Jevとは｜判断だけ返すAIの使い方とClaudeとの使い分け

この記事でわかること

• Jev が何を返すモデルで、公式の数字が何を言っているか
• コンソールでキーを作ってから、最初の判断を受け取るまでの流れ
• 文章を作る Claude と、判断を返す Jev の使い分けを3つの場面で
• 会社で使う前に確かめるデータの扱い・置き場所・言語
• 公式が挙げる Jev の苦手と、この記事で答えないこと

Jevとは｜文章を書かず、選択肢から選んで確率を返すモデル

Jev は、米国の TypeSafe AI が2026年9月15日に早期アクセスとして公開したモデルです。公式は Jev を「System One model」の最初のモデルと呼び、ソフトウェアがそのまま使える、速くて構造の決まった判断を出すモデルだと説明しています。

System One の名前は、すばやく直感で判断する思考を指す「System 1」から来ています。公式の位置づけでは、いまの大規模言語モデルは考えを書き出しながら答える遅い思考の側にあり、Jev はその反対側を受け持ちます。

いちばん大きな違いは、Jev が文章を書かないことです。公式の開発者向けドキュメントは、Jev をチャットやコード補完のための言語モデルではないと明記しており、答えは決めた型の値として返ります。

3つの問いの形｜Choice・Score・Noul

Jev への問いは、3つの形のどれかで書きます。公式の API リファレンスによると、1回の呼び出しで複数の問いを同時に投げられます。

Choice の選択肢は最大255個まで置けます。公式の設計方針は、複雑な判断を小さな問いに分け、組み合わせはアプリ側のコードで行うというものです。

業務の例の列は、公式のクイックスタートにある問い合わせ文の例を日本の業務に置き換えた本記事の整理です。

公式の数字｜速さ・料金・倍率の読み方

Jev の数字は、公式の発表ブログとモデルのページに出ています。どれも提供元が出した値で、参照日は2026年10月6日です。

倍率の数字には、公式自身が注記を付けています。発表ブログは、この倍率を実運用で得られる効果の上の方だと見込んでいると書き、計測に使った作業は自社のチームが作ったものだと断っています。参照日時点で、第三者が同じ条件で追試した結果は確認できていないため、この記事では倍率を判断の根拠に使いません。

Jev は文章を書く代わりに、決めた選択肢から1つを選び、確率をつけた値で返します。

Jev に渡せるのは、答えの形を先に決められる判断です。

公式サイトは「Zero Hallucinations（幻覚ゼロ）」と掲げ、発表ブログは返す値が型を外れないと書いています。ただし、型に収まった答えが正しいとは限らず、選んだ選択肢そのものを誤ることはあります。誤りの出やすい場面は、限界の章で公式の一覧から見ます。

Jevの使い方｜キーを作り、最初の判断を受け取るまで

Jev の使い方は、開発者がプログラムから呼び出す形が基本です。公式のクイックスタートでは、試す場所がコンソールの Playground、業務で使う入口が API になっています。

最初の判断を受け取るまでの流れは、公式のクイックスタートに沿うと次の5つです。

1. コンソールにログインする。console.typesafe.ai の Playground を開き、ログインします
2. API キーを作る。コンソールのキーの画面で作り、環境変数 TYPESAFE_API_KEY に置きます。キーは社内のサーバー側で管理し、画面側のコードに書かないようにします（本記事の注意）
3. SDK を入れる。Python なら pip install typesafe-sdk で、Python 3.10 以上が要ります
4. 問いを書いて呼び出す。判断したい文章を state に、問いを Choice・Score・Noul で書いて送ります
5. 返った値を次の処理に渡す。答えと確率・確信度、使ったトークン数が返ります

登録の受付状況は、公開から日が浅く、報道によって伝え方が分かれています。OpenRouter は、TypeSafe のアカウントを作らずに OpenRouter のキーで Jev を呼び出せると案内しています。

