「このログ、問題ある？」とClaudeに聞くたびに、数秒待たされてトークンも減っていきます。
私はブログの投稿と分析をClaude Codeで自動化していて、判断だけしてほしい場面の重さがずっと引っかかっていました。
2026年9月15日に早期提供が始まったTypeSafe Jevは、文章を書かず、選択肢と確率だけを返すAIです。料金は入力100万トークンあたり0.042ドルで、出力は無料。応答は70〜500ミリ秒です。
ChatGPTやClaudeのような大規模言語モデル（LLM）の代わりではなく、LLMの前後に置く判断部品として使います。
この記事でわかること
- Jevの入出力と、ChoiceとScoreとNoulの3つの質問形式
- 料金は入力100万トークンあたり0.042ドル、出力は無料
- LLMとの違いと、Claude Haiku 4.5に負けた第三者検証
- Jevの始め方と、curlやSDKで送る最初のリクエスト
- 活用5パターンと、JavaのHttpClientから呼ぶコード
- 向かない仕事と、失敗しやすい落とし穴
情報は2026年9月19日時点で、公式ドキュメントと公開記事から確認できた範囲です。早期アクセス中のため、価格やモデル名、制限は変わる可能性があります。
PARTS LIST ／目次
Jevとは？文章を書かず「判断」だけ返すAI
Jevとは、TypeSafe AIが2026年9月15日に早期提供を始めた、文章を生成せず型付きの判断だけを返すAIモデルです。
ChatGPTやClaudeが返すのは文章で、読み取るのは人かプログラムの側です。
Jevは最初から、プログラムが扱える値で返します。カテゴリ名、Yes/Noの確率、段階評価の位置といった形です。
TypeSafeはJevのようなモデルを「System One Model」と呼んでいます。
名前は、ダニエル・カーネマンが『ファスト&スロー』で広めた「システム1」、つまり速くて直観的な思考に由来します。
入力は「状態」と「質問」の2つだけ
Jevに渡すのは、判断の材料になる文章（状態）と、答え方を決めた質問の2つです。
たとえば、次の問い合わせが届いたとします。
売上金の振り込みが3日間ずっと失敗しています。助けてください！
この1通に対して、次の3つを同時に聞けます。
3つの答えは、1回のリクエストでまとめて返ってきます。値はCloudflareが載せているJevのドキュメントの例のままです。
確信度（confidence）は、判定ごとにJevが付ける「どこまで信用してよいか」の目安です。部署は0.8、苛立ちは0.94でした。
確率と確信度は別の値です。部署の例では、請求の確率が0.87、確信度が0.8で、同じ数字にはなりません。
Choice・Score・Noulの3つの質問形式
質問の型は3つだけです。先ほどの例で使った3つが、そのまま全種類です。
Noulは、Yes/Noを聞く型の名前です。
Scoreは、0〜100点のような細かい点数ではなく、最大10段階の目盛りです。緊急度を100点満点で出したい場合は、質問側で段階を10以内に切り直します。
Jevの料金は？入力100万トークン0.042ドル
料金は入力100万トークンあたり0.042ドル、出力トークンは無料です。
トークンは、AIが文章を数える単位です。
公式サイト（typesafe.ai）の表記は「10億入力トークンあたり42ドル」で、100万トークンに直すと0.042ドルです。
利用回数ごとの料金の目安
1,000トークンの判定なら1回あたり約0.000042ドル。1万回回しても約0.42ドルです。
出力は無料なので、質問を増やして返る値が増えても、料金は状態と質問の入力分だけで決まります。
無料枠と利用上限、入口ごとの料金確認
無料枠や初回クレジットの有無は、2026年9月24日時点で公式サイトに記載を確認できませんでした。請求条件は、コンソールで確認してから使い始めてください。
1回のリクエストに渡せる量と、レート制限は次のとおりです。
TypeSafe以外の入口では、料金の確認先が変わります。Cloudflare経由の価格はCloudflareのダッシュボードで確認します。OpenRouter経由は、入力トークンのみ課金で出力は無料と案内されています。詳しくは後述の「Jevの始め方」で入口ごとに整理しています。
LLMとJevの違いは？速度・コスト・確信度で比較
Jevが変えるのは判断の賢さではなく、判断1回あたりの速度とコスト、確信度の返り方です。
私が最初に気になったのは、Jevが安いだけのLLMなのか、それとも別物なのか、でした。
答えは、別物です。LLMには無い性質がひとつあります。
応答は70〜500ミリ秒、出力は無料
LLMとJevの違いは、返すものと課金の形に出ます。
参考までに、Claude Haiku 4.5の入力単価は100万トークンあたり1ドルです。Jevの単価は、その約24分の1にあたります。
