ChatGPTの共同発明者であるDiogo Almeida氏は2026年9月、決定モデル「Jev」を発表した。同氏が率いるTypeSafe AIは、このモデルが大規模言語モデル（LLM）より20〜200倍高速で、コストは40〜400分の1、入力トークン100万件あたりの価格は0.042ドル、出力トークンは無料だと公式に主張している。これは大規模モデル時代において「生成パラダイム」に対する最も直接的かつ公開された挑戦であり、挑戦者本人がそのパラダイムの共同創始者でもある。
発明者が自らの発明に反旗を翻す
Diogo Almeida氏の立場については正確に説明する必要がある。彼はChatGPTの「発明者」ではない——ChatGPTは数百人のエンジニアが関与した工学的産物だ。正確な役割は、InstructGPT論文の共著者であり、訓練手法であるRLHF（人間のフィードバックによる強化学習）の共同貢献者である。InstructGPTこそがChatGPTにユーザーの指示を理解させる技術的基盤を築いたものであり、Almeida氏はGPT-4の技術報告書にも名を連ねている。
彼は現在、RLHF時代をAIの「奇妙な回り道（weird detour）」と呼んでいる。この言葉はマーケティング用語ではなく、明確な技術的論理に基づく批判だ。RLHFの訓練目標は人間の好みのスコアを最大化することであるため、モデルの最適化方向は「タスクを正しく実行する」ではなく「人を満足させる」方向へと向かってしまう。人間が監視する対話シナリオではこの仕組みは機能するが、エージェントによる自動化シナリオでは同じ仕組みが問題となる——モデルは不確実性を報告するためにいつ処理を止めるべきかを知らず、曖昧な状況では「答えを埋める」傾向があり、誤った分類を受けた下流システムが連鎖的に失敗する。
これこそが、AlmeidaがOpenAIを離れてTypeSafeを設計する際にRLHFを回避した直接の理由だ。
Jevのアーキテクチャ：生成を判断に置き換える
TypeSafeの公式ブログによると、Jevは3つの独自技術を採用している。新規モデルアーキテクチャ、並列サンプラー（単語のシーケンスを逐次展開するのではなく、すべての可能な出力を同時生成する）、そしてRLCD（Reinforcement Learning for Calibrated Decisions：校正された意思決定のための強化学習）と呼ばれる訓練手法だ。
LLMとの最も根本的な違いはタスクの範囲にある。Jevにデータと事前定義された質問を入力すると、読み取り可能な文章ではなく、型が定まった選択肢、確率分布、信頼度スコアが返ってくる。説明を生成することも推論を行うこともできないが、自分がどの程度確信を持っているかを把握している——これこそが既存のLLMが自動化シナリオで最も欠いている特性だ。
TypeSafeは、Jevの応答時間が約150ミリ秒であり、仕様比較においてコストパフォーマンスが「約2桁のパレート前線上の優位性を持つ」と主張している。ただし、このベンチマークはTypeSafe自身が設計したものであり、AstraやFableといった外部の大規模モデルの予測確率を参照しており、独立した第三者機関によるものではない。
独立テスト：高速だが、完璧ではない
テクノロジーメディアのEvery.toは、Jev公開直後に実際のテストを実施した。同メディアの報告によると、テスト担当者は37本の記事と21の評価質問を同時にJevに送信し、0.7秒以内に完了した。区間ごとの比較テストでは、Jevの応答時間の中央値は0.35秒であったのに対し、比較対象モデルは8.83秒であり、約25倍高速だった。11回の実験で合計1,709回の判断を行ったが、総費用は1セント未満だった。
精度については、テスト担当者がテキストに意図的に7つの欠陥を埋め込んだところ、Jevは6つを検出し、1つを見逃した。テスト担当者の評価は「良好な結果だが完璧ではない」というもので、本番システムへの導入前により系統的な精度検証を行いたいとしている。
現時点で確認できる公開独立テストはこれのみであり、サンプル数は限られているが、速度とコストの数値は公式発表のオーダーと一致している。
コスト構造の再編が持つ産業的意義
コストの数値を実際のワークフローに当てはめることで、初めてその意義が明らかになる。企業向けコンテンツモデレーションシステムは、毎日数百万件のコンテンツに対して分類、優先度付け、ルーティングの判断を実行する必要がある。OpenAIやAnthropicの主要モデルの入力価格である100万トークンあたり0.25〜10ドルで計算すると、判断処理レイヤーだけで月間費用は数十万ドル規模に達する可能性がある。同等の判断タスクの単位コストが100分の1以下に圧縮されれば、AIエージェントアプリケーション全体の経済的実現可能性の境界が構造的に変化する——理論上の話ではなく、エンジニアリングチームが今日からROIを再計算できる水準で。
これが、一部のAI業界関係者がJevを「今年最も過小評価されたリリース」と呼ぶ理由でもある。より強力なテキストモデルではなく、「判断アクション」というサブタスクを専門的に担うインフラ層として機能する。現在のAIアプリケーションのアーキテクチャは階層化が進んでいる。LLMが理解と生成を担う一方で、分類、スコアリング、ルーティングといった判断集約型の処理はコストとレイテンシの面でより軽量な代替手段を求めており、Jevはこの構造的ニーズの空白部分に登場した。
未検証の仮説、しかし方向性は本物だ
TypeSafeはこれまで、いかなる公開標準ベンチマークにもJevの評価結果を提出していない。現在のすべての性能数値は内部評価システムに基づいている。「40〜400分の1のコスト」は精確な数値ではなく区間であり、比較対象とタスクの種類によって異なる。この幅の広さ自体が、条件への高い依存性を示している。
独立した評価として述べると、Jevの製品ロジックは成立しており、これは性能の主張そのものよりも重要だ。AIワークフローを「生成」と「判断」に分割し、判断のために専用モデルを設計するというこの分類フレームワークは、Jevの最終的な数値がどうであれ、明確なエンジニアリング上の説得力を持つ。AlmeidaはOpenAIでRLHFの成功を直接体験し、十分な数のエージェント失敗事例も観察してきた。彼が第一原理から訓練目標を再構築することを選択したのは、純粋な商業的物語ではない。
しかし、技術的な方向性が正しいことは、実行が実現されることを意味しない。Jevはまだ、十分な規模と多様性を持つ外部テストを受けていない。「ゼロ幻覚」という設計上の約束はエッジケースで検証される必要がある。校正された確率が本当にモデルの能力を反映しているのか、それとも単に別の形の表面的な自信に過ぎないのか、さらなる証拠が必要だ。
© 2026 Winzheng.com 赢政天下 | 转载请注明来源并附原文链接