TypeSafe AI の Jev に関する情報をまとめる
Jev は、文章を返す代わりに、プログラムの状態について型のある質問に答えるモデル。このサイトは、その周辺にあるものを集めている。ドキュメントの場所、到達できる SDK とゲートウェイ、同じ通信形式を話すオープン実装、そして実際に測った人の記録。
まずここから
一覧をすべて見る- 解説・記事
What Is Jev? (Firecrawl)
第三者の解説の中では、最初に読むならこれ。見出しの数字を通り越して、判定モデルが実際に得意な仕事を 6 つ具体的に挙げている。検索結果の並べ替え、エージェントの引用を元ページと突き合わせる検証、取得したページを「それに従って動くモデル」に渡す前に検査する、など。
Firecrawl2026-09-23 - モデル・公式情報公式
Jev
このサイトが扱うモデル。プログラムの状態と型のある質問をまとめて渡すと、文章ではなく、選択肢・スコア・確率のいずれかを 1 回の呼び出しで返す。答えは自分が書いたスキーマの中から選ばれるので、形式から外れた値は返ってこない。TypeSafe はこれを System One モデルという分類の最初の 1 つと説明している。速度と価格の比較値は同社の公表値。
TypeSafe AI2026-09 - 評価・ベンチマーク
Jev out-of-distribution calibration test
校正済みを売りにしているモデルに対して効く問いを立てている。モデルが見ているはずのないタスクでも校正は保たれるのか。公開ベンチマークと、ラベルが本文に現れない規則生成のチケットを並べ、誤差を単独ではなくノイズ下限と比べて報告する。役に立つ結論は、ずれ方が質問の型ごとに違うということ。モデル全体に 1 つの温度をかけるのは単位の取り方が間違っている。
scienthoon7 スター2026-09-19 - 互換オープン実装
LocalJev
作り直しではなく橋渡し。リクエストとレスポンスの形は保ったまま、確率は普通のローカルチャットモデルに JSON の数値を出させ、検証して正規化することで得る。おかげで、手を入れていない OpenAI 互換サーバーでそのまま動く。README は「モデルの自己申告の確率はロジットの読み出しとは別物だ」とはっきり書いている。しきい値を置く前に校正を確かめること。
GitHub Next776 スター2026-09-18 - 互換オープン実装
OpenJev
同じ通信形式をオープンモデルで実装した判定サーバー。公式 SDK の接続先を差し替えれば使える。特徴は、生成された文字列を解析するのではなく、モデル自身のトークン確率から答えを読み出すこと。ホストされているモデルの動きに近い。その代わり、手を入れた推論バックエンドと、GPU か Apple シリコンの機材が要る。
razorback16427 スター2026-09 - 評価・ベンチマーク
PriorBench: pre-registered evaluation of Jev
ここに載せている中では手順が一番厳しい評価。データを取る前に 50 個の予測を書いて時刻を記録し、当たった数と同じくらい目立つ形で外れた数も報告している。一番応用が効く発見は confidence の扱いで、値の大部分では差がほとんど付かず、上端に来て初めて意味を持つ、というもの。
PriorBench0 スター2026-09-20 - モデル・公式情報公式
Introducing System One Models & Jev
公開時の記事で、設計上の賭けが一番はっきり書かれている。文字列の生成を完全に手放し、代わりに「その数字どおりの意味を持つ確率」を出すように訓練する、という立場。訓練手法は Reinforcement Learning for Calibrated Decisions と名付けられ、モデルは会話ではなく関数呼び出しとして説明されている。考え方はここで、実際の成績はこのサイトの評価カテゴリで。
TypeSafe AI2026-09 - ドキュメント公式
TypeSafe AI documentation
コードを書くならまずここ。3 種類の質問の型を軸に構成され、その次に confidence の値をどう扱うか（しきい値を置く、振り分ける、難しい質問を簡単な質問に分解する）が続く。エージェントにまとめて渡したい場合のために llms.txt の索引もある。
TypeSafe AI2026-09 - ゲートウェイ・経由先
