Jev登場。ChatGPTの生みの親が作った「しゃべらないAI」、GPT-5.6 Terra級の判断を桁違いの速さと安さで

僕はあるポストを見て、二度見しちゃったんだよね🤔 ChatGPTの生みの親と呼ばれる人が、新しいAIモデル「Jev」を発表したって話。 しかも中身を見ると、GPT-5.6 Terra級の判断を、ケタ違いの速さと安さで返してくるらしいんだ。

そのポストの主は、Diogo Almeidaさん。 ChatGPTの土台になった技術、RLHF（人間のフィードバックによる強化学習）を作ったメンバーの一人なんだよ。 2年間のステルス期間を経て、9月15日にこのJevを世に出したんだ。 面白いのは、Jevが文章を生成しない設計になっていること。 チャット型のAIとはまるで逆方向に振り切ってるんだよね。

実はこの前、GPT-5.6の値下げについて記事を書いたばかりだったんだけど、今回のJevの発表資料の中で、性能比較の相手としてまさにGPT-5.6 Terraの名前が挙がっていた。 ちゃんと追いかけていると、話がこうやって繋がるんだね✨

そのJevが何者で、何がそんなに違うのか。 順番に見ていこうと思う💡

何が起きたか

Diogo Almeidaさんが率いる新興AIラボ「TypeSafe AI」が、9月15日（現地時間）に最初のプロダクトモデル「Jev」を発表した。 早期アクセス（early access）という形での公開だよ。 公式ブログでAlmeidaさん本人が、なぜ超人的なチャットモデルが登場したのに、AGIに繋がらないんだろうってずっと考え続けていたと明かしてる。

🔍 作ったのは、ChatGPTの土台を作った人

Almeidaさんの経歴がまず面白い。 OpenAIで「InstructGPT」という論文の共著者として、人間のフィードバックをもとにAIを訓練する手法、RLHFの基礎づくりに関わった人物なんだ。 つまりChatGPTが人の指示にちゃんと従うようになった、その裏側の技術を作ったチームの一人ということ。 自分では「co-inventor of ChatGPT」って名乗ってるくらいだから、相当な自負があるんだと思う😏 そのAlmeidaさんが2024年にOpenAIを離れて、2年間のステルス期間を経てたどり着いたのが、今回のJevなんだ。

💡 名前の由来に、発見があった

「System One」という名前は、心理学者ダニエル・カーネマンの『ファスト＆スロー』から来てるらしい。 直感的で速い「システム1」の思考と、じっくり考える「システム2」の思考、あの対比だね。 Jevという名前の由来も気が利いてる。 19世紀の経済学者ウィリアム・スタンレー・ジェヴォンズから取ったらしい。 蒸気機関の効率が上がったことで、逆に石炭の消費量は増えた。 効率化が需要を生む、そんな現象を指す「ジェヴォンズのパラドックス」を由来にしてるんだ。 知能のコストが一段安くなるたびに、使われる場面はむしろ増えていく。 TypeSafeはそう見込んでるみたいだよ。

TypeSafe公式のブログ記事に、Almeidaさん本人の言葉でこの経緯が詳しく書かれてる。

何が変わるか

Jevの何が違うかというと、答えの出し方がそもそも別物なんだ。 普通のLLMは、文章を一語ずつ順番に生成していくんだよね。 だからこそ表現力はあるんだけど、その分時間もお金もかかってしまう。 Jevはそこを思い切って捨てたんだ。 文字列を生成する代わりに、あらかじめ決めた形式の答え（数値や確率、カテゴリなど）を、全部まとめて並列で出すんだよ⚡

📌 数字で見る、これだけの差

具体的な数字を並べてみると、その差がよくわかる。

• 応答速度：フロンティアLLMが3秒〜329秒かかるのに対し、Jevは70ミリ秒〜500ミリ秒

• コスト：LLMの入力は100万トークンあたり0.20〜10ドル、出力はさらにその5倍前後。Jevは入力が0.042ドルで、出力は無料

• 自社のワークフロー評価では、最大193.6倍速く、444.6倍安くなった例もあるらしい

もちろんこれはTypeSafe自身が発表してる数字だから、そのまま鵜呑みにはできない。 それでも、桁がひとつやふたつ違うのは伝わってくるよね。

🔧 「型を外さない」という発想

もうひとつ大事なのが、ハルシネーションが原理的に起きない設計になっていること。 LLMは自由に文章を生成できる分、事実と違うことを言ったり、指定した形式を無視したりすることがある。 Jevは型が外れることは原理的に起こらないという作りになってるんだ。 TypeSafe自身も、これは実験で確かめるようなことではなく、数学的に保証されているんだと説明しているんだよね。 そのかわり、Jevは文章の意味を説明したり、複雑な理由づけをしたりするのは苦手みたいだ。 できることをあえて絞って、その中では絶対に外さない。 そういう割り切り方だと思う。