最初の呼び出しの形｜問い合わせ文を3つの問いで判定する

公式のクイックスタートは、問い合わせ文1件に3つの問いを同時に投げる例を載せています。下は、その骨格を問いの意味が読めるように書き換えたものです。

from typesafe_sdk import Choice, Noul, Score, TypeSafeClient

client = TypeSafeClient()  # 環境変数 TYPESAFE_API_KEY を読む
response = client.system_one(
    state=inquiry_text,  # 判断したい問い合わせ文
    questions={
        "department": Choice(
            instructions="この問い合わせを担当する部署",
            criteria={"billing": "請求・支払い", "technical": "不具合・操作", "sales": "契約・見積"},
        ),
        "frustration": Score(
            instructions="顧客の苛立ちの強さ",
            criteria=["落ち着いている", "不満はあるが丁寧", "強く怒っている"],
        ),
        "is_urgent": Noul(instructions="急ぎの対応を求めている"),
    },
)

選択肢の中身や段階の言葉は、文章で定義します。公式のモデルのページによると、Jev は利用者のデータで追加学習や個別の調整をされていません。判断のぶれは、選択肢の定義と問いの書き方で調整します。

Jev の値は確信度で分け、低いものだけを人に回すと、判断を任せる範囲を自分で決められます。

確信度で「自動で進める」と「人に回す」を分ける組み方は、公式のドキュメントが使い方の型として挙げています。どの値から人に回すかの線は公式が決めるものではなく、使う会社が自社のデータで試して決めます。

向いている使いどころ｜分類・振り分け・採点・真偽判定

公式が用途として挙げるのは、答えの形が決まっている判断です。発表ブログとドキュメントの例を、業務の言葉に直すと主に次の4つになります。

• 分類＝問い合わせや書類を、決めた分類のどれに当たるかで分ける
• 振り分け＝依頼の意図を見て、決まった処理・別のAI・人のどれに回すかを決める
• 採点＝緊急度や品質を決めた段階で見る。複数の採点をコードの側で重みづけして合わせる
• 真偽判定＝引用が元の文と合っているか、AIへの入力や出力が社内の決めごとに沿っているかを見る

4つの分け方は本記事の整理で、公式は検索結果の並べ替えや、使う道具の選び分けなども例に挙げています。共通するのは、返す答えが選択肢か段階か「はい／いいえ」で済み、文章を書く必要が無いことです。

JevとClaudeの使い分け｜選ぶ判断と作る仕事を分ける

Jev と Claude の使い分けは、どちらが賢いかではなく、仕事の答えの形で決まります。答えが選択肢・段階・「はい／いいえ」で済むなら Jev の形に合い、文章や資料を作る・手順を進めて作業を終わらせるなら Claude の形に合います。

公式の開発者向けドキュメントは、Jev は Claude Code などのコーディング道具の裏で動くモデルの代わりにはならないと書いています。Claude 側でできることの全体は、Claudeできること一覧｜チャット・Cowork・Codeの使い分けで扱っています。

1つの業務の中で、両方が役割を分けて並ぶ場面を3つ見ます。場面は説明のための例で、DAIJOBU が Jev を導入した事例ではありません。

場面1｜振り分けは Jev、返信の下書きは Claude

問い合わせ対応では、届いた文を読んで「どの部署か」「急ぎか」を決める判断と、返信の文章を書く仕事が続けて起きます。前の判断は選択肢で答えられるので Jev の形に合い、後の仕事は文章を作るので Claude の形に合います。

振り分けを Jev に任せると、件数が多くても1件ごとの判断が速く返ります。返信文は相手の事情に合わせて言葉を選ぶ仕事なので、Claude が下書きし、送るかどうかは人が決めます。

場面2｜段階評価は Jev、理由を添えたコメントは Claude

日報や応募書類を同じ物差しで見る作業は、観点ごとに「3段階のどこか」を決める部分と、本人に返すコメントを書く部分に分かれます。段階を決める部分は Jev の Score の形に合います。

Score の段階は文章で定義するため、物差しを言葉で書けることが前提です。評価の理由を相手に伝わる文にする部分は、Claude に下書きさせ、人が読んでから返します。

