイドは常識的判断に強く、計算や多段推論に弱いと説明します。

• 返信、コード、計画、理由を生成しない。
• 画像や音声は先に文章・構造へ変換する。
• 計算、数え上げ、日付や数値規則はコードへ。
• 曖昧な指示、二重否定、暗黙の境界は誤りやすい。
• 多段の間接推論を避け、証拠を直接示す。
• 制限内でも無関係な長い文脈は精度を下げる。
• 状態を初めから敵対的とは扱わないため、注入対策にも精密な質問と攻撃試験が必要。
• 別々の質問で命題と否定の確率を足しても必ず1にはならない。
• 英語以外は性能が均一ではなく、分野別試験が必要。

取得と計算はコードで行い、必要な証拠のみ渡し、結果の影響は明示的方針で制御します。

本番導入の手順

1. ラベル、点数、真偽、ID、経路だけを求める現行呼び出しを探す。
2. 計算、認可、しきい値、副作用をコードへ分離する。
3. 排他的選択は Choice、独立条件は Noul、順序基準は Score とし、必要なら該当なしを用意する。
4. 名前付きフィールドで必要な現在の状態だけ渡す。
5. 共有状態の独立質問をまとめ、逐次呼び出しを減らす。
6. 誤りの費用に応じて確信度別の処理を決める。
7. 実流量で精度、校正、遅延、総費用を比較する。
8. 調整済み版を固定し、モデル版と確率を記録して変更前に再評価する。
9. タイムアウト、制限、低確信、想定外状態に安全な代替を作る。

最初は全体再設計より、小さな分類器1つが適切です。基準と実際の取捨選択を測れます。

エージェントスキルとの違い

TypeSafe のスキルは Claude Code、Codex などに API、質問形式、設計、評価の知識を渡します。導入してもアプリに実行機能は追加されません。API キーと HTTP・Python・JavaScript SDK の呼び出しが必要です。

• スキル： 正しく実装するための文書と指示。
• Jev： 本番コードが呼ぶ決定サービス。
• 自社エージェント： 目標、状態、道具、多段実行の主体。

開発時はスキル、稼働時は Jev の経路、選択、検証、確信度制御を使えます。

よくある質問

LLM なのか

同社は小型チャットモデルとは異なる種類と位置付けています。言語を理解しますが、公開出力は判断と確率です。新構造、並列サンプラー、RLCD は公表されたものの、外部が全内部実装を独立に確かめられる詳細はありません。

LLM を置き換えられるか

限定的な分類、採点、経路、順位、検証なら可能です。生成、深い推論、コード、計画、自由抽出、会話には使えず、両方を併用する構成になります。

道具を呼べるか

自分では呼べません。アプリの選択肢から道具や型付き引数を選び、コードや実行基盤が検証・実行します。

間違えるか

はい。型保証は意味の真実を保証しません。確率と確認経路を使い、実データで検証します。

名前の由来は

経済学者 William Stanley Jevons と、効率向上が消費を増やすジェヴォンズのパラドックスです。安価な機械知能が需要を広げるという考えを表します。

価格は

1.13 は入力100万トークン $0.042、出力無料。価格、別名、制限の変更は公式モデル文書で確認してください。

まとめ

Jev は書く、計画する、道具を操作する能力を持たない代わりに、固定型、確率分布、確信度、並列評価によるソフトウェア向け判断を提供します。

生成モデルの周辺で処理先やスキルを選び、承認や再試行・引き継ぎを判断する制御部品として評価できます。権限はコード、言語と推論は LLM が持ちます。既存フローの中で高価で不安定な小さな判断を探し、個別に比較することが重要です。