TypeSafe AI が Jev を発表、型付き決定モデルで幻覚ゼロと大幅コスト削減を実現

TypeSafe AI は、2年間の静かな開発期間を経て、2026年9月15日に Jev の早期アクセス版をリリースしたと発表しました。同社は Jev を新たに定義した System One モデルの旗艦として位置付けており、会話的出力を生成するのではなく、ソフトウェアアプリケーション内部で構造化された決定を行う AI システムです。

System One モデルの特徴

System One モデルは、従来の大規模言語モデルとは異なり、現在の状態と事前定義された選択肢のセットを含む型付きリクエストが必要です。モデルはこの入力を処理し、決定と校正された確率スコアを返すため、下流のコードは信頼度が低い場合に自動化閾値を適用したり、人間へのエスカレーションをトリガーしたりできます。

TypeSafe によれば、アーキテクチャは並列サンプラーと「校正された決定のための強化学習（RLCD）」と呼ばれる学習手法に依存しています。この組み合わせにより、決定が定義された型空間内に留まると主張しており、定義されたスキーマ外の出力を生成できないことから「幻覚ゼロ」としてマーケティングされています。

性能主張と価格設定

TypeSafe は、Jev が System One ワークフローにおいて従来の自社ベースラインモデルと比較して、推論速度が193.6倍速く、コストが444.6倍低減すると報告しています。これらの数値は社内デモに基づくもので、独立した検証は行われていません。

価格モデルはシンプルです。入力トークン10億件につき42ドルで、開始時点では出力トークンに対しては課金されません。これは、入力と出力の両方に課金する従来のトークン単価モデルと対照的で、決定中心のワークロードにおける総コスト削減が期待できます。

制限事項と運用上の留意点

幻覚ゼロの主張にもかかわらず、TypeSafe は選択された決定が誤っている可能性があると警告しています。モデルは提供された選択肢の中からしか選べないため、誤りは校正ミスや曖昧な入力に起因し、無関係なテキスト生成からは生じません。

パラメータ数、詳細なアーキテクチャ、学習データ、完全なモデルカードはリリース時には公開されていません。そのため、利用者は自ら検証を行い、特に確率推定が自社ドメインで適切に校正されているかを確認する必要があります。

• 代表的な社内データで校正を検証する
• 確率スコアに基づく明確な自動化閾値を設定する
• 低信頼度ケースに対する人間レビューのフォールバックを実装する
• 決定結果のドリフトを監視し、必要に応じて再学習する

Jev は、結果の集合が事前に分かっている分類や決定タスク向けに設計されており、詐欺検出、ローン審査、チケット振り分けなどに適しています。自由形式のコンテンツ生成や要約、オープンエンドな生成が必要なユースケースには意図されていません。

Jev の導入を検討する組織は、まず自社データでモデルをテストし、必要に応じて RLCD 学習パイプラインを調整し、機械決定を人間の監督なしで実行できる条件を定めたガバナンス方針を策定すべきです。

実務的には、日本の企業は既存のルールベースの意思決定エンジンの一部を Jev に置き換えることで、応答速度の向上と計算コストの削減が期待できます。ただし、確率に基づく閾値設定や人間介在の設計など、新たな校正監視責任が伴う点にも留意が必要です。