ChatGPT共同開発者の新Jevモデル、テキストを捨ててAI判断を200倍高速化

ニュース概要

ChatGPTの背後にある研究者の一人が設立したスタートアップが、自然言語を完全にスキップし、テキストの代わりに構造化された確率的判断を返すAIモデルを発表した。初期のテスターによれば、対象とするタスクにおいて、主流の大規模言語モデルよりも劇的に高速かつ安価だという。このモデルはJevと呼ばれ、OpenAIの元研究者で、強化学習による人間のフィードバック（RLHF）の共同発明者として知られるDiogo Almeida氏が立ち上げたTypeSafe AIの製品である。RLHFは、ChatGPTとその後継製品を大規模に実用化した訓練手法として広く評価されている。

TypeSafe AIの発表内容

TypeSafe AIは、2026年9月16日火曜日（米国東部時間）、2年間のステルス活動を経て姿を現し、自社が「System Oneモデル」と呼ぶものを公開した。GPT系の大規模言語モデルのように会話テキストを1トークンずつ生成するのではなく、Jevは他のソフトウェアが直接消費するように設計されている。構造化された入力を受け取り、型付きで確率スコアが付与された出力を返す。例えば、リクエストの分類、レコードのスコアリング、ポリシー違反の検出などを行い、文章は一切生成しない。同社は、Almeida氏が「機械ネイティブなAIに焦点を当てた、AI研究の代替経路」と表現したものを追求するため、4,000万ドルの資金を調達したと述べている。

Jevが従来のLLMと異なる点

Jevは、TypeSafeが「較正された判断のための強化学習（RLCD）」と呼ぶ手法で訓練されており、同社はこれを、現在のほとんどのチャット指向モデルを支えるRLHFおよびRLVR（検証可能な報酬による強化学習）の後継として位置づけている。トークンごとに逐次出力を予測するのではなく、Jevは単一のクエリ内で取り得るすべての出力を並列にサンプリングする。開発者が事前に固定の出力スキーマを定義するため、TypeSafeによれば、このモデルは数学的に不正な結果や「幻覚」を生成しないよう制約されている。与えられたスキーマに適合する値しか返せない。

Almeida氏は、このローンチを、自身が業界に見出しているギャップへの対応として位置づけた。「モデルは何年も前からチャットにおいて人間を超えている。それなのに、自動化はどこにあるのか」。この提案の狙いは、ほとんどのソフトウェアが依然として、リクエストのルーティング、コンテンツの並べ替え、脱獄試行の出力スクリーニングといった判断において、壊れやすい手書きのルールや、遅く高価なLLM呼び出しに依存しているという点にある。TypeSafeは、こうしたタスクは汎用チャットボットよりも専用設計の判断エンジンの方が適していると主張している。

性能と価格の主張

TypeSafeは、Jevがおよそ70～500ミリ秒で応答することを示すベンチマーク比較を公開しており、同社はこれを、同等の構造化判断タスクにおいて最先端のチャットモデルより40～200倍高速だと説明している。あるデモでは、同社はJevに古典的なビデオゲームDoomをプレイさせ、画像の代わりに構造化されたゲーム状態データを与えた。TypeSafeによれば、Jevは約0.114秒で応答し、同じテスト設定での同等の位置づけのOpenAIモデルの約8.566秒と比較された。

価格については、TypeSafeは入力トークンを100万トークンあたり0.042ドルに設定し、出力トークンは無料で提供した。この構造は、会話型LLMに典型的な入力と出力の従量課金制とは対照的だと同社は強調している。TypeSafeは、特定の本番グレードの自動化ワークフローにおいて、Jevが同等の大規模言語モデル手法より約193.6倍高速で444.6倍安価だと主張する社内ワークフロー評価を引用しているが、これらの数値は独立した第三者によるテストではなく、同社自身のベンチマークに基づくものである。

開発者の反応

初期導入者からの反応は際立って熱狂的だった。Vercelのエンジニアは、インフラの一部でOpenAIの会話モデルをJevに置き換えたところ、精度を維持または改善しつつ、5～18倍高速な結果が得られたと報告した。Bryo AIのエンジニアは、JevがGoogleのGeminiファミリーの同等製品より約10～20倍安価であり、さらに、自由記述の応答からシグナルを解析するのではなく、信頼性の高いワークフロー自動化ロジックを構築しやすくする真に較正された確率スコアを提供すると述べた。

発表後の需要は非常に強く、TypeSafeはAPIが一時的に流入トラフィックに追いつけなくなったと述べた。この障害は、計画された容量制約ではなく、開発者の関心の量に直接起因するものだと同社は説明した。

この位置づけが重要な理由

TypeSafeがJevと名付けたのは、19世紀の経済学者William Stanley Jevonsにちなんでいる。彼のパラドックスは、資源の使用コストが下がると、その資源の総消費量は減るどころか増える傾向があるというものだ。Almeida氏はこの考えを引き合いに出し、AIの意思決定が向かう先についての自身のビジョンを説明した。すべてのタスクを処理する少数の非常に大規模な汎用チャットモデルではなく、ソフトウェアインフラ全体に埋め込まれた、多数の小型で高速かつ安価な判断モデルである。「スマートなソフトウェアが、創発的かつ分散的な形で至る所に存在するようになるだろうと考えている」とAlmeida氏は述べ、System Oneモデルを、会話型AI製品を支える大規模言語モデルの代替ではなく補完として位置づけた。

今後の展開

TypeSafeはJevを主にバックエンドおよびインフラの用途向けに位置づけている。モデルルーティング、コンテンツモデレーションと安全性スクリーニング、ワークフロー自動化、大規模データ分類などであり、消費者向けチャットアプリケーションではない。このモデルの出力は、自由記述のテキストではなくスキーマに制約されているため、チャットボットやライティングアシスタントと直接競合することを意図していない。独立した研究者や競合ラボは、TypeSafeの性能主張を裏付ける第三者ベンチマークをまだ公開しておらず、System Oneカテゴリが、TypeSafe自身が強調した用途を超えて、より広範な実世界の本番ワークロード全体でどのように機能するかは、より多くの開発者がこのモデルを本番環境に導入するにつれて明らかになるだろう。