Jev・Clef・d1・Jeff・Kev…意思決定モデル（System One）を仕組みから比較する【2026年10月版】

Last updated at 2026-10-02Posted at 2026-10-02

この記事は2026年10月2日時点の情報です。各社の数値は提供元の公表値で、筆者が追試したものではありません。ベンチマークは誰が測ったかを併記し、測定条件が公開されていないものはその旨を書いています。

要点

意思決定モデル（System One Model）は、文章を生成せず、有限個の候補から選んで確率を返します。状態（state）、質問、選択肢を渡すと、各選択肢の確率が返ります。
形式を示したのは TypeSafe AI の Jev です（2026-09-15に初公開）。Cloudflare の Clef、Liquid AI の d1、Upstage の Solar Decide などが、同じ形式の API を提供しています。
構造は4つに分けられます。内部が非公開のホスト型、27B級のベースに LoRA とヘッドを付けたもの、0.8B〜9B級のベースに付けたもの、エンコーダ型です。
Cloudflare が測った Jev の中央値は524.1msで、TypeSafe AI が示す応答時間の上限500msを超えています。測った人と条件が違う数字は、直接比べられません。
通常のLLMに構造化出力で enum を選ばせる方法でも、候補は有限に絞れます。意思決定モデルとの差は、各候補の確率が返ることと、出力の課金方式です。
特定のモデルに依存しないよう、インターフェースを1つ挟み、確信度が低いときだけ上位のモデルへ回す構成を最後に示します。

比較表

モデル本体を公開しているかどうかで、表を2つに分けました。確認できていない値は「未確認」「未公開」と書いています。

API で使うモデル（モデル本体は非公開）

モデル	提供元	入力	上限	入力の料金
Jev	TypeSafe AI	テキスト	64k	$0.042/MTok
d1	Liquid AI	テキスト	未公開	無料（d1:free）
Solar Decide	Upstage	テキスト	512K	未確認
Decisions API	OpenAI	テキスト・画像（報道）	未公開	未公開

モデル本体を公開しているモデル（手元で動かせる）

モデル	提供元	規模	画像	料金
Clef	Cloudflare	27B	可	$0.24/MTok（Workers AI）
Clef-flash	Cloudflare	9B	可	$0.09/MTok（Workers AI）
Jeff 1	Gestalt Lab	4B	不可	無料（自前で実行）
Jeff	firelex	0.8B〜2B（実効）	不可	無料（自前で実行）
Kev	Jared Palmer	0.8B〜27B	不可	無料（自前で実行）
Laya	Convai	322M〜421M	不可	無料（自前で実行）

表の補足です。

「テキスト」には JSON も含みます。Clef の仕様ページには動画の記載もありますが、詳細は確認できていません。
Jev の64kはリクエスト全体の上限です。state と最も長い1つの質問の合計は32kまでです。
出力は、Jev と Solar Decide が課金なしです。Clef の出力課金は確認できていません。d1 の有料価格は未発表です。
Clef の料金は Workers AI で使う場合です。Clef もモデルのファイルが公開されているので、自前で動かすこともできます。画像は1回に最大4枚です。
「モデル本体を公開」は、学習済みのファイルを誰でもダウンロードできるという意味です。このファイルは学習で調整された数値の集まりで、一般に「重み（ウェイト）」と呼ばれます。Clef と Laya はモデル全体を配布しています。Jeff 1 と Kev の小型版は、公開されているベースモデル（Qwen）に重ねる追加分（LoRA アダプタとヘッド）だけを配布しており、ベースモデルは別に入手します。表の規模はベースモデルを含めた大きさです。Jeff（firelex）の Gemma 版は、実効2B・保存時4.6Bです。6つともライセンスは Apache 2.0 で、商用でも使えます（Jeff（firelex）はコードが MIT）。「無料（自前で実行）」は利用料がかからないという意味で、動かすためのGPUやサーバーの費用は別にかかります。
公開日は、Jev が2026-09-15（初公開。現行は1.13.0）、Kev 1.0 が10-01（日本時間10-02）、Jeff（firelex）が09-28、d1 と Decisions API が09-29（いずれも報道）、Clef が10-01です。Jeff 1 は09-22（報道）で、Solar Decide と Laya は確認できていません。

