Jevとは？文章を作らない判定専用のAIモデル。LLMとの違い・料金・最初の1リクエストまで

2026年9月22日

文章ではなく判定を返すAIモデルJevを表したイラスト。1枚の文書が振り分け装置に入り、3つの経路に分かれ、確信度を示す計器が添えられている。画像内の文字：TypeSafe Jev／文章を書かない判定AI／LLMとの違い・料金・始め方

PR｜この記事にはアフィリエイト広告（A8.net）が含まれます。

AIモデルの名前として「Jev」を見かけたものの、説明を読むと「文章を返さない」と書かれていて、何をするものなのか分かりにくい。そう感じた方へ向けた記事です。

Jevは、TypeSafe AIが2026年9月15日に公開したAIモデルです。公式サイトには「早期アクセス」の表記が残っていますが、2026年9月22日時点では、コンソールでアカウントを作れば誰でも使い始められます。文章を書く代わりに、こちらがあらかじめ決めておいた選択肢や段階から1つを選び、その答えを確率と確信度つきのデータで返します。問い合わせメールを「請求」「技術」「営業」のどれに振り分けるか、といった判定をプログラムの中で行うためのモデルで、TypeSafe AIは「System One モデル」という新しい分類のモデルだと説明しています。

情報確認日：2026年9月21日。TypeSafe AIの公式ブログ・公式ドキュメント・公式コンソールと、Cloudflareの公式ドキュメントをまとめた解説です。

PR　生成AIを仕事で使う力をまとめて学ぶなら、DMM 生成AI CAMP 学び放題（職種別11コースが月額14,800円（税込16,280円）で学び放題）。先に仕組み・料金・解約条件の解説を読むこともできます。

Jevとは？文章ではなく「判定の結果」を返すAIモデル

TypeSafe AIは、2026年9月15日付の公式ブログ「Introducing System One Models & Jev」で、Jevを同社初の「System One モデル」として発表しました。創業者のDiogo Almeida氏は同記事で、Jevを「構造化されていない状態を入れると、型の決まった確率つきの判定が出てくる、フロンティア知能の関数呼び出し」と表現しています。同記事には「Jevは文字列の生成を手放している」という説明もあり、チャットのように文章を作る用途は想定されていません。

何を渡して、何が返ってくるのか

公式のAPIリファレンスによると、1回のリクエストで渡すのは次の3つです。

state：判定の材料になる内容。文字列のほか、オブジェクトや配列といった構造のあるデータも渡せます。
model：使うモデル名。公式の例では jev-latest が使われています。
questions：その材料について聞きたいことを並べたもの。自分で決めたキーを付けると、答えも同じキーで返ってきます。

返ってくるのは、質問ごとの答えと、その答えがどれくらい確からしいかを示す数値です。公式ドキュメントの「Primitives」ページでは、答えは必ずこちらが渡した選択肢の中に収まり、モデルがそれ以外の値を返すことはないと説明されています。文章の中から必要な値を取り出して整形する処理が要らない、という点がLLMとの実務上の違いになります。

Jevに聞けるのは3種類の質問（Choice・Score・Noul）

1枚の文書から矢印が伸び、分岐点を経て3つのカードへ分かれていくイラスト。分岐点の上下には針のついた計器が2つ置かれ、判定に確信度が添えられることを表している。

公式ドキュメントの「Primitives（Questions）」ページでは、質問の型が3つに整理されています。それぞれ返ってくる値の形が違います。

スクロールできます

質問の型	何を答えるか	返ってくる値
Choice	この選択肢のうちどれか	`choice`（選ばれた選択肢）、`probabilities`（選択肢ごとの確率）、`confidence`（確信度）
Score	どの段階か	`score`（段階上の位置）、`legend`（段階の一覧）、`probabilities`、`confidence`
Noul	これは正しいか	`noul`（0から1までの値。1に近いほど「はい」）

ChoiceとScoreでは、選択肢や段階の意味を criteria に自分で書きます。たとえばScoreなら「落ち着いている」「不満はあるが穏やか」「強い言葉で怒っている」のように段階を言葉で定義し、Jevはその間のどこに当たるかを返します。Noulは「はい・いいえ」で答えられる問いに使い、確信度の代わりに0から1までの確率そのものが返ります。

同じページには、1回のリクエストに複数の質問をまとめて入れられるという説明もあります。すべての質問は同じ state を見て並列に評価され、答えは互いに影響しません。公式ドキュメントは「知識のある人が1秒で判断できること」を1問にするよう勧めており、「この文章を分析して最適な対応を決めて」のような大きな問いは、小さな質問に分けて結果をコード側で組み合わせる設計を推奨しています。

