TypeSafe AIが意思決定特化型モデルJevを発表 200倍高速で出力無料

何が発表されたのか

米TypeSafe AIは、高速な自律的意思決定に特化した新たな基底モデル「Jev」を発表し、一般開発者向けに提供を開始しました。同社を率いるのは、OpenAIでChatGPTの初期開発に携わった経歴を持つディオゴ・アルメイダ（Diogo Almeida）氏です。アルメイダ氏は約2年間のステルス期間を経て、人間との対話を目的とした従来のチャット型アーキテクチャから完全に脱却したモデルを公開しました。Jevはテキスト会話を行うのではなく、入力された状態情報から瞬時に最適な行動や判定を出力する「意思決定エンジン」として設計されています。

発表された機能・アップデートの全容

新学習手法RLCDによるミリ秒単位の高速推論

Jevの中核を成す技術が、人間の嗜好に合わせるRLHF（人間からのフィードバックによる強化学習）に代わる新手法「RLCD（Reinforcement Learning for Calibrated Decisions：較正された決定のための強化学習）」です。従来のチャットモデルは、人間が好む自然な会話調の文章を生成するために最適化されていました。その結果、冗長な思考プロセスの生成に推論リソースが浪費される課題を抱えていました。

アルメイダ氏はこの構造を見直し、モデルアーキテクチャ、サンプラー、学習アルゴリズムをゼロから再設計しました。状態の入力に対して直接的かつ構造化された判定コード（JSONなど）を即座に出力します。これにより、従来のフロンティアモデル比で20倍から最大200倍の推論速度を達成しました。動画内で示されたターミナル操作では、コマンド入力と同時に大量の型定義付きJSONレスポンスが画面を埋め尽くす様子が公開されています。

出力トークン完全無料と極小化されたコスト体系

TypeSafe AIは、Jevの出力トークンに対する課金を「完全無料（$0.0）」として設定しました。推論効率を極限まで高めたことで、出力にかかるインフラ原価を劇的に圧縮できたことが背景にあります。課金対象は入力プロンプトのトークンのみであり、その単価も競合モデルの40分の1から400分の1程度に設定されています。

従来のAPI課金モデルでは、複雑なタスクを反復実行する自律エージェントを稼働させると、出力トークン量が膨れ上がりコストが跳ね上がる問題がありました。Jevはこのボトルネックを解消します。企業はコストの急増を懸念することなく、毎秒数百回から数千回の推論ループを回し続けるシステムを構築できます。

ハルシネーション発生率ゼロを主張する信頼性設計

TypeSafe AIが掲げるモットーは「We're building Prod, Not God.（我々が作るのは神ではなく、実プロダクトだ）」というものです。AGI（汎用人工知能）の神格化を掲げる他社フロンティア研究所へのアンチテーゼとして、産業現場で確実に動く決定論的な信頼性を追求しています。映像内のスライド資料によると、Jevはツール呼び出し時のエラー率（Tool Call Error Rate）において「0.00%」を記録したと主張されています。

従来のモデルは人間の会話データに最適化されているため、確率的な誤りや幻覚（ハルシネーション）を本質的に排除できませんでした。医療、軍事、交通制御、基幹業務などの領域では、わずか1%のエラーでも致命傷となります。Jevはすべての判断に対して信頼度スコアを算出して出力します。確信が持てない事象に対しては人間にエスカレーションを行う制御ロジックを標準で組み込める仕様です。

リアルタイムゲーム「DOOM」と「スマブラDX」の自律操作デモ

超低遅延な推論性能を証明するため、往年の名作FPSゲーム「DOOM」を完全に自律動作させるデモが公開されました。Jevはゲーム内の内部ループから直接状態データを読み取ります。プレイヤーの体力、所持弾薬、視界内の敵情報、相対距離などをミリ秒単位で解析し、毎秒約10回の判断APIを呼び出して移動や射撃をリアルタイムに実行しました。

さらに格闘ゲーム「大乱闘スマッシュブラザーズDX（Melee）」を自律操作するデモも実演されました。動画内ではフォックスを操作し、相手の動きに瞬時に反応して攻撃や回避を繰り出す様子が映し出されています。従来のLLMでは不可能だった、ミリ秒単位のフレーム判定が求められるリアルタイムアクションゲームの制御が、外部API経由で滑らかに完結しています。

仮想街「AI Town」における50人の同時リアルタイムシミュレーション

並列処理能力の実証として、仮想空間「AI Town（Cloverfield町）」のデモが紹介されました。町に住む50人の独立した住民キャラクター全員の頭脳としてJevが稼働しています。管理者が「ベーカリーで火災発生、全品処分セールを開始」というアナウンスを街全体に放送したところ、わずか0.59秒で50人全員の行動決定が完了しました。

39人は現在の作業を継続し、6人が調査に向かい、4人が購入のために駆けつけ、1人が周囲に警告を発するなど、個性に応じた判断が瞬時に下されました。続いて「噴水に行かない者は毒ヘビに噛まれる」という不条理なアナウンスを投入した際も、0.41秒で住民の大半が噴水へ向けて一斉に移動を開始しました。個別の思考ループを直列に処理するのではなく、超高速に並列決定を下せる強みが示されています。

15万個の粒を選別する超並列画像認識・仕分けデモ

物理的な自動化への応用例として、皿の上に積み上げられた15万個のカラフルなお菓子（スキトルズ）を箸で色ごとに仕分けるシミュレーションデモが紹介されました。お菓子の山から個々の粒の位置と色を認識し、5色のトレイへ高速に振り分けるタスクです。

通常速度のデモでは1粒ずつ箸で摘まんで選別する動きが描かれました。推論速度を最大化すると、画面上の選別アニメーションが目視困難な超高速で回転し、数千個単位の判定を瞬時に完了させました。工場のライン選別や物流のピッキングなど、視覚情報から瞬時の仕分け判断が求められる産業ロボット分野への転用可能性を明確に示しています。