Jevとは｜System One モデルの概要
TypeSafe AI の Jev（ジェヴ）は文章を生成せず、Noul・Choice・Score の3つの質問型で判断と確率を返す System One モデルです。LLM との違い、公式発表の数値、呼び出し方を整理します。
Jev（ジェヴ）は TypeSafe AI が2026年9月に公開した、文章を生成せず「はい／いいえ・選択・採点」だけを確率つきで返すモデルです。このハブは TypeSafe AI の公式ドキュメントと公式発表だけを情報源に、概念・質問の型・設計・実装・限界の順で日本語に整理しています。
Jevが何をするモデルで、なぜ文章を書かないのか。ここだけ読めば「自分の仕事に関係あるか」が判断できます。
TypeSafe AI の Jev（ジェヴ）は文章を生成せず、Noul・Choice・Score の3つの質問型で判断と確率を返す System One モデルです。LLM との違い、公式発表の数値、呼び出し方を整理します。
Jev が文章を生成しない理由を、TypeSafe AI の学習方法 RLCD と「校正された確率」の意味から解説。RLHF・RLVR との違い、確率をしきい値としてコードで使う実務上の意味を整理します。
Jevに投げられる3種類の質問と、渡す情報の作り方、返ってくる確率と信頼度の読み方です。
Noul（ヌール）の意味と使い方。Jev に yes/no を聞く質問型 Noul の instructions と criteria の書き方、0-1 の noul のしきい値運用、Choice・Score との使い分けを公式ドキュメントに沿って解説します。
Jev の Choice は選択肢名と説明の対応表を渡し、選ばれた1つ・全選択肢の確率・信頼度を受け取る質問の型です。書き方、応答の読み方、複数質問の同時送信を公式ドキュメントに沿って解説します。
Jev の Score は低い順に並べた段階の説明を渡し、確率で重み付けした位置と各段階の確率、信頼度を受け取る質問の型です。段階の書き方、応答の読み方、重み付け合成を公式ドキュメントに沿って解説します。
Jev の state は評価対象そのもので、文字列・オブジェクト・配列で渡せます。オブジェクトの推奨、テキストのみと言語の注記、パスで項目を指す書き方、instructions や criteria の JSON 構造化を解説します。
Jev の Choice / Score に付く confidence は確率分布の形を 0-1 に圧縮した数です。高・中・低の3段階、音声バンキングの 0.6 / 0.85 の例、しきい値の決め方を公式ドキュメントに沿って解説します。
コードが主導権を持ち、Jevには狭い質問だけを投げる。公式が示す設計原則とパターン、業界別の使い道です。
Jev の公式ガイドが示す「AI を組み込んだソフトウェア」の作り方を解説。3つのアーキテクチャ、state を絞る、質問を原子的に分解する、重み付き合成と信頼度による分岐、triage_ticket の例まで。
TypeSafe AI 公式の4つの設計パターンを、サポートチケット・音声バンキング・履歴書選考・顧客対応の例とコードで解説。どのパターンをいつ使うかの比較表付き。
TypeSafe AI 公式の Example use cases ページを日本語で整理。5つの大分類、10 の仕事の種類の表、19 の業界別に Jev へ何を聞くかを一覧にし、自分の仕事を1行に言い換える読み方を解説します。
APIキーの発行から、SDK・Vercel AI Gateway・Claude Code向けスキルまで。公式クックブックの読みどころも。
TypeSafe AIのJevをAPIキー発行からHTTP・Python SDK・JavaScript SDK・Vercel AI Gateway・Agentスキルの順に呼び出す手順を、公式ドキュメントのコード例で解説します。
TypeSafe AIが公開するJevの公式クックブック18本を検証・検索・分類抽出・エージェント制御・一括処理の5テーマに整理し、公式の数値と目的別の読む順番をまとめます。
公式が自ら公開している弱点と回避策、日本語での注意点、データの扱いです。組み込む前に必ず読んでください。
TypeSafe AIが公開するjev-1.13の9つの弱点（文字どおりの読み取り、計算、日付、間接参照、敵対的入力など）と公式の回避策、日本語の注意点、学習不使用とZDRの方針をまとめます。