ChatGPTのようなLLMと何が違うのか

2026年9月15日の公式ブログには、既存のLLMとJevを並べた比較表が載っています。読者の判断に関係する行だけを抜き出すと、次のようになります。

スクロールできます

比べる軸	既存のLLM（公式ブログの記載）	Jev（公式ブログの記載）
出力の形	文字列・生成された文章。ソフトウェアで使うには解析と検証が必要	型の決まった構造化された値。取りうる値と構造を事前に決めておく
生成のしかた	逐次的。1トークンずつ、直前の結果を踏まえて生成する	並列。1回の問い合わせですべての出力を生成する
入力トークンの料金	100万トークンあたり0.20ドルから10ドル	100万トークンあたり0.042ドル
出力トークンの料金	入力の約5倍	無料
応答時間	3秒から329秒	70ミリ秒から500ミリ秒
確信度	確信度を聞いても自信過剰になりやすく、ばらつく	すべての出力に確信度と不確かさが付く

この表はTypeSafe AI自身による説明で、比較対象のLLMを個別に名指ししたものではありません。同社は公式ブログの中で、速度やコストの倍率を示した評価について、評価に使ったワークフローは自社のモデル能力チームのメンバーが作ったもので、バイアスが残りうると自ら注記しています。倍率の数字は参考にとどめ、応答時間や料金のように公式が具体的な値として明記しているものを基準に読むほうが安全だというのが筆者の見方です。応答時間についても、公式ブログは、公開している評価は主に米国西海岸にある自社のノートPCから実行したもので、サービスの拠点も現在は西海岸にあると書いています。日本から呼び出したときの応答時間は、この記事では確認できていません。

もう一つの違いは役割です。公式ブログはLLMの用途を「人が途中で確認するチャットやコーディング支援」と位置づけ、Jevの用途を「コードの中に組み込む、分類・振り分け・採点・抽出・分岐」と説明しています。どちらかが上位互換という関係ではないため、文章を書かせたい場面ではこれまでどおりLLMを使うことになります。コーディング支援の側に興味がある方は、Claude Codeとは何かをまとめた記事を読んでいただくと、同じAIでも役割がどう違うのかが分かります。

料金はいくら？入力分だけが課金され、出力は無料

料金は公式ドキュメントの「Models」ページに書かれています。2026年9月21日時点の内容は次のとおりです。

項目	公式ドキュメントの記載（2026年9月21日確認）
モデル	Jev 1.13（`jev-1.13.0`）
料金	10億トークンあたり42ドル／100万トークンあたり0.042ドル
課金の対象	入力トークンのみ。出力トークンは無料
レート制限	毎秒250,000トークン／毎分1,200リクエスト
扱える長さ	1リクエストあたり64kトークン（約64,000トークン。`state` とすべての質問の合計）。`state` と最も長い質問1つの合計は32kトークン（約32,000トークン）まで
入力できるもの	テキストのみ。画像・音声・動画は渡せない

ここでのトークンは、AIが文章を処理するときの単位です。多くのLLMでは入力と出力の両方が課金の対象になりますが、Jevでは入力トークン、つまり送った側の分だけが課金され、出力トークンは無料だと公式ドキュメントに明記されています。質問を1つ増やしても増えるのはその質問の分のトークンだけなので、公式ドキュメントの「Primitives」ページは「使うかどうか分からない質問も一緒に聞いておく」という設計を勧めています。

料金を見るときの注意

レート制限について、公式ドキュメントには「需要が非常に大きいため、上限は予告なく変わることがある」という警告が添えられています。また、TypeSafe AIの公式サイトには独立した料金ページがなく、金額の一次情報はドキュメントのModelsページです。日本円での請求額や課税の扱い、日本からの利用可否については公式資料で確認できなかったため、この記事では未確認とします。

使い始める手順：TypeSafeの登録からAPIキー、最初の1リクエストまで

最初にTypeSafeのアカウントを作ります。その先は、公式ドキュメントの「Quick start」で紹介されている入口のうち、初心者が試しやすい順に3つを紹介します。手順とコード例は公式ドキュメントの掲載例をもとにしています。

