TypeSafe AI、高速構造化意思決定モデル「Jev」を発表

ChatGPTの共同発明者によって設立されたTypeSafe AIは、構造化された意思決定を校正された確率で出力するSystem Oneモデル「Jev」を発表した。このモデルはLLMよりも20〜200倍高速である。また、CognitionはJev互換のモデル「Kev」をオープンソース化し、分布外データで79.6%の精度を達成した。
Key insights
Jevの設計:自由文なし、幻覚なし
Jevは自由文を生成せず、出力は事前定義された構造であり、型安全性がアーキテクチャ的に強制されるため、型エラーは数学的に不可能です。すべての出力には、認識論的に正直な確率が含まれます。これにより、モデルが自信を装うことを学習するRLHFに内在する幻覚を回避します。JevはRLCD(校正された意思決定のための強化学習)トレーニングを使用しています。
パフォーマンスとコストの数値
Jevの応答時間は70〜500ミリ秒で、フロンティアLLMの3〜329秒と比較されます。入力コストは100万トークンあたり0.042ドルで、出力は無料です。TypeSafeは20〜200倍の高速化と40〜400倍のコスト削減を主張しています。速度は逐次トークン生成ではなく並列サンプリングによるものです。評価では、参照がGPT-6とFable 5.1であるためJevを過小評価する可能性があり、極端な倍数(193倍、444倍)は最良のケースです。
ユースケース:インテリジェントなif文とエージェントガード
Jevは、分類、ルーティング、スコアリング、抽出、ガードレールなどの構造化された意思決定ノードとしてコードに埋め込まれるように設計されています。例:DOOMゲームAI(7ドル/時間)、Wikipediaレーシング、Manusによるゲームレンダリング。これは3層アーキテクチャでLLMを補完します:オープンエンドな作業にはLLM、あいまいな意味的決定にはJev、安全制限には決定論的コード。
オープンソースのKevモデル
Cognitionは、Qwen3 + LoRA + ポインターヘッドに基づくJevライクなモデルであるKevを3つのサイズ(0.6B/4B/8B)でリリースしました。Kev-8Bは、分布外データでJevの85.7%に対して79.6%の精度を達成しています。コンシューマーハードウェア(32GB Macで4Bが約300ミリ秒)で動作します。トレーニングコストは非常に低く(8BがH100 1台で83分)、Jev APIと完全に互換性があります。
ジェボンズのパラドックスと価格戦略
Jevという名前は、ウィリアム・スタンレー・ジェボンズのパラドックス、つまり効率の向上が総消費量を増加させるという考えに由来しています。TypeSafeは、意思決定コストをほぼゼロに下げることで、大規模な使用量の成長を促進すると確信しています。出力トークンは無料で、同社はすでに収益を上げており、さらに価格を引き下げる計画です。「最も苦い教訓」ブログは、タスクの選択がデータや計算よりも重要であると主張しています。