AIの「System One」脳が登場
Jevは、OpenAIのベテランであるDiogo Almeida氏による新しいAIで、機械知能に対する根本的に異なるアプローチを提供します。ChatGPTの構築に携わった研究者であるAlmeida氏は、現在TypeSafe AIを率いており、彼らが「System One」モデルと呼ぶものを提供しています。ゆっくりとした熟慮的な推論を模倣する「System Two」LLMとは異なり、Jevは高速で直感的な意思決定を行います。
これは単なるテキスト生成ツールではありません。Jevは専門的な「分類器」として機能し、メールのような非構造化データを取り込み、構造化された確率的な意思決定を出力します。型安全な出力を提供し、テキストを一切生成しません。この非生成型アーキテクチャにより、従来のLLMとその予測不可能な出力に伴う永続的な問題であるハルシネーション（幻覚）を完全に排除します。
実用的なメリットは明白です。Jevは分類タスクにおいてLLMよりも最大400倍安価で、200倍高速であり、数百万の入力トークンをわずか0.042ドルで処理します。70〜500ミリ秒という応答レイテンシは、3〜329秒かかる会話型モデルを大幅に上回り、非生成型アーキテクチャによってハルシネーションを完全に排除します。
対話ではなく、意思決定を
Jevはチャット用ではありません。開発者は入力（多くの場合、生データを含むJSONオブジェクト）を提供し、正確な出力「スキーマ」を定義します。Jevはその情報を処理し、スキーマに完全に一致する構造化されたJSON出力を返します。これには、各意思決定に対する調整済みの信頼度スコアも含まれます。この予測可能な構造が、最大の利点の一つです。
Jevの意思決定を支えるのは、3つのコアとなる決定タイプです。「Choice」は、メールを「ショッピング」「仕事」「マーケティング」に分類するなど、定義済みのリストから1つのオプションを選択します。「Score」は、1から5までの優先順位やスパムの可能性など、指定された数値スケールで入力を評価します。最後に「Noul」は、「このユーザーは購入する可能性が高いか？」といった確率的な真偽の答えを提供します。各決定には確率が含まれており、開発者は自動化や人間による介入のためのしきい値を細かく制御できます。
重要な点として、Jevは「型安全」な出力を提供します。つまり、その構造化されたJSON応答は、追加の解析、クレンジング、検証を必要とせずにアプリケーションに直接統合できます。これにより、一般的な統合の悩みが解消され、開発者のワークフローが劇的に簡素化され、Jevを使用して構築されたシステムの信頼性が大幅に向上します。AIが何を返すか推測する必要はもうありません。
あらゆるもののための「スマートなIf文」
Jevは「スピードとコスト」が最優先される場面で真価を発揮し、大量の反復的な意思決定に不可欠な存在となります。数百万通のメールを即座に選別したり、カスタマーサポートのチケットをリアルタイムでルーティングしたり、膨大なユーザー生成コンテンツをモデレートしたりすることを想像してみてください。また、営業リードのスコアリングも驚異的な効率で行うことができ、これは従来、高価なLLMの処理を停滞させていたタスクです。OpenCodeのRyan Vogel氏は、1,700通のメールをわずか18セントで分類し、その圧倒的な価値を実証しました。
単純な分類を超えて、Jevは高度なAIエージェントのための不可欠な結合組織となります。ツール呼び出しの検証に使用して、エージェントが安全で関連性の高いアクションのみを実行するようにしたり、ユーザープロンプトをスクリーニングして潜在的な脱獄（ジェイルブレイク）を防ぐなど、重要なセキュリティレイヤーを追加できます。重要なのは、Jevがインテリジェントで低コストなルーターとして機能し、タスクに高価で低速なLLMが本当に必要かどうか、あるいは迅速で正確なJevの判断で十分かどうかを判断し、大幅な運用コストを削減できる点です。
Jevは、アプリケーション全体のためのスマートなif文だと考えてください。従来のコードでは曖昧な入力の複雑さを処理できない領域において、微細なAIの判断をプログラムロジックに直接組み込むことができます。これにより、開発者は大規模モデルのオーバーヘッドなしに、より応答性が高く、信頼性の高いインテリジェントなシステムを構築できます。そのアーキテクチャと機能に関する技術的な詳細は、OpenAIのベテランであるDiogo Almeidaが設立したTypeSafe AIをご覧ください。
この記事が気に入ったら、毎朝同じようなものをメールで受け取れます。
1日1通 · 2クリックで解除 · サードパーティのトラッキングなし
未来は特化型AIにある
Jevの登場は、LLMを捨てることを意味するわけではありません。むしろ、一つの巨大なAIモデルがすべてをうまくこなせるという考えを捨てるという、重要な転換を告げるものです。Diogo AlmeidaによるSystem One ModelであるJevは、迅速で直感的な判断に優れており、分類タスクにおいて40〜200倍の高速処理と400倍のコスト削減を実現します。大規模なLLMは、複雑な熟考や創造的な生成において依然として不可欠です。
これは、マルチエージェントAIシステムという、より広範なアーキテクチャのトレンドを示唆しています。ユーザーコンテンツのモデレーションからセールスリードのスコアリングまで、日常的な分類や判断の大部分をJevのような小型で特化したモデルが処理する様子を想像してみてください。より深い理解や自由な生成が必要な判断のみ、システムがリソースを消費するLLMにエスカレーションします。この「スマートなif文」のアプローチは、パフォーマンスと予算の両方を最適化します。
開発者にとって、これは堅牢でスケーラブル、かつ大幅に費用対効果の高いAIアプリケーションを構築するための前例のない機会を切り開きます。勝利のための戦略は、もはや単一の「最高の」モデルを特定することではありません。それぞれのタスクを最高の効率、精度、そして明確な信頼スコアで実行する特化型AIのネットワークをインテリジェントにオーケストレーションすることです。この新しいパラダイムは、現実的な価値と強力な競争優位性をもたらします。
よくある質問
Jevとは何ですか？
Jevは、TypeSafe AIによって作成された「System One Model」と呼ばれる新しいタイプのAIモデルです。LLMのようにテキストを生成するのではなく、非構造化データを入力として受け取り、確率的で型安全な出力を生成する、高速で構造化された意思決定のために設計されています。
JevはChatGPTのようなLLMと何が違うのですか？
Jevは根本的に異なります。LLMはトークン単位の低速なプロセス（「System Two」思考）でテキストを生成します。Jevは単一の並列クエリ（「System One」思考）で判断を下し、構造化データを出力します。自由形式のテキストを生成しないため、大幅に高速かつ安価であり、「ハルシネーション（幻覚）」を起こすこともありません。
Jevの主なユースケースは何ですか？
Jevは、大量の反復的な分類および意思決定タスクに優れています。主なユースケースには、サポートチケットのルーティング、コンテンツのモデレーション、ドキュメントの分類、リードのスコアリング、AIエージェントワークフロー内でのツール呼び出しの検証や脱獄（ジェイルブレイク）のスクリーニングなどがあります。
Jevを作成したのは誰ですか？
Jevは、OpenAIのベテランであり、ChatGPTの基盤技術であるRLHF（人間からのフィードバックによる強化学習）の共同発明者であるDiogo Almeidaによって作成されました。彼の会社はTypeSafe AIです。