Jeff は同じ名前で別のプロジェクトが2つあります。この記事では「Jeff 1」と「Jeff（firelex）」と書き分けます。Laya にも、英語版 laya、多言語版 laya-multilingual、特化版 laya-typed-decisions の3つがあります。

意思決定モデルは何を返すのか

通常のLLMで分岐を決めるときは、文章を生成させ、JSON をパースして使います。

{
  "prompt": "次の問い合わせの種別を billing / bug / other のどれかで答えてください。JSONで返してください。",
  "output": "{\"category\": \"billing\"}"
}

出力は文字列です。形式が崩れればパースに失敗しますし、どのくらい自信があるのかも分かりません。

意思決定モデルは、状態と質問を渡すと、選択肢ごとの確率が返ります。以下は Jev の公式ドキュメントのフィールドに沿った例で、値は説明用です。

{
  "model": "jev-latest",
  "state": "問い合わせ本文: 先月の請求額が二重になっています。",
  "questions": {
    "category": {
      "type": "choice",
      "instructions": "問い合わせの種別を選んでください。",
      "criteria": {
        "billing": "料金・請求に関する問い合わせ",
        "bug": "製品の不具合の報告",
        "other": "上記以外"
      }
    }
  }
}

{
  "model": "jev-1.13.0",
  "answers": {
    "category": {
      "type": "choice",
      "choice": "billing",
      "probabilities": { "billing": 0.93, "bug": 0.05, "other": 0.02 },
      "confidence": 0.895
    }
  },
  "usage": { "input_tokens": 120, "output_tokens": 2 }
}

confidence は、選択肢が n 個のとき (pmax − 1/n) / (1 − 1/n) で計算されます（Jev の公式ドキュメント）。この例は n = 3、最大確率 0.93 なので 0.895 です。

出力トークンについては、3つを分けて考える必要があります。

文章を生成しないこと。このカテゴリのモデルに共通します。
出力を課金しないこと。Jev は出力無料、Solar Decide は出力が課金されないと書かれています。
usage.output_tokens が0であること。d1 は常に0ですが、Jev、Kev、Ollama の公式例には0でない値があります。

Jev が決めた形式

TypeSafe AI は2026-09-15に、自社の Jev を System One Model として発表しました。公式ドキュメントでも "the first System One model" と書かれています。現行のバージョンは1.13.0です。

API の形

エンドポイントは POST https://api.typesafe.ai/v1/systemone です。Bearer 認証で、必須の項目は次の3つです。

state: 判断の材料になる状態（文字列、JSON オブジェクト、配列）
model: モデル名。たとえば jev-latest
questions: キーを付けた質問のマップ。各質問に type と instructions を持たせます

1回のリクエストに複数の質問を入れられます。質問の型は noul、choice、score の3種類です。

型	内容	返り値
noul	はい/いいえの確率	`{"type":"noul","noul":0.95}` の形
choice	選択肢から1つ選ぶ	`choice`、`probabilities`、`confidence`
score	順序のあるルーブリック（2〜10段階）	`score`（段階の確率加重平均）、`probabilities`、`confidence`、`legend`

criteria で選択肢の意味を実行時に渡せる

従来の分類器は、ラベルを学習時に固定します。ラベルを増やしたり意味を変えたりするには、再学習が必要でした。

Jev の choice では、criteria に「選択肢名から説明へのマップ」を渡します。説明は文字列のほか、what、not_for、examples などを持つ構造化した形でも渡せます。選択肢の追加や定義の修正が、リクエストの書き換えだけで済みます。

料金と入力の制約

料金は入力 $0.042/MTok（10億トークンあたり $42）で、出力は無料です。
コンテキストは、1リクエスト全体で64kトークンです。ただし、state と最も長い1つの質問の合計は32kまでです。
入力はテキストのみです。文字列、JSON オブジェクト、配列は渡せますが、画像、音声、動画は渡せません。
レート制限は 100,000 tokens/s、40 req/s です。