場面3｜資料は Claude、引用の照合は Jev

社内資料を作る仕事は、資料を集めて読み、報告書にまとめるところまで Claude が進められます。手元のフォルダで作業を進める Claude Code の動き方は、冒頭で紹介した Claude Code の解説記事で扱っています。

書き上がった資料の引用が元の文と合っているかは、1件ずつ「はい／いいえ」で答えられる判断です。公式は、引用が原典と合っているかの判定を Jev の用途に挙げています。Claude Code で作る仕組みの中から Jev を呼び出す組み込み方は、JevとClaude Codeの組み合わせ方で手順にしています。

業務の中で、選ぶ判断は Jev、作る・進める仕事は Claude、最後に決めて責任を持つのは人と分けると、任せる先が迷わず決まります。

Jev と Claude は置き換える関係ではなく、1つの業務の中で答えの形ごとに分担する関係です。

新しいAIは、形の違うものが続けて出ています。常に動いて作業を進めるエージェント型の製品は、同じ時期に公開されたOpenAI dotsとは｜会社で使う前に決める5つとClaudeとの使い分けで扱っています。

Jevを会社で使う前に決めること｜データの扱い・置き場所・言語

Jev を会社の業務で使う前には、送るデータの線・データの置き場所・使う言語の3点を、公式の文書で確かめておきます。どれも、試しに動かした後では決め直しにくい点です。

DAIJOBU は、AI を業務に入れるときの守りを、運用ルールの段でデータの分類を決め、最終判断は人の段に残す形で整理しています。Jev を入れる場合も、データの分類はルールの段で、最終判断は人の段で決める、という同じ2段で考えます。

データの扱い｜学習には使わない、保存日数は書かれていない

TypeSafe AI のプライバシーポリシーは、利用者のプロンプトその他の入力で、AIのモデルを学習・追加学習しないと明記しています。モデルのページにも、利用者の依頼や応答で学習しないと書かれています。

一方、個人データの保存期間は、サービスの提供に合理的に必要な間などと書かれ、具体的な日数は示されていません。第三者認証やデータを保持しない契約の有無は、参照日時点で公式のページから確かめられませんでした。

送ってよいデータの線は、こうした公式の記載を読んだうえで、社内の情報の分類に当てて決めます。顧客の氏名や連絡先を含む問い合わせ文をそのまま送るのか、送る前に伏せるのかも、この段階で決めておきます。

置き場所と規約｜サービスは米国でホストされる

プライバシーポリシーは、サービスが米国でホストされていると書いています。社内の規程で、データを国外のサービスに送るときの手続きを決めている会社は、その手続きに沿って確認します。

利用規約は2026年9月19日に更新されています。公開から日が浅いサービスは規約や提供の条件が変わりやすいため、使い始める前と、業務に組み込む前の2回、最新の版を読むのが安全です。

言語｜英語が主で、英語以外は英語ほどの精度ではない

公式のモデルのページは、英語が主な学習言語で精度もいちばん高く、日本語を含む CJK（中国語・日本語・韓国語）の文字は扱えるものの、英語と同じ水準ではないと書いています。API には言語を指定する項目もありません。

公式は、本番で使う前に自社のデータで試すよう勧めています。日本語の文章で判定を試した結果は、Jevは日本語で使える？で扱っています。

3点に加えて、使う版を固定するかも決めておきます。公式のモデルのページによると、jev-latest のような別名は新しい版が出ると指す先が変わるため、挙動を固定したいときは jev-1.13.0 のように版の付いた名前を指定します。