確信度が返ることで何が変わるか
LLMにない性質は、判断ごとに確信度が返ってくる点です。
primeline.ccの検証では、公開データセットでJevを試しています。
確信度0.9以上に絞ると精度は92%（全体の73%が該当）、0.8未満では約50%でした。
確信度が高い判断だけを自動処理し、低い判断は人かLLMに回す運用が成り立ちます。
同じ検証では、確信度が最も当てになるのはYes/No、最も当てにしにくいのは段階評価でした。私なら迷ったときは、Yes/Noの質問（Noul）へ割って複数並べます。
Claude Haikuに負けた検証結果も
Jevが常に勝つわけではありません。同じ検証は、実務寄りの2つのタスクでClaude Haiku 4.5とも比べています。
コミットメッセージの分類ではJevが、知識ベースの項目の分類ではHaikuが上回りました。タスクの性質で勝ち負けが入れ替わります。
検証の私は、同じ分類結果ならどのLLMでもJSONで得られるが、確信度は得られないと結論づけています。
ただし1人の第三者による検証で、追試は確認できていません。だからこそ、手元のデータで試す価値があります。
Jevの活用法5パターンと公開事例
活用先は、判断を1つずつ切り出せる場所に集まります。
Qiitaの調査記事によると、発表から2日でJev関連のGitHubリポジトリは300件を超えました。
マリオに五目並べに取引ボットと、発表2日とは思えない賑わいです。
事例は発表直後の実験や個人プロジェクトが中心で、本番運用の実績はまだ確認できません。
問い合わせを自動で振り分ける使い方
最も素直な用途は問い合わせの仕分けです。
開発者向けガイドの例では、二重請求を訴えるチケットに、担当部署（Choice）、顧客の苛立ち（Score）、返金の要望（Noul）を1回のリクエストで聞いています。
Javaでいえば、キーワードのcontainsで分岐するif / else ifの羅列を、型付きの判定1回に置き換える発想です。
「返金」を含むかどうかで分けるルールは、表記ゆれが出るたびに条件が増えていきます。
LLM呼び出し前に判断を絞るゲート
ゲートは、LLMを呼ぶ前に通す関所です。
巨大なログを毎回Claudeに渡して「重大な問題はある？」と聞く代わりに、先にJevへ「問題の疑いがあるか」（Noul）だけを聞きます。
疑いが低ければそこで終了。高いとき、または判断がつかないときだけLLMを呼びます。
見込める効果は、入力単価がHaiku 4.5の約24分の1で、応答の中央値が約100ミリ秒である点です。
代わりに、Jevが問題を見逃すリスクを引き受けます。見逃しが許されない用途では、Jevが「問題なし」と答える条件を、noulの値がより低いものに絞り、残りはLLMへ流します。
ツール実行前の安全確認（ガードレール）
公式はJevの用途に、検証、判定、ガードレール（AIの暴走を防ぐ安全策）を挙げています。
Claude Codeのようなエージェントがrm -rfを実行する直前に、コマンドの危険度を「安全」「注意」「危険」から選ばせる案です。Claude Codeなら、ツール実行前に処理を差し込めるhooksから呼ぶ形になります。
ただ、Jevを最後の砦にはしません。開発者向け解説は、失敗しやすいパターンのひとつに敵対的な文章への弱さを挙げています。
削除系のコマンドは正規表現などの決まったルールで先に弾き、Jevにはルールをすり抜けるグレーな範囲の最初の判定だけを任せます。
大量データの分類とルーティング
件数が増えるほど、単価の低さが効いてきます。
Qiitaの調査記事が紹介するX上の報告では、AI論文1,018本の分類が合計0.08ドルでした。
同記事のフィッシング判定の比較テストでは、Jev単独の判定は精度62.6%、5つの信号を合成すると95.1%でした。
切り口の違う質問を複数投げて合成する設計が効く実例です。
ゲームAIなどリアルタイム判断
公式のDOOMデモは、秒間10クエリで約7ドル/時間のコストと説明されています。
1時間で36,000回の判断なので、1回あたり約0.0002ドルです。判断1回が安く速いと、遊びの実験も増えます。
ただ、ゲームの判断すべてをJevに任せる設計には疑問があります。
ぶっちゃけ、HPや弾薬の残数のように数値のしきい値で決まる判断は、Javaのif文のほうが確実で速い。
Jevは計算が苦手なので、なおさらです。
Jevに渡すのは、「敵に囲まれていて危険か」のように、数値だけでは割り切りにくい状況の読み取りに絞るのが妥当です。
Jevの始め方｜APIキー取得からクイックスタートまで
2026年9月24日時点で、Jevの入口は6系統です。ブラウザで試すプレイグラウンド、REST API、SDK、公式スキル、Cloudflare経由、OpenRouter経由です。
Cloudflare経由とOpenRouter経由を除き、最初にコンソールでログインします。APIキーが必要なのは、REST APIとSDKです。