速度と測定者による違い

TypeSafe AI のブログは、エンドツーエンドの応答時間を70ms〜500msとしています。ブログによれば、公開評価は一般に米国西海岸の自社のノートPCから測っています。ただし、70ms〜500msという範囲に対応する詳細な条件は、確認できていません。

一方、Cloudflare が Clef の発表で示した Jev の中央値は524.1msで、P95 は536.0msです。TypeSafe AI が示す上限の500msを超えています。測った人、場所、条件が違えば、同じモデルでも値が変わるという実例です。Cloudflare は Jev と互換性のある Clef を提供する立場でもあります。

学習手法として RLCD への言及がブログにありますが、詳細は確認できていません。パラメータ数とアーキテクチャは公開されていません。Vercel AI Gateway（/v1/evaluate）と OpenRouter（/api/v1/systemone）でも使えますが、これらは再配信で、公式エンドポイントではありません。

各モデルの解説

Clef / Clef-flash（Cloudflare）

Clef は Jev と API 互換で、エンドポイントとモデル名を変えれば Jev から切り替えられます。モデル本体は Apache 2.0 で公開され、画像を読むエンコーダを備えます。Jev がテキスト入力のみなのに対し、画像を状態として渡せる点を、ブログは差別化点として強調しています。

構造は Cloudflare の公式ブログに書かれています。Clef は Qwen3.8-27B、Clef-flash は Qwen3.5-9B のベースモデルを凍結し、rank-256 の LoRA とルーティングヘッドを一緒に最適化しています。LoRA とは、元のモデルの数値を動かさず、小さな追加の行列だけを学習する方法です。推論では prefill（入力の処理）だけを流してスコアを出します。学習には、label-smoothed cross-entropy と Brier loss を使っています。Brier loss は、予測した確率と正解のずれを測る指標です。

Workers AI のカタログから呼べます。コンテキストは64K、1リクエストあたり最大64質問です。画像は最大4枚で、埋め込み形式のみ（URL 指定は不可）、PNG / JPEG / WebP、1枚4MiB・16MPまでです。入力に動画も使えるとモデルページにはありますが、詳細な仕様は確認できていません。

そのほかに、顧客データで Clef を強化学習ファインチューニングするサービスも案内されています。当面は Cloudflare の forward-deployed engineer が支援し、将来はセルフサーブ化する予定です。

遅延は Cloudflare の自社測定で、ハードウェア、プロンプト長、測定場所などの条件は公開されていません。Cloudflare は43ベンチマークで評価したと記載しています。

モデル	中央値	P95
Clef	209.3 ms	238.6 ms
Clef-flash	38.8 ms	122.4 ms
Jev	524.1 ms	536.0 ms

d1（Liquid AI）

d1 は Jev と同じスキーマのホスト型 API です。公式ドキュメントに "Decision models do not generate tokens" とあり、usage.output_tokens は常に0です。

エンドポイントは POST https://api.liquid.ai/decisions/v1/systemone です。型は noul、choice、score の3つで、noul は 0〜1 の値を返します。choice と score は probabilities と confidence を返し、score は legend も返します。SDK は TypeSafe の typesafe-sdk と @typesafe-ai/sdk をそのまま使えます。無料枠のモデル ID は d1:free です。

モデル本体は公開されていません。ローカル実行用の形式（GGUF、MLX、ONNX）での配布もなく、学習もできません。ローカル版は将来の予定と報じられています。有料の価格は未発表です。

Liquid AI は、Hugging Face の Decision Index で Jev を上回ったと主張しています。これは同社の主張で、公式のベンチ結果ページは確認できていません。

