JEV AI、
開発者のための事例集

この JEV AI 事例集について

Jev が公開されたのは 2026 年 9 月 15 日。そのあと最初に押し寄せてきたのは Jev の論評ではなく、Jev のデモ動画だった。4 日のうちに 181 人の開発者が 202 本の公開動画を投げ、そのどれもが Jev が具体的に何かをしている映像だった。Jev がエミュレータの生の状態からスーパーマリオを進める。ブラウザエージェントを操って 7 秒で航空券を検索し終える。配信中の広告 724 本を 40 秒で分解する。論文 1000 本を 8 セントで分類する。

この Jev AI 事例集はそれらを一か所にまとめ、その後に出てきたオープンソースの Jev プロジェクトも拾い続けている。こういうものが必要になるのは、Jev AI が文章では異様に伝わりにくいモデルだからだ。Jev の説明はどれも「Jev にできないこと」から始めざるを得ないし、「テキストではなく型のついた判断を返すモデル」という一段落より、40 秒の動画を見るほうが圧倒的に早い。

この Jev AI 事例集にあるものはすべて他人の仕事で、作者名と元投稿へのリンクがついている。こちらが足しているのは三つだけ —— Jev の事例を集めること、分類すること、そして Jev の数字を正直に読むこと。TypeSafe 自身の宣伝が前面に出さない数字も含めて、そのまま置いてある。

JEV AI とは何か、一段落で

Jev AI というのは、TypeSafe AI が出した Jev というモデルのコミュニティでの呼び方だ。Jev は文章を書かない。プログラムの状態と、答えの候補をこちらがあらかじめ固定した質問を渡すと、Jev はその候補の中から一つを選んで返す。添えられるのは較正された確率で、所要時間はおおむね 70〜500 ミリ秒、入力 100 万トークンあたり 0.042 ドル、出力は無料。質問の型はちょうど三つ —— Choice、Score、Noul —— で、しかも一回のリクエストに入れた質問は、トークンを一つずつ吐くのではなく、まとめて同時に解かれる。

この制約こそが Jev という製品そのものだ。Jev は書けないから、壊れた JSON を出すことも、存在しない列挙値をでっち上げることもないし、そもそもパーサーが要らない。Jev はトークンを生成しないから、生成にかかる時間と金も払わない。そして TypeSafe が較正そのものを目標に訓練しているから、Jev の答えについてくる確信度は、コード側が本当にしきい値を置ける数字になっている。

Jev AI とは何か、最初から順に読む →

この JEV AI 事例集が JEV の代わりに言わないこと

Jev AI は、手に入るモデルの中で一番精度が高いわけではない。TypeSafe 自身の 711 ケースのベンチマークで Jev は 67.8%。GPT-5.6 Terra と並び、GPT-5.6 Sol と Opus 5 には 5〜6 ポイント届いていない。よく引用される Jev の「193.6 倍速い」「444.6 倍安い」という数字は、録画された Doom のデモ 1 本から出たもので、このベンチマークの数字ではない。

Jev はハルシネーションを起こさない、という言い方は正しいが、意味はかなり狭い。Jev に渡していない選択肢を返せない、というだけだ。Jev が高い確信度で堂々と間違えることは普通にあるし、間違えた理由は何も教えてくれない。Jev の第三者による独立評価はまだないし、重みも公開されていない。しかもあの精度が測っているのは、モデルが生成した参照解との一致率であって、客観的な正しさではない。

そして Jev は書けない。Jev は返信も、要約も、ツール呼び出しの引数さえも組み立てられない。最終的に文章を出すワークフローには、やはりテキストモデルが要る。この事例集に入っている出来のいい Jev 連携は、だいたい二つのモデルを並走させている。

開発者は JEV AI を実際どこに使っているか

Jev のデモの分布は均一ではなく、その偏りそのものが情報になっている。Jev の事例でいちばん厚いのはブラウザとエージェントの自動化だ。次の一手を Jev が決め、実際に文字を打つ必要が出たときだけ普通のモデルを呼ぶ。Browser Use の超高速エージェントが Google Flights の検索を約 7 秒で終わらせたのもこの形で、この桁の数字が出てくると「リクエストの経路に判断を置いていいか」という判断自体が変わる。

二番目はゲームで、Jev のように視覚を持たないモデルにしては意外なほど厚い。だがそこが肝心で、これらのエージェントは画面を見ていない。構造化されたエミュレータの状態を読み、どの操作を取るかを Jev に聞いている。スーパーマリオ、Celeste、サブウェイサーファーズ、チェス、ブラウザ上の FPS、そして画面内のタイルごとに「床・ボタン・無視」を判断させる Doom エージェント。遅延がいちばん目に見える場所だから、ゲームが Jev の公開テストの場になった。

その次に来るのは地味だが、Jev がたぶん本当に金になるほうだ。コードレビューのゲート —— 高いモデルに読ませる前に、危ないディフを Jev に拾わせる。コーディングエージェントのコンテキスト圧縮 —— どのツール出力がまだ効いているかを Jev に判断させ、残りはそのまま捨てる。Jev による文書分類は論文 1000 本で 8 セント。さらにリードスコアリング、請求書の抽出、コンテンツモデレーション、RAG の段落フィルタ、引用の裏取りと続く。

そして誰も予想していなかった Jev のロングテールがある。高レベルの判断を Jev に任せ、安定はフライトコントローラに任せるドローン制御。次にどの辺をたどるかを毎回 Jev に聞くナレッジグラフの探索。Monad のテストネット上で、1 判断 81 ミリ秒で売り買いを決めるトレーディングボット。

JEV AI をどう使い始めるか

TypeSafe の Jev AI API は 2026 年 9 月 20 日に全面開放された。最初の 5 日間を塞いでいた順番待ちはもうない。公開から 36 時間で約 14 万人を通したが、その勢いに 1 週間ももたなかった形だ。いま console.typesafe.ai でアカウントを作ると 5 ドル分のクレジットが付く。公表価格なら入力 1 億 2000 万トークンぶんにあたる。アカウントをもう一つ増やしたくないなら、同じ価格で Jev を出しているゲートウェイもある。Vercel の AI Gateway は AI SDK の experimental evaluate 経由で typesafe-ai/jev として公開しているし、Cloudflare Workers AI と OpenRouter でも Jev は使える。

クライアント側の Jev 公式 SDK は Python が typesafe-sdk、JavaScript が @typesafe-ai/sdk。LangChain には TypeSafeClassifier を含む langchain-typesafe があり、Pydantic AI は Jev をネイティブに扱える。さらに Jev の判断をツールとして Claude Code や Codex のようなコーディングエージェントに渡す MCP サーバーも、すでに複数出ている。

開設時のクレジットを使い切れば、Jev にはどの経路にも無料枠はなく、呼び出すたびに普通に課金される。とはいえ入力 100 万トークンで 0.042 ドルなので、本番規模に届くまでは端数のような額だ。