Cloudflare経由では、モデルIDはtypesafe/jev、コンテキストは32,000トークンです。価格は、Cloudflareのダッシュボードで確認します。
OpenRouter経由では、モデルIDはtypesafe/jev-1.13（別名~typesafe/jev-latest）で、コンテキストは同じく32,000トークンです。OpenRouterの公式ガイドによると、入力トークンのみ課金で出力は無料。認証にはOpenRouterのAPIキーを使います。
Step1 コンソールにログインしてAPIキーを発行する
コンソール（console.typesafe.ai）を開き、Googleアカウントか、メールで届くコードでログインします。
ログインを続けると、利用規約とプライバシーポリシーに同意したことになります。
APIキーは、キー画面（console.typesafe.ai/keys）で発行します。
SDKは環境変数TYPESAFE_API_KEYを自動で読むため、発行したキーはここに設定しておきます。
export TYPESAFE_API_KEY="発行したAPIキー"gihyo.jpによると、早期アクセスは、ウェイトリストに登録した開発者へ順次案内する方式です。
サイトの利用規約は、利用を個人利用の限定ライセンスとし、米国外での利用可否は表明していません。業務で使う前に、契約条件を確認してください。
Step2 プレイグラウンドで質問を試す
プレイグラウンドは、コードを書かずにJevを試せる画面です。
- プレイグラウンド（console.typesafe.ai/playground）を開いてログインする
- 状態（state）の欄に、判断させたい文章を貼る
- 質問を追加する。最初は、Yes/Noを聞くNoulの質問（
Does this message express urgency?）が試しやすい - Choice、Score、Noulを混ぜて追加し、1回の結果で全部確認する
日本語の文も入力できますが、精度は英語より下がります。
自分の文と英語の文で結果を見比べておくと、精度の差をつかめます。
Step3 curlで最初のリクエストを送る
APIは、Bearerトークンを付けて、質問をJSONで送るだけです。送り先はPOST https://api.typesafe.ai/v1/systemoneです。
curl -X POST https://api.typesafe.ai/v1/systemone \
-H "Authorization: Bearer $TYPESAFE_API_KEY" \
-H "Content-Type: application/json" \
-d '{
"state": "売上金の振り込みが3日間ずっと失敗しています。助けてください！",
"model": "jev-latest",
"questions": {
"is_urgent": {
"type": "noul",
"instructions": "The message conveys urgency or time-sensitivity"
}
}
}'必須のフィールドは、state、model、questionsの3つです。
modelにはjev-latestを指定します。現時点ではjev-1.13.0を指す別名です。
返ってくるJSONのanswers.is_urgent.noulに、緊急である確率が0〜1で入ります。公式ドキュメントの例（英語の問い合わせ文）では、0.999が返っています。
{
"model": "jev-latest",
"answers": {
"is_urgent": { "type": "noul", "noul": 0.999 }
}
}Step4 SDKでPythonから呼ぶ
Python 3.10以上なら、公式SDKで書けます。
pip install typesafe-sdk
# uvを使う場合
uv add typesafe-sdkSDKは環境変数TYPESAFE_API_KEYを自動で読み、既定でjev-latestを呼びます。
from typesafe_sdk import Choice, Noul, TypeSafeClient
client = TypeSafeClient() # 環境変数 TYPESAFE_API_KEY を自動で読む
response = client.system_one(
state="売上金の振り込みが3日間ずっと失敗しています。助けてください！",
questions={
"department": Choice(
instructions="Which team should handle this",
criteria={
"billing": "Payment or subscription issues",