0. TypeSafeに登録する（無料・数分）

console.typesafe.ai を開きます。「Welcome to TypeSafe」の画面が出ます。
「Continue with Google」でGoogleアカウントを使うか、メールアドレスを入れて「Email me a code instead」を選び、届いたコードを入力します。パスワードの設定はありません。
続行すると利用規約とプライバシーポリシーに同意したことになるので、内容を一度確認しておきます。
ログインできればコンソールに入れます。招待コードやウェイトリストの登録は不要です（2026年9月22日時点）。

1. まずはPlaygroundで動きを見る

登録したアカウントでコンソールのPlaygroundを開きます。
判定させたい文章を state として貼り付けます。
質問を1つ追加します。公式ドキュメントの例では、Noulの質問として「Does this message express urgency?」（この文章は緊急性を示しているか）が挙げられています。
Noul・Choice・Scoreを混ぜて複数の質問を追加し、結果がまとめて返る様子を確かめます。

2. APIキーを取って、HTTPで呼ぶ

APIキーはコンソールのAPIキー画面から取得します。呼び出し先は POST https://api.typesafe.ai/v1/systemone で、認証はAuthorizationヘッダーにBearerトークンとしてキーを添える方式です。次は公式ドキュメントのcURLの例と、APIリファレンスのリクエスト例を組み合わせて、質問を1つに絞った形にしたものです。

curl -X POST https://api.typesafe.ai/v1/systemone \
  -H "Authorization: Bearer $TYPESAFE_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "state": "Help! My payouts have been failing for 3 days.",
    "model": "jev-latest",
    "questions": {
      "is_urgent": {
        "type": "noul",
        "instructions": "Does this convey urgency?"
      }
    }
  }'

APIキーはコードに直接書かず、公式の例のように環境変数から読み込む形にしておくと、後から共有したときに漏れにくくなります。

3. Python SDKで書く

公式のPython SDKはPython 3.10以上が必要で、pip install typesafe-sdk（uvを使う場合は uv add typesafe-sdk）で入ります。クライアントは環境変数 TYPESAFE_API_KEY を読み、既定では jev-latest を呼びます。次は公式ドキュメントのQuick startに載っているコード例です。問い合わせメールを1回のリクエストで、担当部署（Choice）・不満の度合い（Score）・緊急かどうか（Noul）の3つに判定しています。

from typesafe_sdk import Choice, Noul, Score, TypeSafeClient

client = TypeSafeClient()

ticket = "Hi, I've been trying to connect my Stripe account for 3 days and the integration keeps failing. I'm losing sales. Please help ASAP."

response = client.system_one(
    state=ticket,
    questions={
        "department": Choice(
            instructions="Which team should handle this",
            criteria={
                "billing": "Payment or subscription issues",
                "technical": "Bugs or integration problems",
                "sales": "Pricing or account questions",
            },
        ),
        "frustration": Score(
            instructions="How frustrated the customer appears",
            criteria=[
                "Calm, just stating facts",
                "Frustrated but civil",
                "Very angry, strong language",
            ],
        ),
        "is_urgent": Noul(
            instructions="The message conveys urgency or time-sensitivity",
        ),
    },
)

このリクエストに対して公式ドキュメントが示している返り値は、department が technical（確信度0.78）、frustration が1.0（確信度1.0）、is_urgent が1.0というものです。レスポンスの model フィールドには、実際に答えたバージョンとして jev-1.13.0 が入ります。これは公式ドキュメントに掲載されている例であり、筆者が実行して得た出力ではありません。

Jev自体はコードを書くモデルではないため、SDKを使った実装そのものは手で書くか、別のコーディング支援AIに任せることになります。コーディング支援AIを使ったことがない方は、GitHub Copilotの使い方をまとめた記事を読んでいただくと、無料で試せる範囲から始める方法が分かります。

Jevが向く使い方・向かない使い方

公式ブログと公式ドキュメントの記載から、向く用途は次のように整理できます。

分類・振り分け・採点・抽出・分岐。手書きのロジックでは壊れやすくなる判定を、あいまいさを含んだ判定ルールとしてコードに組み込む使い方です。
大量のデータへの一括処理。公式ブログでは「大量データを特徴量や知見に変える」用途が挙げられています。
応答速度が重要な処理。公式ブログの記載では応答時間が70ミリ秒から500ミリ秒です。日本から呼び出したときの応答時間は確認できていません。
LLMの入出力の点検。公式ブログは、LLMのプロンプトや出力を採点・検証し、ガードレールとして使う用途を挙げています。