OpenAI Decisions API

2026-09-29の DevDay で発表されたと報じられています。公式ページの内容は、この記事では確認できていません。以下は報道に基づきます。

GPT-6 Luna をベースにしているとの報道です。
選ばれた API 顧客向けの limited preview との報道です。
用途は、有限の回答空間を定義した分類、ルーティング、エージェントの次の一手の判断との報道です。
速度は、発表映像で約150msと主張されたとの報道です。

価格、スキーマ、確率を返すかどうかは、確認できていません。Jev 形式との互換性も確認できていないため、比較表の数値は埋めず、動向として紹介するにとどめます。

Jeff 1（Gestalt Lab）

Gestalt Lab の Jeff 1 は、Qwen3-4B-Instruct-2507 に LoRA アダプタ（Hugging Face の GestaltLabs/Jeff-1）を付け、Jev 形式の noul / choice / score リクエストに応えます。コードとアダプタは Apache 2.0 で、ベースモデル本体は含まれません。TypeSafe AI とは無関係の独立プロジェクトと明記されています。

生成はせず、候補ラベルを言語モデルのトークン確率でスコアします。候補の先頭トークンが異なれば先頭トークンの確率を、そうでなければ全系列のスコアを使います。候補トークンの確率を読む方式ですが、質問ごとに計算するため、1回の処理で全質問が終わる方式ではありません。

評価は作者自身によるものです。9,730件の事実検証データ（FEVER、VitaminC、SciFact、Climate-FEVER）で、次の結果が README に載っています。Macro-F1 は、クラスごとの F1 を平均した指標で、クラスの偏りの影響を抑えます。

	精度	Macro-F1
Jeff 1	81.83%（7,962 / 9,730）	0.7789
Jev 1.13.0	82.83%	0.7994

この数値は事実検証タスクだけのものです。README 自身が、この評価セットを誤り分析にも使っており、未使用のテストセットではないと述べています。

Jeff（firelex）

GIGAZINE が、Jev 互換で約22〜28ミリ秒と紹介したのは、こちらのプロジェクトです。Jeff 1 とは別です。GitHub は firelex/jeff で、Hugging Face では mstrasser/Jeff-* として公開されています。Gestalt Lab との関係は確認できていません。公式の Changelog によると、v1.0の初公開は2026-09-28です。

モデルは Jeff-Qwen3.5-0.8B、Jeff-Qwen3.5-2B、Jeff-Gemma4-E2B（有効2B・保存4.6B）の3つです。コードは MIT、モデル本体は Apache 2.0 です。作者は Denis Yarats の AutoJev レシピ（MIT）に着想を得たと説明しています。LoRA アダプタを差し替えられる HTTP API と、Python・TypeScript のクライアントが付きます。

作者の測定による中央値の遅延は、次のとおりです。

環境	0.8B	2B	E2B
RTX PRO 6000	22ms	24ms	29ms
Apple M4 Max（MLX）	28ms	60ms	未確認
CPU（32スレッド）	463ms	708ms	約1.0秒

精度は5ベンチ（4,599問）で、Jeff が78.7〜81.7%、Jev は公表値で83.0%、AutoJev-27B は84.9%と、作者が報告しています。ただし、Jev や AutoJev の値は、同じベンチマークの別のサンプルで測った値で、作者も条件が違うと明記しています。差を直接比べることはできません。

Kev（Jared Palmer）

Kev は、Jev 互換の /v1/systemone を実装した、サイズ違いのファミリーです。Kev-0.8B、4B、9B は、それぞれ Qwen3.5 の Base モデルに rank-16 の LoRA と pointer head を付けています。Kev-27B だけは Qwen3.8-27B のフルファインチューンで、LoRA ではありません。

pointer head は、各選択肢の末尾トークンの隠れ状態と、質問の最後に置いた判断用トークンの隠れ状態を照合してスコアを出し、softmax で確率にする層です（Kev の公式ドキュメント）。判断用トークンは最後に置かれるため、選択肢の一覧全体を参照できます。1リクエスト内の質問は互いに独立で、相互参照はできません。文書の表現だけが質問間で共有されます。

精度は作者の測定で、評価セットは「New Sources」です。Jev の値は Kev の README が載せている参照値で、dev のみ、test は未測定です。