Jev を業務に入れる前に、送るデータ・置き場所・言語・版の4点を自社の言葉で決めておくと、試した後に決め直さずに済みます。

Jev を会社で使う最初の一手は、送ってよいデータの線を公式の記載と社内の分類で引くことです。

新しいAIを業務に入れる前に、データの分類と人に残す判断を社内で整理するなら、自社で使えるヒントを、20の実例から探すもご利用ください。

自社で使えるヒントを、20の実例から探す

Jevの限界｜公式が挙げる苦手と、この記事で答えないこと

Jev の限界は、公式がモデルの版ごとに苦手をまとめたページで公開しています。Jev 1.13 のページから、業務で問いを書くときに効く主なものを抜き出します。

• 書いた問いを文字どおりに読む。公式は、意図した問いではなく書いた問いに答えると書いています
• 計算や数えることは苦手。答えの形を見分けるだけで、数を数え上げてはいないと説明されています
• 日付を量として比べられない。日付を文字として読むため、期間の計算や日付の範囲の確認には向きません
• 二重否定や、何段もたどる問いで精度が落ちる。問いは1つの判断に絞るほうが答えが安定します
• 関係の無い情報が多い入力で精度が落ちる。公式は、無関係な部分が判断の邪魔になると説明しています
• 入力に紛れた指示に引っぱられることがある。悪意のある入力を既定では敵とみなさないと書かれています
• Choice では先に書いた選択肢に寄ることがある。選択肢の並べ方も試す対象に入ります

抜き出しは本記事の選択で、公式のページにはこのほかの項目もあります。業務に当てはめると、問いは1つの判断に絞って肯定文で書き、判断に関係の無い部分は送る前に削り、日付や金額の比較はプログラムの側で行う、という書き方になります。

公式は、Jev に文章を書かせることも想定していないと書いています。無理に文章を出させても質は出ず、応答も大きく遅れるという説明です。

この記事で答えないこと｜精度の実測・費用の試算・組み込みの手順

この記事は、公式の文書をもとに Jev の形と使い分けを整理したもので、次の3つには答えを出していません。

• 自社の業務での正答率。公式の数字は提供元の計測で、日本語の文での精度も公式は数字を出していません。自社の文で、人の判断と比べて試すまで分かりません
• 月の件数ごとの費用。料金は入力の量で決まるため、1件あたりの文の長さと件数が決まってから計算します
• 既存のシステムへの組み込みの手順。Claude Code に組み込みのコードを書かせる流れは、使い分けの章で紹介した組み合わせ方の記事で扱っています

Jevに関するよくある質問

Q. Jevは無料で試せますか

A. 参照日時点で、公式のページから無料枠の有無は確かめられませんでした。 公式が示している料金は、入力100万トークンあたり0.042ドルで、出力は無料です。試す前に、コンソールの料金の表示を最新で確かめます。

Q. Jevの答えは、そのまま業務に使ってよいですか

A. 確信度で分けて、低いものは人が見る形にしてから使います。 Jev の値は決めた型を外れませんが、選んだ選択肢が誤ることはあります。どの確信度から人に回すかは、自社の文で試した結果を見て決めます。

Q. Jevに文章の要約や翻訳を任せられますか

A. 任せる相手には向きません。Jev は文章を書くためのモデルではなく、公式は文章を出させようとするとうまくいかず、とても遅くなると書いています。 要約や翻訳は文章を作るモデルに任せ、Jev には要約した後の文がどの分類に当たるか、のような判定を渡します。

Q. Jevを使うのにプログラミングの知識は要りますか

A. 業務で使うには、API を呼び出すプログラムが要ります。 コンソールの Playground で問いを試すことはできますが、業務の流れに組み込むのはプログラムの側です。問いの選択肢や段階を言葉で定義する部分は、業務を知る人が書けます。

Jevとは何か｜総括表

比べているのは得意な仕事の形で、どちらの性能が上かではありません。Jev の項目は2026年10月6日時点の公式の文書によります。

あわせて読みたい

関連記事JevとClaude Codeの組み合わせ方｜判断をJevに任せる3つの手順記事を読む ▶ 関連記事Jevは日本語で使える？｜日本語の文章で判定を試した結果記事を読む ▶ 関連記事Claudeできること一覧｜チャット・Cowork・Codeの使い分け記事を読む ▶

