元OpenAI研究者、言語を出力しない非LLMモデル Jev を公開──確率と較正された決定を生成し安全性を確保
テキストではなく較正された確率を出力することでハルシネーションを排除し、LLM比で最大18倍の高速化と圧倒的な低コスト化を実現した。
リリース: 2026-09-18 · 読了 3 分記事の要約
1. 核心（What）
- 元OpenAI研究者のDiogo Almeidaが設立したTypeSafe AIが、Transformerベースの非LLMモデル「Jev」を公開した。
- Jevはテキストを生成せず、事前定義された出力に対する確率や「較正された決定」を返す設計になっている。
- Vercelでの検証では、既存のOpenAI Luna 5.6と比較して5倍から18倍高速かつ高精度にコマンドの安全性を分類した。
- 入力トークンは10億単位で課金され、出力トークンは無料化されており、完全な合成データを用いてトレーニングされている。
2. 影響（Why）
- 自動化コストの劇的な低減: 分類やルーター制御に巨大なLLMを使う必要がなくなるため、エージェント監視やメール分類の推論コストを1桁〜2桁削減できる。
- 国内SaaS開発におけるアーキテクチャの選択肢: 国内の自動化・ワークフロー系SaaS開発において、LLMの代替として低レイテンシで確信度スコア付きの判定処理を組み込む実用的な選択肢になる。
3. 根拠・詳細（How）
- 合成データによるトレーニング基盤: 「較正された決定からの強化学習（reinforcement learning from calibrated decisions）」と呼ばれる手法を用い、自社で構築した完全な合成データのみで学習されている。
- システム1モデルとしての確率出力機構: 推論や言語生成ではなく直感を重視したシステム1モデルとして動作し、ユーザーが事前に定義した出力スキーマに対して確率値を直接返す。
4. 展望・課題（Next）
- マルチモダリティへの拡張: TypeSafe AIは今後、テキスト以外の新しいモダリティに対応したJevの新しいバージョンを順次構築する予定である。