どう使えるか

💬 具体例：怒っているお客さんを判定する

Every.toというメディアの記者が実際に触ってみたレビューが、イメージを掴むのにちょうどいい。

たとえばカスタマーサポートの自動振り分けを作るとするよね。 コードの中からJevに「このお客さん、怒ってる？」って聞くとする。 Jevは0.9みたいな確率を数値で返してくる。 つまり9割方、怒ってそうだっていう判断なんだ。 0.9という答えが返ってきたら、コードは自動でその問い合わせを上司にエスカレーションすればいい。 0.1なら、優先度を下げて後回しにする、それだけでいい🙆‍♂️ これ、普通のチャットボットだと逆にやりにくいんだよね。 怒っているかどうかを聞いても、長々とした丁寧な相槌と提案文が返ってくるだけで、プログラムが期待してる0か1かの数字にはならない。 そのままだと処理が落ちてしまうんだ。

🚀 他にもこんな使い方が広がってる

Doomというシューティングゲームを動かすデモとか、Wikipediaのリンクだけを辿って目的のページに向かう「Wikiレース」のデモとか、TypeSafeは遊び心のある実験もいろいろ公開してた。 実用面で言うと、大量のデータをさばく用途に強そうな気がするんだよね。 たとえば、AIエージェントが出した結果を裏側でひたすらチェックし続ける検証役とか、ワークフローの分岐先を決める「if文の代わり」みたいな使い方だね。 リアルタイム性が求められるアプリ、たとえばUXがシビアなプロダクトの裏側にも向いてるらしい。 ただし本人たちも認めてるとおり、まだアーリーアクセス段階。 公開されているベンチマークも自社評価が中心だから、そこは割り引いて見る必要があると思う。

Miccellの視点

ここまで調べてみて、僕が一番面白いと思ったのは、Jevが賢いAIを目指してないってところなんだ。 むしろ逆。 できることをわざと減らして、その代わり圧倒的な速さと安さを手に入れてる。

僕は普段、システムを組み合わせて自動化を作るのが好きなタイプなんだけど、この発想はすごく腑に落ちるものがあった✨ 得意なことだけをやる部品をたくさん繋いだほうが強い仕組みになる、そう思う。 そういう考え方、僕自身も仕事でよくやるんだよね。

たとえば大きなLLMに全体の計画を立てさせて、実際の細かい判断、このデータは正しいか、この処理は次に進めていいか、みたいな部分はJevのような専用モデルに任せる。 そんな役割分担ができれば🤝、コストを抑えながらAIエージェントを大量に走らせることができるようになるはずなんだ。

今の生成AIの話題って、どうしても次はどのモデルが一番賢いかっていう軸で語られがちなんだよね。 Jevはそこに、判断の速さとコストという、また別の軸を持ち込んできた印象がある。 ChatGPTを生み出した張本人が、チャットという形そのものを手放しにいった。 このねじれ方が、個人的にはすごく効いてるんだよね。

まだアーリーアクセスだから、実際にどこまで実用に耐えるかは未知数な部分も多い。 それでも、AIを会話する相手としてだけじゃなく、仕組みの中の一部品として使う発想は、これからもっと広がっていく気がする。

まとめ

Jevは、文章を生成しない代わりに、圧倒的な速さと安さで判断を返す新しいタイプのAIモデルだったんだ。 ChatGPTの基礎技術を作った本人が、あえてチャットの外側に活路を見出したっていうのも、話としてすごく象徴的だと思う。

もし自分の中に、コストが見合わなくて諦めた自動化のアイデアがあるなら、それはJevのような専用モデルの登場でまた現実的になるかもしれない。 一度捨てたプロンプトや処理フローがあれば、消さずに取っておくのも悪くない気がする。

今後、公開ベンチマークや実際の導入事例がもっと増えてくるはずだから、そのあたりも追いかけていきたいと思う🎯

Miccell - 判断の速さで勝負するAIも悪くない

#AI #生成AI #ChatGPT #OpenAI #テクノロジー #AIニュース #自動化 #ワークフロー #スタートアップ #Jev #TypeSafeAI #SystemOneModel