まとめ｜Jevとは何で、Claudeとどう使い分けるか

Jev は、文章を書かずに、決めた選択肢から選んで確率を返す判断専用のモデルです。選択肢か段階で答えられる判断を Jev に、文章を作る・作業を進める仕事を Claude に、最後に決める役を人に分けると、どこに何を任せるかが決まります。

Jev を試す前に、次の3つから始められます。

1. 今日：社内の業務から、答えが選択肢か段階で済んでいる判断を1つ探す
2. 今週中：その判断の選択肢と段階を、Jev の問いとして読める言葉で書き出す
3. 今週中：確信度が低い答えを誰が見て決めるか、回す先の担当者を決める

御社の業務で、文章を書かずに選ぶだけで済んでいるのに、人が毎回読んで決めている判断を1つ挙げられますか。

• Jevは、TypeSafe AI が2026年9月に公開した判断専用のモデルで、文章を生成せず、選択・段階評価・はい／いいえの3つの形で答えを返します。速さと安さを強みに挙げていますが、他のモデルと比べた倍率は提供元自身の計測です
• 向いているのは、分類・振り分け・採点・真偽判定のように、答えの形を先に決められる小さな判断です。文章を作る・作業を進める仕事は Claude に残し、Jev には選ぶだけの判断を渡すと分担がはっきりします
• 会社で使う前に、送るデータの線・置き場所・言語の3点を確かめます。公式は入力を学習に使わないと明記する一方、米国でホストし、英語以外の言語は英語ほどの精度ではないと書いています

Jev のような新しいAIと Claude の分担を、社内の業務に当てて整理するなら、自社で使えるヒントを、20の実例から探すからご確認いただけます。

自社で使えるヒントを、20の実例から探す

Claude が業務の中でどこまで作業を進めるかを画面で見てから判断したい場合は、初回無料体験講座もあります。

無料体験講座を申し込む ▶

出典・注記

• TypeSafe AI「Introducing System One models and Jev」（2026年10月6日参照）。公開日・早期アクセス、System One model の定義、文章を生成しないこと、応答時間、料金、倍率とその注記、返す値が型を外れないことによる
• TypeSafe AI 公式サイト（2026年10月6日参照）。「Zero Hallucinations」の表記による
• TypeSafe AI Docs「Models」（2026年10月6日参照）。料金、処理の上限、モデル名と別名、入力の種類、言語ごとの精度、利用者のデータで学習しないことによる
• TypeSafe AI Docs「Quickstart」／「API」（2026年10月6日参照）。最初の呼び出しまでの流れ、Choice・Score・Noul、選択肢の上限、言語の指定項目が無いことによる。コード例は公式の例の骨格を本記事で書き換えたもの
• TypeSafe AI Docs「Coding agents」／「llms.txt」（2026年10月6日参照）。チャットやコード補完のモデルではないこと、確信度で人に回す型、用途の例による
• TypeSafe AI Docs「Model jaggedness: Jev 1.13」（2026年10月6日参照）。限界の章の苦手の一覧による
• TypeSafe AI「Privacy Policy」／「Terms of Service」（2026年10月6日参照）。入力を学習に使わないこと、保存期間、米国でのホスト、規約の更新日による
• OpenRouter「Jev」（2026年10月6日参照）。外部の経路からの呼び出しによる
• 倍率の数字は提供元の計測で、参照日時点で第三者が同じ条件で追試した結果は確認できていません
• 3つの場面、用途の4分類、会社で確かめる3点の分け方は、本記事の整理です。場面は説明のための例で、DAIJOBU が Jev を導入した事例ではありません
• AI を業務に入れるときの守りの整理は、当社の自社情報です
• 仕様・料金・規約は版と時期で変わります。本記事は2026年10月6日時点で確認した内容です

この記事について

本記事は、法人向けにClaude Codeの研修を提供するDAIJOBUが、TypeSafe AI の判断専用モデル Jev を、公式の文書をもとに、文章を作る Claude との得意な仕事の形の違いで整理したものです。