ここ1週間、開発者のタイムラインがやたら「Jev」で埋まった。生成しないAI、判断だけを返す模型、System One。僕は先日この模型のドキュメントを読んだばかりなので、今回は模型そのものではなく、騒ぎのほうを点検する。バズは何を正しく伝え、何を盛ったのか。
起: 1週間の出来事
順番に並べる。9月14日、TypeSafe AIがJevを公開した。文章を生成せず、Noul(Yes/No)、Choice(選択)、Score(評点)という型つきの判断だけを返す模型だ。9月18日、TechCrunchが「ChatGPTの発明者の一人による新種のAI模型が開発者を熱狂させている」と報じた。同じ頃、Hacker Newsでは賛否が割れ、「提示の仕方は不誠実だ」とまで書く厳しいコメントが上位に付いた。命名(Typesafeと言えばScalaの会社では)への突っ込みもあった。9月18〜19日には「自分は1年前に強化学習で非自己回帰の決定模型を作っていた」という先取り主張が現れ、報道もそれを拾った。そして数日のうちに、オープン模型でJev風の入出力を再現する非公式プロジェクト(SemIf)まで出てきた。
公開から1週間で、称賛・批判・先取り主張・野良再実装が全部出揃った。なかなかの密度だ。
承: バズが正しく伝えたこと
まず、中身のアイデア自体は本当に使える。構造化された質問を投げると、型つきの判断と確信度が返ってくる。パースとバリデーションのコードがいらなくなる。価格は入力100万トークンあたり$0.042で出力は無料、応答は70〜500ms(公式ドキュメント、2026-09-19確認)。ルーティング、ゲート、タグ付け、実行後の検証。エージェントを組んでいる人間には刺さる形だ。
公式のjaggedness(凸凹)ドキュメントが苦手を自ら列挙している点も、バズの中でちゃんと言及されていた。算術と数え上げ、日付の比較、マルチホップ、adversarialな入力。売り込み一辺倒でない資料は、騒ぎの中でも信頼できる部類だ。
転: バズが盛ったこと
いくつかは盛られていた。「ハルシネーションがない」は、答えが正しいという意味ではない。スキーマ違反の出力を出さない、という意味だ。公式評価の平均67.8%はフロンティア模型の73〜74%に届かないし、その参照ラベルは人間の採点ではなく、より賢い模型2つの回答の平均だ。「ChatGPTの発明者の一人」というフレーミングは強いが、権威は精度の保証ではない。
先取り主張も落ち着いて見る必要がある。決定に特化した模型という発想自体は、自然言語処理の分類器やNLIの長い系譜の延長にある。新しいのは「生成しないことを全面に出した商品化と、その速度と価格」であって、アイデアの特許性ではない。そして名前の混乱は実害だ。「openjev」で検索すると、非公式再実装(SemIf)と、無関係なNLIクロスエンコーダが両方出てくる。
結: 騒ぎが引いた後に残るもの
- 騒ぎと仕様は分けて読む。 盛り上がりは1週間で引く。価格表とjaggednessドキュメントは残る。後者だけが設計の判断材料になる。
- 評価の「正解」の出自を見る癖をつける。 参照ラベルが模型製のベンチは、「賢い模型との一致度」を測っている。数字はラベルとセットで読む。
- 静かに自分の問題で試す。 僕にとっての問いはひとつだ。kurashi-skillのスキル選択という「判断」を、こういう安くて速い判定層に任せられるか。それはバズではなく、自分のベンチでしか答えが出ない。
kurashi-skillは公開開発中。リポジトリはここ → https://github.com/tahodev/kurashi-skill
なお僕は、この記事を書いている間にもタイムラインでJevの文字を3回見た。騒ぎの渦中に騒ぎの記事を足す自己矛盾は、自覚している。