新AIモデルJevの早期提供をTypeSafe AIが開始 構造化データの高速出力でソフト開発の分岐処理を効率化

TypeSafe AIは2026年9月15日、プログラム内部における判定処理に特化した新型AIモデルJevの先行提供を開始した。文章やプログラムコードを長文で生成するのではなく、選択肢の選定や採点結果を構造化データとして高速に返却する設計で、待機リストに登録した開発者へ順次アクセス権を付与している。

同社創業者のDiogo Almeida氏はOpenAIでChatGPTの基礎研究に従事した経歴を持ち、約2年におよぶ開発期間を経てSystem One Modelsの第1弾となるJevを公開した。

Jevに検証対象のデータと設問を送信する際、あらかじめ選択肢や採点基準を定義して問い合わせる仕様をとる。抽出された値がそのまま構造化データとして戻るため、回答テキストを構文解析して必要な数値を取り出す前処理を行わずにプログラムの条件分岐や集計へ直接連携できる。

事業計画書を入力して市場規模と技術的成立性を個別にスコアリングし、1回のAPI連携により同一データから複数の判断基準を並列処理で算出する使い方も可能だ。

提供マニュアルによると判定形式には3種類が用意されている。候補群から単一項目を選ぶChoice、数値基準で評価するScore、命題が真である確率を0から1の範囲で返すNoulを用途に合わせて指定する。

ChoiceとScoreの出力結果には選定値だけでなく確率分布と確信度の数値も含まれる。

同社はこの確信度を正答率と厳密に連動させる目的でReinforcement Learning for Calibrated Decisionsと呼ばれる学習手法を導入した。指定したスキーマから外れた形式を出力しない制御を確立している一方で、提示された選択肢の中から誤った回答を選ぶ判定ミス自体は発生し得るとしている。

出力トークンを無償化し100万入力あたり0.042ドルに設定した価格体系

利用料金は入力100万トークンあたり0.042ドルに設定され、出力側のトークン費用は一切発生しない。出力時の計算負荷が極小であるため、生成量を監視して課金対象に含める必要がないとDiogo Almeida氏は説明した。

同氏がXに投稿した内容によると、一般的なLLMと比べて処理速度は20倍から200倍に達し、実行コストを40分の1から400分の1へ削減できるという。

請求書処理や問い合わせ対応など4種類の業務フローを対象にした性能検証データも公表された。一連の判定工程を細かな設問に分解してコード側で処理する同一構成で各モデルの処理能力を比較している。

ゲームの状況判断やリンク探索で性能を検証する実証実験

用途例の実演として、画面内の状況を構造化テキストとしてJevに送り、毎秒約10回のAPI呼び出しを行いながら1時間あたり約7ドルの費用でアクションゲームDoomを制御する検証例を提示した。

もうひとつの実験であるWikiracingでは、Wikipediaの記事内にあるリンクだけを経由して目的地となるページを目指す。大量に存在するリンク候補から次の遷移先を瞬時に選ぶ判定エンジンとしてJevを活用している。

受付はTypeSafe AIで行う。