TypeSafe AIがJevを発表し4,000万ドル調達　Vercelは初日利用率13%を公表

DCVCは9月15日の発表で、TypeSafe AIを、自動化に最適化したモデルをつくるサンフランシスコの新しい企業と紹介した。共同創業者でCEOのディオゴ・アルメイダ氏は、OpenAIの研究者だった。ほかの投資家と企業価値は、DCVCの発表に書かれていない。

The Informationは9月24日、PitchBookの記録としてシード時の評価額を2億ドルと報じた。同紙はまた、TypeSafe AIが10億ドル以上の追加調達を投資家と協議し、一部投資家から評価額100億ドル以上の提示があったと伝えた。ただし、記事は協議を初期段階と説明している。10月1日までに、TypeSafe AIやDCVCが追加調達の成立を公式発表したことは確認できなかった。

アルメイダ氏は同じ日の公式ブログで、2年間の非公開の開発を経てJevを発表すると書いた。Jevは、同社が「System One」と呼ぶモデルの第一弾にあたる。System Oneは、ソフトウェアがそのまま使える判定を、速く、決まった形で返すモデルを指す。

文章の代わりに、形の決まった答えを返す

大規模言語モデル（LLM）は、人が読む文章を生成するようにつくられている。プログラムがその結果を使うには、文章から値を取り出し、形式が正しいかを確かめる処理が要る。Jevは判定の対象と質問を受け取り、質問ごとに決めた形の値と確率を返す。入力できるのは文章やJSONなどのテキストで、画像、音声、動画には対応していない。

質問の型は3種類ある。Choiceは用意した選択肢から1つを選ぶ。Scoreは、決めた尺度のどこに当たるかを答える。Noulは、問いが真である確率を返す。3種類は1回の呼び出しに混ぜて使える。

System Oneモデルは返信を書かず、コードも生成せず、判断の理由も説明しない。ドキュメントは、複数の要素を比べる複雑な問いをそのまま尋ねず、要素ごとの質問に分け、結果を利用者のコードで組み合わせるよう勧めている。

形式が正しくても、判定が正しいとは限らない

アルメイダ氏はブログで、Jevの出力は事前に決めた型から外れないと説明している。ただし、型が守られることと、選んだ答えが正しいことは別である。System Oneモデルは、返す確率が実際の結果と合うように訓練されており、同社はこれを較正（キャリブレーション）と呼ぶ。その較正について、ドキュメントは次のように書いている。

ChoiceとScoreの回答には、確率の偏りを0から1の数値にまとめたconfidenceが付く。確率が1つの答えに集まるほど高く、ばらつくほど低い。Noulの回答にconfidenceはない。ドキュメントは、この値で処理を3つに分ける使い方を出発点として示している。

境界をどこに置くかは、用途と、その用途でのモデルの性能によって決まる。ドキュメントは、控えめな閾値から始め、自社のデータで試し、結果を見ながら調整するよう案内している。

速さと費用の数字は、条件と合わせて読む

TypeSafe AIは、Jevの応答時間を70〜500ミリ秒、料金を入力100万トークンあたり0.042ドルと公表している。出力は無料としている。同社によると、公表した評価の多くは米国西海岸のノートパソコンから実行しており、サービスの拠点も西海岸にある。DCVCの発表は遅延を100ミリ秒未満としており、TypeSafe AIの公表値とは幅が異なる。

アルメイダ氏は、同社のトップページに掲げた倍率の出どころもブログで説明している。同社は、AIがコードの中でどれだけ働くかを測る評価を新しくつくった。業務の流れをコードで表した4つのワークフローを使い、GPT-6 AstraとFable 5.1の回答の平均を基準にして各モデルを比べている。

アルメイダ氏は同じ記事で、ほかの留保も挙げている。評価に使ったワークフローは、モデルの能力を担当する自社チームのメンバーがつくったもので、偏りがあり得る。LLMと並べて見せるデモは入力が比較的短く、自社のモデルに有利に働くという。

Mastraが分類機能を追加

AIエージェントの開発フレームワークMastraは9月28日、Jevのような評価モデルを使う分類機能「Classifier」を紹介した。質問をchoice、score、booleanのいずれかで定義し、返った答えで次に動かすエージェントや処理を選ぶ。記事はJevを使う実装例を示している。速度や精度を検証した結果は載せていない。

Vercelの有料チーム約13%が初日に利用

Vercelは9月18日、AI GatewayでのJevの利用状況を公表した。同社の集計では、公開から24時間で、AI Gatewayの有料チームの約13%がJevを使った。Vercelは過去のモデル公開時と比べ、2倍を超えるチームに届いた最速の立ち上がりと説明している。一方で、これはVercelのゲートウェイ内での初日利用率であり、TypeSafe AIの顧客数、売上、利用継続率を示す数字ではない。Vercel自身も、初日の利用が定着するかは今後の課題としている。

第三者評価は、用途によって結果が分かれる

9月23日に公開されたarXivのプレプリントは、契約書の条項を判定する評価でJevと9種類の言語モデルを比較した。Jevは試した構成の中で応答時間の中央値と費用が最も低かった一方、基準条件の正答率はホスト型の言語モデルのほうが高かったと報告している。

9月29日の別のプレプリントは、37種類のデータセット、約34万6,000件のリクエストでJevを評価した。分類など複数の課題で高い成績を示す一方、低資源言語、細かな分類やラベルにノイズがある課題、採点形式では性能が落ちたという。二択の確率を一律の0.5で区切ると調整が必要になるとも指摘する。いずれも公開直後のプレプリントで、特定のモデル版とベンチマークに限った結果だ。

Jevは、定型の判定をソフトウェアから直接使いたい場面に向けたモデルだ。TypeSafe AIが示す速度・費用の倍率は同社独自の評価に基づく。Vercelの数字はゲートウェイ内の初日利用を示し、継続的な需要や売上の証明ではない。外部の評価も課題によって長所と弱点が分かれており、実際の導入では利用者自身のデータと誤判定コストで確かめる必要がある。