Jevモデル調査：AIワークフローで型付き判断を使う方法

Jevは会話用の小型LLMとして理解するより、既存のLLMの横に置く判断レイヤーとして見る方が分かりやすいモデルです。アプリケーションが状態と質問を送り、Jevが選択肢、スコア、真偽値と確率を返します。アプリ側はその結果を使って、再試行、ユーザーへの確認、人手への引き継ぎなどの分岐を実行します。

ただし、候補と質問は開発者が決めます。正しい候補が用意されていなければ、確率が高くても正しい判断にはなりません。以下では、導入前に確認すべき順番をまとめます。

調査日：2026年9月21日。価格、利用可能なチーム、SDKの仕様は更新されるため、実装時には各公式ページを再確認してください。

1. まず出力契約を確認する

VercelのJevページでは、JevをTypeSafe AIのSystem One評価モデルとして説明しています。共有stateを型付きの質問に照らし、choice、score、booleanの確率を返します。複数の質問を1リクエスト内で並列評価できる点も、通常のテキスト生成とは違います。

確認項目	Jev	汎用LLM
主な出力	候補、スコア、真偽値、確率	テキストまたは構造化テキスト
向く処理	分類、ルーティング、検証、ルーブリック	文章、コード、説明、自由回答
アプリへの接続	結果をそのまま分岐に使いやすい	JSON検証や再試行を追加する場合がある
注意点	候補設計が結果の上限を決める	形式を守っても内容が正しいとは限らない

Jevは文章やコードを作るモデルではありません。出力を次のアクションに変換するところが価値です。

2. stateは毎回アプリから渡す

JevにChatGPTのような自動会話記憶があると考えると、設計を誤ります。各API呼び出しにはstateとquestionsを渡します。前回の画面、実行した操作、結果、残っている目標が次の判断に必要なら、アプリが履歴を要約して新しいstateへ含めます。TypeSafeのstateドキュメントとAPIドキュメントで現在の入力形式を確認してください。

この制約は欠点であると同時に、状態管理の責任範囲を明確にします。サービス側の暗黙の記憶に依存せず、どの履歴を判断へ渡したかをアプリ側で監査できます。

3. 適用範囲は「分岐が決まっている処理」

次のような場面なら、Jevを検証する理由があります。

• 次に呼ぶAgentやツールを選ぶ
• ワークフローを続行、再試行、確認、停止のどれにするか決める
• チケットの緊急度やリスクを段階評価する
• 別のモデルの出力を検査し、低確信度なら人へ送る
• 固定した評価基準で候補や問い合わせを分類する

高い確率は正解率ではありません。候補に「該当なし」や「要確認」を含めるべき業務では、その選択肢を設計段階で用意します。TypeSafeの性能比較もベンダー側の評価なので、実際のstate長、並列数、再試行方針で測り直します。

Vercelは、公開後24時間で有料AI Gatewayチームの約13%がJevを使用したと報告しています。これはVercelの匿名化されたプラットフォーム内の観測であり、開発者市場全体の普及率ではありません。Vercelの発表

4. 利用条件と料金を現在のページで確認する

調査時点のVercel Jevページには、モデル価格がFreeと表示され、API keyの入口とチームの利用可否を確認する表示があります。プロモーション価格の終了日は2026年9月25日です。チームの権限、クォータ、プロバイダーの条件はコンソールの表示を優先します。

Jevの重みをTypeSafeが公開しているわけではないため、オフラインで実行する手順はありません。公式JavaScript SDKのREADMEには @typesafe-ai/sdk、TypeSafeClient、systemOne の例があります。Vercel側にはAI SDKの experimental_evaluate 例があります。どちらも実装前に現在のバージョンとレスポンス形式を固定してテストします。

5. 最小のJavaScript例を先に動かす

Vercelの例を簡略化すると、状態と質問を送り、booleanの結果をアプリ側で利用します。

import { experimental_evaluate as evaluate } from "ai";

const result = await evaluate({
  model: "typesafe-ai/jev",
  state: "The support agent issued a full refund to the customer.",
  questions: {
    refunded: {
      type: "boolean",
      instructions: "Was a refund issued?",
    },
  },
});

console.log(result);

このコードをそのまま本番へ入れるのではなく、API key、プロバイダーの可用性、出力フィールド、無料枠、失敗時の分岐を確認します。LLMの回答文を解析する処理を減らせても、候補設計と評価データは必要です。

6. オープンソース代替案をJevと混同しない

調査した公式情報の範囲では、TypeSafeがJevの重みを公開したとは確認できません。次のプロジェクトは、似たインターフェースや研究方向を持つ独立実装です。

プロジェクト	内容	境界線
OpenJev	Qwen3-4B-Instruct-2507を使うローカル研究プレビュー	TypeSafeと無関係で、Jevとの同等性を主張していない
Mapika/decider	Qwen3.5-2BベースのSystem One風実装	学習データと品質は別途評価が必要
von	ローカル非自己回帰の意思決定モデル	リポジトリの速度主張はJevとの比較結果ではない

ローカルでインターフェースを試すならOpenJev、モデル構造や校正を研究するなら他の2つが候補になります。「Jevのオープンソース版」と呼ぶ前に、重み、学習方法、同一データでの比較結果を確認してください。

導入前の判定表

項目	合格条件
判断範囲	候補と「要確認」を定義できる
状態	必要な履歴をアプリが明示的に保存して渡せる
評価	正解率、確率の校正、遅延、コストを実データで測れる
失敗処理	低確信度や候補外を人へ送れる
仕様	可用性、API、価格、規約を現在のコンソールで確認できる

この条件を満たすとき、Jevは生成モデルの代用品ではなく、AIワークフローの分岐を明示する部品として検証できます。

参考資料

• Vercel AI GatewayのJevページ
• VercelのJev公開記事
• TypeSafe AI
• TypeSafeのstateドキュメント
• TypeSafe公式JavaScript SDK
• OpenJev
• Mapika/decider
• von