文章を生成しないAIモデル、早期アクセス開始

Jevの名前は、1865年の著書『石炭問題』で後にジェヴォンズのパラドックスと呼ばれる現象を記述したWilliam Stanley Jevonsに由来する。蒸気機関が効率化するほど石炭消費が増えたという考えをTypeSafeはAIに当てはめ、判断コストの低下が用途を広げると見込む。基盤アーキテクチャと重みは非公開。CEOのDiogo Almeida氏はXで、訓練データは100%合成で、単にLLMが生成した出力ではないと述べた。公開から数日でJev類似の実装が複数現れたが、再現されたのは型付きの一発確率インターフェースであり、内部計算は各実装者が推測したものだった。

TypeSafeは訓練手法をRLCD（Reinforcement Learning for Calibrated Decisions）と呼び、自社の比較表でRLHFやRLVRと対比している。Jevの出力は常に較正済み——90%の信頼度で下した判断は約90%の確率で正しいはず——と同社は言うが、較正の程度を示す数値は公式ブログに載っていない。2026年10月3日に同じリクエストを5回送ったテストでは毎回異なる結果が出た。技術的確率は0.78〜0.86、信頼度は0.68〜0.79で、使用量も記載例と異なった。同じ状態を日本語に翻訳して3回送ると確率は0.83〜0.86で、英語と同じ範囲だった。

同社は自ら注意点も公表している。70〜500msのレイテンシと、System Oneタスクでfrontierモデルに対する40〜200倍の速度優位は、主にサービスが現在稼働する米国西海岸のラップトップから測定したものだ。TypeSafeのホームページにある「193.6倍高速、444.6倍安価」という数字は自社のワークフロー評価から出たもので、実世界での利得はその高めの側になると同社自身が見込んでいる。GPT-5.6 Terraとの比較デモでは状態は短く密な段落でJevに有利なもので、記録されたラウンドで唯一の不一致はTypeSafe自身が曖昧とみなす項目だった。グラフに示された構造化出力エラー率0%は測定値ではなく型保証から導かれたもので、OpenAIのStructured Outputsのような制約付きデコーディングでLLMも出力形状を合わせられることはTypeSafeも認めている。