モデル	精度（dev / test）
Kev-0.8B	0.648 / 0.697
Kev-4B	0.817 / 0.838
Kev-9B	0.820 / 0.852
Kev-27B	0.851 / 0.889
Jev（参照値）	0.857 / 未測定

遅延も作者の測定で、短文、6問、20回の中央値、ネットワーク時間を除く条件です。新規テキスト / キャッシュありの順に、Kev-4B は H100 で 18.1ms / 12.9ms、L40S で 41.5ms / 27.7ms です。Kev-27B は H100 で 75.0ms / 52.0ms ですが、この値は旧チェックポイントのものです。Kev-27B には80GB の GPU か、96〜128GB の Apple Silicon が必要で、後者は作者の見積もりです。ライセンスは Apache 2.0ですが、学習データは別ライセンスです。

Laya（Convai）

Laya は、Jeff や Kev が言語モデルに LoRA やヘッドを足しているのに対し、エンコーダ型です。入力を非自己回帰の単一の順伝播で処理し、トークンを順に生成しません。

公開されているのは3つの版です。

laya: 汎用の英語版です。ModernBERT-large（395M）に、2層の Transformer、選択肢の位置を示すマーカーを使うスコアラー、行動してよいかのスコア（act_probability）を出す act / escalate ヘッドを足した計421Mです。ただし公式のモデルカードは、このスコアはほぼすべての入力で1.0になり、現状では判断に使える信号を持たないとしています。確信度（confidence）で判定するよう案内しています。コンテキストは512です。
laya-multilingual: mmBERT-base の322Mで、100言語以上に対応します。コンテキストは既定1,024で、8,192まで拡張できます。
laya-typed-decisions: 特定のタスク向けにファインチューニングした版で、コンテキストは1,024です。汎用向けではないと作者自身が警告しています。

特化版の数値は、4つの合成ワークフローで精度0.766、Brier 0.062、ECE 0.213です。ECE は、予測した確信度と実際の正答率のずれを測る指標で、小さいほど確率が正直です。選択肢が多いタスク（Banking77）では0.425という結果もモデルカードにあります。多言語版は確率の較正をしておらず、過信する傾向があると作者が書いています。

Laya には laya-serve というサーバーがあり、Jev と同じ要求・応答の形で /v1/systemone を提供します。TypeSafe のクライアントは接続先を変えるだけで使えると、公式のモデルカードに書かれています。

遅延の数字は、測った人ごとに条件が違います。

Cloudflare の測定: 5.8ms（条件は未公開）
Convai の記載: 約33ms（GPU、単一クエリ）
公式モデルカード（laya）の Tesla T4 での記載: 421M が39.5ms、322M が32.8ms

5.8msと33msは、測った人も条件も違うため、直接は比べられません。なお、Cloudflare は Laya を、非常に速い一方で、ベンチマークの品質は犠牲にしていると記述しています。

Solar Decide（Upstage）

Solar Decide はコンテキストが512Kで、Jev と Clef の64Kの8倍です。長い文書全体を state として渡せます。

POST /v1/systemone 互換で、モデル名は solar-decide のみです。choice は2〜26択で、A〜Z の単一トークンのラベルのロジット（出力前のスコア）から判断を読むと、公式のページに書かれています。

ベータ版で、GA 前にスキーマが変わる可能性があります。出力トークンは課金されませんが、入力単価、公開日、ベンチマークは確認できていません。

構造で4つに分ける

仕組みの違いで分けると、次のようになります。この分類は筆者の整理で、各社の区分ではありません。

分類	代表	公開されている構造	実行形態
A 内部が非公開のホスト型	Jev、d1、Solar Decide	Solar Decide はラベルのロジットを読む。ほかは非公開	API のみ
B 27B級ベース + LoRA / ヘッド	Clef（rank-256 LoRA + ルーティングヘッド）、Kev-27B（フルファインチューン）	Clef は Qwen3.8-27B を凍結	本体公開。Clef は Workers AI でも提供
C 0.8B〜9B級ベース + LoRA / ヘッド	Clef-flash（9B）、Jeff 1（4B）、Jeff（firelex）、Kev 0.8B〜9B	ベースを Qwen3.5 など	本体公開。ローカルで実行できる
D エンコーダ型	Laya	非自己回帰の単一の順伝播	本体公開。ローカルで実行できる