"technical": "Bugs or integration problems",
"sales": "Pricing or account questions",
},
),
"is_urgent": Noul(instructions="The message conveys urgency or time-sensitivity"),
},
)
print(response.answers["department"].choice) # 選ばれた部署
print(response.answers["is_urgent"].noul) # 緊急である確率（0〜1）Python SDKは、429と529を自動でリトライします。Javaでは自分で書く部分です。
TypeScriptは、npm install @typesafe-ai/sdkで入ります。Node 20以上が必要です。
Step5 Claude Codeにスキルを入れる
Claude Codeを使うなら、TypeSafeの公式スキルを入れておくと、Jevの使い方を知った状態で実装を頼めます。
claude plugin marketplace add typesafe-ai/skills
claude plugin install typesafe@typesafe-aiClaude Code以外のエージェントでは、npx skills add typesafe-ai/skills --skill typesafe-aiを使います。
npxでの導入は、既定ではプロジェクト単位です。-gを付けると、全体に入ります。
入れたあとは、エージェントにTypeSafeのスキルを使うよう伝えて頼みます。
たとえば「複数の文書を複数の観点で評価するCLIを作って」といった依頼です。
JavaからJev APIを呼ぶ手順とif文への接続
JavaからJevを使うには、HTTPでREST APIを呼び、返ってきたJSONの確信度でif文を分岐させます。
公式は、Jevを最先端のAIの判断を関数のように呼び出せる仕組みと位置づけています。戻り値をそのままコードに流せます。
2026年9月19日時点で、Java向けの公式SDKは確認できませんでした。それでも、REST APIをJava標準のHttpClientで呼べば足ります。
Java HttpClientでのリクエスト例
呼び出しは4つの手順で済みます。
- 環境変数
TYPESAFE_API_KEYにAPIキーを設定する - stateに問い合わせ文、questionsに質問を入れたJSONを組み立てる
- Authorizationヘッダーを付けてPOSTする
- 返ってきたJSONのanswersから、選択肢と確信度を取り出す
テキストブロックを使うため、Java 15以降で動きます。
JSONの処理にはjackson-databindを使います。Spring Bootなら標準で入っています。
import com.fasterxml.jackson.databind.JsonNode;
import com.fasterxml.jackson.databind.ObjectMapper;
import java.net.URI;
import java.net.http.HttpClient;
import java.net.http.HttpRequest;
import java.net.http.HttpResponse;
import java.time.Duration;
/** TypeSafe Jev の REST API を呼び出す最小クライアント */
public class JevClient {
private static final URI ENDPOINT = URI.create("https://api.typesafe.ai/v1/systemone");
private static final ObjectMapper MAPPER = new ObjectMapper();
private final HttpClient http = HttpClient.newHttpClient();
private final String apiKey = System.getenv("TYPESAFE_API_KEY");
/** 問い合わせ文を state に入れ、担当部署を選ばせるリクエストJSONを組み立てる */
static String buildBody(String message) throws Exception {
return """
{
"model": "jev-latest",
"state": %s,
"questions": {
"department": {
"type": "choice",
"instructions": "Which team should handle this?",