一方で、次の用途には向きません。

文章を書かせる、要約させる、会話する用途。公式ブログが「文字列の生成を手放している」と明記しています。
画像・音声・動画をそのまま渡す用途。公式ドキュメントは入力をテキストのみとし、それ以外は先にテキストや構造化データへ変換するよう求めています。
選択肢を事前に決められない判定。答えはこちらが渡した選択肢の中からしか返りません。
長い資料をまとめて読ませる用途。state と最も長い質問1つの合計は32kトークン（約32,000トークン）までという上限があります。

Cloudflare Workers AI からも呼び出せる

CloudflareのAIモデル一覧には、2026年9月21日時点で typesafe/jev がThird-party（他社提供）のモデルとして掲載されています。Cloudflare側のページに書かれているコンテキストの上限は32,000トークンで、呼び出しはWorkers AIの通常の書き方に合わせてあります。次はCloudflareのページに載っているコード例から、質問を1つに絞った形にしたものです。

const response = await env.AI.run(
  'typesafe/jev',
  {
    state: 'Help! My payouts have been failing for 3 days.',
    questions: {
      is_urgent: {
        type: 'noul',
        instructions: 'Does this convey urgency?',
        criteria: { true: 'Explicitly time-sensitive', false: 'No urgency expressed' },
      },
    },
  },
)

Cloudflare経由の料金については、モデルページに金額が書かれておらず「Cloudflareのダッシュボードで確認する」という案内になっています。TypeSafe AIが公開している100万トークンあたり0.042ドルと同じ条件になるかどうかは、この記事では確認できていません。Cloudflareの設定まわりに関心がある方は、CloudflareでAI学習だけを断る設定をまとめた記事も読んでいただくと、同じ管理画面で扱える範囲が見えてきます。

使う前に確認しておきたいこと

始める前の4つの確認

1. 公式サイトには「早期アクセス」の表記が残っています。2026年9月15日の公式ブログには「本日、早期アクセスを開放し、できるだけ早くウェイトリストの開発者を迎え入れている」と書かれていましたが、2026年9月22日時点ではコンソールで誰でも登録して使い始められます。仕様や料金は早期アクセス中に変わる可能性があるので、導入前に公式ドキュメントの最新版を確認してください。

2. 日本語での精度は自分のデータで確かめる必要があります。公式ドキュメントは、主な学習言語は英語で精度も英語が最も高く、日本語を含むCJKの文字も扱えるが同等ではないとしたうえで、英語以外で使う前に自分の内容で試すよう求めています。

3. バージョンの固定を検討します。jev-latest は新しい版が出ると指す先が変わります。公式ドキュメントは、確信度のしきい値を特定の版に合わせて調整している場合は、エイリアスではなく jev-1.13.0 のようなバージョンIDを指定するよう勧めています。

4. 確信度の使い道を決めておきます。公式ドキュメントでは、確信度は確率の分布から導かれる値で、自動で処理を進めるか人の確認へ回すかを決めるために使うものだと説明されています。しきい値をいくつにするかは、自分の用途で試して決めることになります。

公式ドキュメントのQuick startを開く

まとめ

Jevは、文章を書く代わりに「どれか」「どの段階か」「正しいか」を判定して返すAIモデルです。公式の説明では、答えはこちらが用意した選択肢の中に収まり、確率（ChoiceとScoreでは確信度も）が付いてくるため、そのままプログラムの分岐に使えます。料金は100万トークンあたり0.042ドルで、課金されるのは入力側だけです。試すときは、まずコンソールのPlaygroundで1つの質問を投げ、結果の形を見てからAPIキーとSDKに進むと、つまずきにくくなります。

公式サイトに早期アクセスの表記が残っており仕様が変わりうること、日本語の精度は自分のデータで確かめる必要があること、日本からの利用条件や日本円での請求については公式資料で確認できていないことの3点は、導入を決める前に公式ページで最新の状態を確かめてください。

生成AIを仕事で使う力を、まとめて身につけたい人へ（PR）

机でノートパソコンの動画レッスンを見ながら学ぶ人のイラスト。周りに画像生成、動画のタイムライン、質問に答えるAIチューター、チェックリストのアイコンが浮かぶ。DMM 生成AI CAMP 学び放題で職種別のレッスンをオンラインで学ぶイメージ。

DMM 生成AI CAMP 学び放題：職種別11コースを月額で好きなだけ学べるスクール

DMM 生成AI CAMP 学び放題は、生成AIデザイン・動画制作・AIアプリ開発・マーケティングなど職種別の11コース（約1,000レッスン）を、月額14,800円（税込16,280円）で好きなだけ学べるサブスク型のスクールです。入会金は0円で、月額プランなら最低契約期間の縛りがありません。