C の遅延は、GPU では数十msの値が作者から報告されています。CPU では Jeff（firelex）が463ms〜約1.0秒でした。Clef の構造が公開されたため、「Clef は大型ベースに LoRA とヘッドを付けたもの」と「Clef-flash は小型寄りのベースに同じ手法を使ったもの」は、規模の違いだけで同じ手法の仲間として並べています。Solar Decide は、ラベルの読み方だけが公開で、モデルの規模と学習方法は未公開です。

通常のLLM + 構造化出力との違い

AI SDK の generateObject に zod の enum を渡す方法でも、有限個の候補から1つを選ばせられます。以下は擬似コードで、実行確認はしていません。AI SDK のバージョンによって引数や名前が違う場合があります。

import { generateObject } from "ai";
import { z } from "zod";

const { object } = await generateObject({
  model, // 任意のLLM
  schema: z.object({ category: z.enum(["billing", "bug", "other"]) }),
  prompt: "問い合わせ本文: 先月の請求額が二重になっています。",
});
// object.category === "billing"

結果は1つの値です。以下は仕組みから導いた筆者の見立てで、同条件で実測した結果ではありません。

観点	意思決定モデル	LLM + 構造化出力
候補を有限に絞る	可能	可能（enum への制約・検証）
確率	選択肢ごとに返る	通常は返らない（一部の API は出力トークンの確率を取れる）
候補の定義	リクエストごとに `criteria` で渡せる	プロンプトや schema で渡せる
出力トークン	d1 は常に0。Jev、Kev、Ollama は0でない例がある	回答の生成にトークンを使う
出力の課金	Jev は無料、Solar Decide は課金されない。d1 の有料価格は未発表、Clef は未確認	一般にトークンごとに課金される
入力長の上限	Jev は state と最長の1質問で32k、Laya 英語版は512	使うLLMのコンテキスト長

エージェントの中での使いどころ

ループの中では、次のツールの選択や、直前の呼び出しが成功したかの判定のような、有限候補の判断が繰り返し出ます。ここに意思決定モデルを使うと、判断ごとに確率が手に入ります。

たとえば、1回のタスクで30回判断するとします。Cloudflare が公表した中央値を単純に掛けると、次のとおりです。

モデル	中央値	30回分の合計
Jev	524.1ms	約15.7秒
Clef	209.3ms	約6.3秒
Clef-flash	38.8ms	約1.2秒

これは Cloudflare 公表の中央値を単純に掛けた試算で、ネットワーク条件などは考慮していません。通常のLLMとの比較ではなく、この3つの間の差を見るための数字です。1つのリクエストに複数の質問を入れられるので、判断の回数を減らせる場合もあります。

3層構成の見立て

エージェントを、推論モデル、意思決定モデル、決定的なコード、ツールの順につなぐ構成を、筆者は考えています。設計の見立てで、各社が推奨する構成ではありません。

意思決定モデルの出力は確率なので、決定的なコード側で「確信度がしきい値を下回ったらツールを実行しない」と書けます。ただし、confidence の意味はモデルごとに違い得ます。次の節で述べるとおり、しきい値はモデルごとに決める必要があります。