"criteria": {
"billing": "Payments, invoicing, refunds",
"technical": "Bugs, outages, integrations",
"sales": "Pricing, upgrades, new accounts"
}
}
}
}
""".formatted(MAPPER.writeValueAsString(message));
}
/** 判定結果（answers.department）を返す。choice と confidence を含む */
public JsonNode routeDepartment(String message) throws Exception {
HttpRequest request = HttpRequest.newBuilder(ENDPOINT)
.timeout(Duration.ofSeconds(5))
.header("Authorization", "Bearer " + apiKey)
.header("Content-Type", "application/json")
.POST(HttpRequest.BodyPublishers.ofString(buildBody(message)))
.build();
HttpResponse<String> response =
http.send(request, HttpResponse.BodyHandlers.ofString());
if (response.statusCode() != 200) {
throw new IllegalStateException("Jev API error: " + response.statusCode());
}
return MAPPER.readTree(response.body()).path("answers").path("department");
}
}問い合わせ文はObjectMapper.writeValueAsStringでエスケープしてからJSONに埋めています。改行や引用符を含む文を渡しても、JSONは壊れません。
HttpClientは既定ではタイムアウトがないため、リクエストに5秒の上限を付けています。
200以外のときは例外にして、呼び出し側で対応を分けます。公式ドキュメントが挙げるステータスは4つです。
サンプルコードは200以外をすべて例外にするだけで、リトライは含めていません。
本番で組み込む場合の分岐を図にすると、次のようになります。
確信度3段階でif文に接続する
返ってきたchoiceとconfidenceは、そのままif文の条件になります。
JevClient client = new JevClient();
JsonNode dept = client.routeDepartment(message);
String team = dept.path("choice").asText();
double confidence = dept.path("confidence").asDouble();
if (confidence < 0.5) {
escalateToHuman(message); // 確信度が低いものは人に回す
} else if (confidence > 0.9) {
assignTo(team, message); // 確信度が高いものは自動で振り分ける
} else {
askOperatorToConfirm(team, message); // 中間は担当者に確認する
}escalateToHumanなどは業務側で用意するメソッドです。
assignToaskOperatorToConfirmescalateToHuman0.9と0.5の2つのしきい値は、開発者向け解説が挙げる3段階の運用例です。
ただし、確信度0.9以上で精度92%の数値は、前述の検証での結果にすぎません。日本語の問い合わせ文なら、しきい値は自前のデータで測り直す前提です。
Noulにはconfidenceがありません。noulの値そのものをしきい値にして、0.9超なら肯定、0.1未満なら否定として自動処理します。
Jevが向かない仕事と失敗しやすい落とし穴
Jevは文章もコードも書けず、計算と日付にも弱いため、判断の入口だけを任せる設計が前提です。
落とし穴は仕様よりも、質問の書き方に出ます。
Jevの出力は、決めた選択肢や型の外に出ないため、存在しない選択肢を作るハルシネーションは起きません。ただし範囲の中では、間違った値も普通に返します。
生成・計算・日付は任せられない
開発者向け解説によると、Jevは返信文も説明もコードも書きません。数を確実に数える能力もなく、日付の比較や相対表現も不正確です。
画像や音声、動画も扱えません。入力はテキストのみです。
数値で決まる判断はJavaのコードに、文脈を読む判断はJevに振り分けます。