Jev on Vercel AI Gateway
自分で TypeSafe のアカウントを取らなくても到達できる経路。ゲートウェイ側のモデル ID で Jev が公開されていて、AI SDK からはチャット補完ではなく専用の評価関数で呼ぶ。ゲートウェイ側ではモデル ID が typesafe-ai/jev で、入力価格は TypeSafe の公表値と同じ。このサイトに載せている独立評価のうち、分布外の校正テストは実際にこの経路で測っている。
Vercel2026-09-16
カテゴリから探す
- モデル・公式情報3
Jev そのもの。モデル仕様、発表、TypeSafe AI が公表している内容。
- ドキュメント4
公式ドキュメント。クイックスタート、質問の型、設計パターン、クックブック、HTTP API リファレンス。
- SDK・クライアント2
判定エンドポイントを包むクライアント。質問の型を言語側で保ったまま呼べる。
- ゲートウェイ・経由先2
Jev を中継するプラットフォーム。手元にあるキーのまま到達できる経路。
- 互換オープン実装2
同じ通信形式をオープンモデルで実装したサーバー。手元や自前の機材で動かせる。
- 連携・ツール2
判定モデルをループの中で呼ぶ、エージェント枠組みや開発ツール。
- 解説・記事4
2026 年 9 月の公開後に書かれた、第三者による解説・手順・報道。
- 評価・ベンチマーク4
見出しの数字ではなく、再実行できる手順が公開されている測定。
最近公開されたもの
- 解説・記事
What Is Jev? (Firecrawl)
第三者の解説の中では、最初に読むならこれ。見出しの数字を通り越して、判定モデルが実際に得意な仕事を 6 つ具体的に挙げている。検索結果の並べ替え、エージェントの引用を元ページと突き合わせる検証、取得したページを「それに従って動くモデル」に渡す前に検査する、など。
Firecrawl2026-09-23 - 解説・記事
A coding guide to Jev (MarkTechPost)
1 つの質問から始めて、結局は必要になるパターンまで順に組み立てるチュートリアル。しきい値をコード側に置いてリスク許容度をレビュー可能にする、多数の質問を 1 回にまとめて state の送信を 1 回で済ませる、広い質問 1 つではなく細かい判断を自分が決めた重みで合成する、という流れ。
MarkTechPost2026-09-23 - 評価・ベンチマーク
PriorBench: pre-registered evaluation of Jev
ここに載せている中では手順が一番厳しい評価。データを取る前に 50 個の予測を書いて時刻を記録し、当たった数と同じくらい目立つ形で外れた数も報告している。一番応用が効く発見は confidence の扱いで、値の大部分では差がほとんど付かず、上端に来て初めて意味を持つ、というもの。
PriorBench0 スター2026-09-20 - 評価・ベンチマーク
Jev out-of-distribution calibration test
校正済みを売りにしているモデルに対して効く問いを立てている。モデルが見ているはずのないタスクでも校正は保たれるのか。公開ベンチマークと、ラベルが本文に現れない規則生成のチケットを並べ、誤差を単独ではなくノイズ下限と比べて報告する。役に立つ結論は、ずれ方が質問の型ごとに違うということ。モデル全体に 1 つの温度をかけるのは単位の取り方が間違っている。
scienthoon7 スター2026-09-19 - 解説・記事
TypeSafe AI releases Jev (MarkTechPost)
公開時の短い報道記事で、どの主張が誰のものかの扱いが丁寧。公表されている価格と応答時間を紹介しつつ、比較デモはベンダー側のものであること、その価格が補助されていないかどうかは外からは確かめられないことを書いている。何が出たのかを手早く把握するのに向く。
MarkTechPost2026-09-19 - 互換オープン実装
LocalJev
作り直しではなく橋渡し。リクエストとレスポンスの形は保ったまま、確率は普通のローカルチャットモデルに JSON の数値を出させ、検証して正規化することで得る。おかげで、手を入れていない OpenAI 互換サーバーでそのまま動く。README は「モデルの自己申告の確率はロジットの読み出しとは別物だ」とはっきり書いている。しきい値を置く前に校正を確かめること。
GitHub Next776 スター2026-09-18