選び方

状況	候補	理由と注意
すでに Cloudflare を使っている	Clef / Clef-flash	Workers AI から呼べ、Jev 互換。遅延は Cloudflare の自社測定
まず基準の API として試したい	Jev	形式を示したモデル。state と最長の1質問は32kまで。料金は公開されている
ローカルで動かし、自分で調整したい	Jeff 1、Jeff（firelex）、Kev	モデル本体が公開されている。Jeff（firelex）は LoRA アダプタの差し替えに対応。精度は作者の自己評価
エンコーダ型を試したい	Laya	英語版、多言語版、特化版の3つ。特化版は汎用向けではない。`laya-serve` で `/v1/systemone` 互換のサーバーを立てられる
長い文書を丸ごと渡したい	Solar Decide	512K。ベータでスキーマが変わりうる
画像を判断に使いたい	Clef / Clef-flash	最大4枚。Jev はテキストのみ。OpenAI は報道では画像入力に対応

Strands Decider 2B という名前の AWS 関連モデルが、報道では存在するとされています。AWS 公式、Hugging Face、GitHub では確認できていないため、比較に含めません。

特定のモデルに依存しない設計

/v1/systemone 形式が共通なので、呼び出し側にインターフェースを1つ置くと、モデルを入れ替えやすくなります。以下は考え方を示す短い例です。

type Choice<T extends string> = {
  choice: T;
  probabilities: Record<T, number>;
  confidence: number;
};

interface DecisionProvider {
  choose<T extends string>(
    state: string,
    criteria: Record<T, string>,
  ): Promise<Choice<T>>;
}

Jev、Clef、d1、Kev、Jeff をこのインターフェースの実装として包みます。エンドポイントと認証だけが違う /v1/systemone 互換のモデルなら、1つの実装を共有できる場合もあります。Laya も laya-serve を使えば、同じ実装に載せられます。

確信度が低いときだけ上位のモデルへ回す

確信度が低い判断だけを、上位のモデルで処理し直す構成です。

Jev の confidence は、前述の式で選択肢数を踏まえて正規化された値です。ほかのモデルが同じ意味とは限りません。たとえば Laya の多言語版は、確率の較正をしておらず、過信する傾向があると作者が書いています。しきい値を決める前に、手元のデータで確信度と正答率の関係を測ってみてください。

ローカルで試す

ローカルで動かす手段として、Ollama 本体と Ollaya があります。名前が似ていますが、別のものです。

Ollama 本体は、公式ブログ（2026-09-29）で決定モデルへの対応を発表しました。0.35 から対応しています。モデルは Nimble（Bespoke Labs）、Tev1（Together AI）、Tev1:0.8b で、ローカルの /v1/systemone で呼べます。choice は2〜26択です。今後 MLX に対応する予定です。
Ollaya は、Mert Cobanov 氏によるオープンソース（Apache 2.0）のランタイムです。Ollama および TypeSafe とは無関係と自称しています。localhost:11435 で、独自の /api/decide と TypeSafe 互換の /v1/* を提供します。winnow、laya、kev、decider、nli、qwen3guard など16のモデルファミリーに対応し、Windows、macOS、Linux で動きます。選択肢は最大255です。

Ollaya の性能の数字（laya が CPU で約10ms など）は、Ollaya の公式サイトの記載で、第三者の測定ではありません。

まとめ

意思決定モデルは、状態、質問、選択肢を渡すと、各選択肢の確率を返します。文章は生成しません。
Jev が形式を示し、Clef、d1、Solar Decide が同じ形式の API を提供しています。Clef と Clef-flash、Jeff 1、Jeff（firelex）、Kev は、ベースモデルに LoRA やヘッドを付けた構造で、Laya はエンコーダ型です。
Cloudflare が測った Jev の中央値524.1msは、TypeSafe AI の示す上限500msを超えています。Laya の5.8msとConvai の約33msも、測定者が違います。
構造化出力でも候補は有限に絞れます。意思決定モデルとの違いは、各候補の確率が返ることと、出力の課金方式です。
呼び出し側にインターフェースを置き、確信度が低いときだけ上位のモデルへ回す構成を示しました。confidence の意味とモデルごとの較正は、しきい値を決める前に確認が必要です。

出典

公式ページ（提供元のドキュメント、ブログ、リポジトリ）です。

報道（公式ページで確認できなかった内容）の出典です。

You get articles that match your needs
You can efficiently read back useful information
You can use dark theme

What you can do with signing up