OpenAI元研究員Diogo Almeida、4000万ドルを調達し幻覚なし意思決定モデル「Jev」を発表

2026年9月15日、OpenAIでChatGPTの研究開発に携わったDiogo Almeidaが創業したTypeSafe AIが、初のSystem Oneモデル「Jev」を発表するとともに、4000万ドルの資金調達完了を発表した。

事実の整理

TypeSafe AIの公式ブログによると、Jevは独自開発のRLCDアルゴリズムで訓練され、並列サンプラーを用いて構造化された型付き値を出力し、応答時間は70〜500msの範囲に収まる。公式資料によれば、同モデルはSystem Oneタスクにおいて既存LLMと同等の知性レベルを達成しながら、コストを40〜400分の1に削減し、かつ数学的に型エラーが発生し得ない設計となっている。

公式の比較説明によると、既存LLMはRLHFまたはRLVRによって最適化され文字列を出力するため後続の解析・検証が必要であるのに対し、Jevは校正済み確率を伴う型安全な構造化値を直接出力する。入出力トークンの価格は入力が100万トークンあたり0.042ドルで、出力は無料とされている。

メカニズムの解説

Jevの並列生成メカニズムは、LLMのトークン逐次自己回帰生成とは根本的に異なる。公式説明によれば、Jevは1回のクエリで全出力を生成し、ハードウェアを考慮した最適化により同等の知性レベルで40〜200倍の速度向上を実現する。RLCDの訓練目標は校正された意思決定であり、分類・スコアリング・ルーティングなどのタスクにおいて確信度付きの確率出力を提供する。

公式資料は、Jevが文字列生成能力を放棄することと引き換えに「物理的に幻覚が不可能」という特性を獲得していると強調しており、すべての可能な出力は訓練時に型システムによってあらかじめ定義されているとしている。

産業への影響

Jevのリリースにより、既存LLMの適用シーンがさらに細分化される。LLMは人間が関与するチャットやコード生成などのオープンタスクに引き続き適しており、一方でJevは検証可能な意思決定ステップに対して、より高速・低コストかつコードに直接組み込み可能な選択肢を提供する。公式のユースケースとしては、AIワークフロー内のスマートif文、大規模データの特徴抽出、LLM出力の検証・ガードレールなどが挙げられている。

こうした役割分担はAIシステムのインテグレーション方式を変える可能性があり、開発者はリアルタイムの意思決定ノードにJevを、創造性や多段階推論が必要な場面にLLMを使い分けることができる。

戦略的考察

【分析】Jevの価格優位性と速度優位性が長期的に維持できるならば、意思決定系API市場における既存LLMのシェアに圧力をかけることになる。ただし、同モデルは汎用的な文字列生成能力を放棄しているため、柔軟な出力が求められる複雑なアプリケーションシーンを単独でカバーすることはできず、将来的にはLLMと直接競合するのではなく補完関係を形成する可能性が高い。

【分析】非LLM型意思決定モデルを次世代の評価体系に組み込むべきかどうかは、「構造化出力＋校正済み確率」を独立した評価指標として業界が認めるかどうかにかかっており、現時点では公式なコンセンサスは存在しない。