期限の超過判定
件数のしきい値
この問い合わせは緊急か
本文が私の経歴を断定していないか
矛盾する指示は字句どおり処理される
質問の指示と選択肢の説明が食い違うと、Jevは選択肢の説明を無視して、指示を字句どおりに処理します。
primeline.ccの検証では、20件中20件で誤った結果になりました。
解説記事は同じ系統の失敗として、二重否定や、何段もの論理参照でも精度が落ちると挙げています。
最初の対策は2つあります。質問を1つの判断に絞って肯定形で書く。指示と選択肢の説明を同じ向きにそろえる。
日本語精度と敵対的入力の注意点
公式ドキュメントは、英語が最も精度が高く、日本語、中国語、韓国語は扱えるものの英語と同等ではないと明記しています。
自社のデータで確かめ、振り分けでは確信度を重視するよう案内しています。
日本語の記事や問い合わせを扱う用途では、日本語精度が最初の関門になります。
敵対的な入力への弱さも、失敗しやすいパターンとして挙がっています。外部から入ってくる文章をそのまま状態に入れる場面では、Jevの判定だけで実行の可否を決めません。
Jevのよくある質問｜料金、使い方、日本語対応
料金、Javaからの呼び出し、日本語対応など、Jevで特に聞かれやすい疑問に答えます。
料金や仕様は早期アクセス中に変わる可能性があるため、公式サイトの最新情報とあわせて確認してください。
Q1. Jevとは何ですか？
A1. Jevとは、TypeSafe AIが2026年9月15日に早期提供を始めた、文章を生成せず型付きの判断と確信度だけを返すAIモデルです。
入力は状態と質問で、質問はChoice、Score、Noulの3種類です。
Q2. Jevの料金はいくらですか？
A2. 入力100万トークンあたり0.042ドルで、出力トークンは無料です。
2026年9月19日時点の早期アクセスでの料金で、今後変わる可能性があります。
Q3. JevはJavaから使えますか？
A3. 呼び出せます。
公式SDKはPythonとTypeScriptのみです。
REST API（POST https://api.typesafe.ai/v1/systemone）をJava標準のHttpClientで呼びます。
認証はBearerトークンです。
Q4. JevはChatGPTやClaudeの代わりになりますか？
A4. なりません。
Jevは文章もコードも生成できません。
判断の部分をJevに任せ、文章や設計はLLMに残す使い分けが前提です。
Q5. Jevは日本語でも使えますか？
A5. 使えますが、精度は英語ほど出ません。
公式ドキュメントは、日本語、中国語、韓国語は扱えるものの英語と同等ではないとし、自社データでの検証と確信度の重視を案内しています。
Q6. Jevの確信度はどう使えばよいですか？
A6. 確信度が高いときだけ自動処理し、低いときは人かLLMに回します。
開発者向け解説では、0.9超で自動、0.5〜0.9で確認、0.5未満で人へ回す3段階が紹介されています。
しきい値は自前データで調整します。
Q7. Jevは計算や日付の判定に使えますか？
A7. 向きません。
数を確実に数えられず、日付の比較も不正確とされています。
金額や日付の判定はJavaコード側に残します。
Q8. Jevはどうやって使い始めますか？
A8. コンソール（console.typesafe.ai）にGoogleアカウントかメールのコードでログインし、APIキーを発行します。
ブラウザで試すなら、プレイグラウンドに文章と質問を入力するだけです。
gihyo.jpによると、早期アクセスは、ウェイトリストに登録した開発者へ順次案内する方式です。
招待の状況は、公式サイト（typesafe.ai）で確認してください。
Jevの使いどころと判断基準のまとめ
Jevは、文章を書かず、選択肢と確率を確信度つきで返す判断部品です。
- 単価は入力100万トークンあたり0.042ドル、応答は公式値で70〜500ミリ秒
- 向くのは分類、振り分け、LLM呼び出し前のゲート。生成、計算、日付は向かない
- 第三者検証では、Haiku 4.5に勝つタスクも負けるタスクもあった
- 日本語は英語ほど精度が出ないと公式が明記しているため、自前データでの検証が前提
- Java向けの公式SDKは確認できず、REST APIをHttpClientで呼ぶ
「このログ、問題ある？」のように判断だけがほしい場面はJevに任せ、文章を書く部分はLLMに残します。
LLMに負けるタスクがある以上、確信度の低い部分の受け皿は残したままにします。
| REV. | DATE | 内容 |
|---|---|---|
| 3 | 2026-10-16 | 図解を描き直し（図面のデザインにそろえた） |
| 2 | 2026-10-14 | 一人称と言い回しの表記をそろえた |
| 1 | 2026-09-20 | 初版 |