何が発表されたのか
米新興AI企業のTypeSafe AIは、意思決定の処理速度とコスト効率に特化した新型AIモデル「Jev」を発表し、一般向けにAPI提供を開始しました。同社の創業者であるディオゴ・アルメイダ（Diogo Almeida）氏は、かつて米OpenAIで言語モデルの指示追従技術（Instruction Following）や対話技術の基盤構築に携わった経歴を持ちます。
本発表は、研究論文の公開にとどまらず、すでに商用利用可能な実働モデルとしてのリリースです。従来の汎用的な大規模言語モデル（LLM）は、思考の連鎖や文章生成を重視する「システム2（熟慮型思考）」に傾斜していました。これに対しJevは、ノーベル経済学賞受賞者のダニエル・カーネマン氏が提唱した「システム1（直感・高速判断）」の概念をAIに実装したものです。
チャットを通じた長文の執筆やゼロからのコード生成といった役割をあえて完全に捨て去り、事前に定義されたルールや文脈に基づき、数千から数十万件の「イエス／ノー判定」や「スコアリング」をミリ秒単位で実行することに特化しています。これにより、既存の最高峰LLMと比較して劇的な低価格化と高速化を両立させました。
発表された機能・アップデートの全容
動画内では、Jevが持つ特異なアーキテクチャと、それを応用した8つの具体的な実装事例が紹介されました。それぞれの仕組みと挙動を詳細に解説します。
構造化プロンプトによる超高速な真偽判定メカニズム
Jevの根底にある設計思想は、「明確に定義された質問に対し、基準に沿って即座に判定を下す」という点にあります。動画内で実演されたデモ画面では、入力プロンプトがJSON形式で厳格に構造化されていました。
具体例として画面に提示されたのは、「ホットドッグはサンドイッチか（Is hotdog a sandwich?）」という命題です。指示（instructions）に対して、判断基準（criteria）が論理的に記述されます。「具材が構造的なデンプン（パンなど）に挟まれている料理であればTrue」「パンで挟まれておらず1枚のパンの上に載っているだけ、またはトルティーヤやクッキーなど非パン素材の包み紙である場合はFalse」といった定義をあらかじめ与えます。
ここに「アイスクリームサンドイッチ」という入力状態（State）を渡して実行すると、わずか135ミリ秒で「73% True」という確率スコアを返しました。自然言語で延々と解説文を出力させるのではなく、あらかじめ設定したスキーマに従って判定確率のみを返すため、コンピューティングリソースの浪費が一切発生しません。条件が明確なタスクにおいて、無駄な推論コストを完全に排除できる構造です。
WebサイトのAI生成コンテンツを暴く「AIスロップ検知」
Jevの高速判定能力を実証する最初の事例として紹介されたのが、「AI Slop Detector（AI粗製乱造コンテンツ検知器）」です。これはWebサイト全体のHTML、CSS、フォント、テキストデータを走査し、どの程度がAIによって生成された手抜きコンテンツであるかを数値化するツールです。
動画内では米Anthropicの公式サイト（anthropic.com）をテスト対象として解析する様子が映し出されました。Jevはわずか500ミリ秒の間に35個もの個別判定質問を実行し、わずか0.00016ドルのコストで「26% AI slop（74%は手作業）」という判定を下しました。
画面上の詳細レポートには、「使用されているカラーパレットがAI特有の無難な暖色系か（判定スコア62%）」「見出しにセリフ体のイタリックが1単語だけ使われているか（判定スコア83%）」といった、微細なデザインパターンの該当率が明細として表示されています。数十個の評価基準をミリ秒単位で並列処理できるJevだからこそ、ページ全体の総合評価を瞬時に完了できます。
広告や不要ダイアログを自動消去する拡張機能「Unclutter」
開発者のKitze氏が制作したChrome拡張機能「Unclutter」は、Jevの低遅延性をクライアントサイドで直接活かした実用例です。このツールは、Webページを読み込んだ瞬間に、ページ内の全要素をJevに送信して構造解析を行います。
画面のデモでは、英BBCやガーディアン紙などのニュースサイトを開いた際、ページ描画とほぼ同時に広告バナー、Cookie同意ポップアップ、ニュースレター登録フォーム、有料プランへの誘導リンクが自動的に識別され、画面上から綺麗に消去されました。
従来の広告ブロッカーはURLフィルターやDOMのクラス名に依存していましたが、UnclutterはJevに対して「この要素はユーザーにとって迷惑な要素（スキャン、バナー、強引なダイアログ）か」を都度判定させています。動画内で示された動作時間はほぼ知覚できないレベルであり、ユーザー体験を損なうことなく、動的な迷惑要素の排除に成功しています。
Zapier連携による完全自動化ワークフローの分岐判断
業務自動化プラットフォーム「Zapier」との公式連携も公表されました。Zapierのワークフロー構築画面（Zap）において、トリガーとアクションの間に「TypeSafe Jev」をアクション要素として組み込むことが可能です。
動画内で作成されたデモでは、Googleカレンダーに新しい予定の招待が入った際、Jevが事前に指定されたルールに基づいて「承認すべきか、拒否すべきか」を判断する自動化が紹介されました。ユーザーはJevの設定欄に判断基準を自然言語で記述しておくだけで、複雑な条件分岐のコードを書くことなく、予定の自動受諾または辞退を完結させられます。
Zapierが連携する9,000種類以上のSaaSアプリケーションとJevを組み合わせることで、顧客問い合わせのトリアージ、リード顧客の選別、経費申請の一次チェックなど、人間が介在していた軽微な判断業務を完全に自動化できます。
数百件の未読メールを重要度順に0.5秒で並べ替える「avec」
Jonathan Unikowski氏が開発したメールクライアント拡張「avec」のデモでは、受信トレイの並び順を根本から変えるアプローチが提示されました。従来のメールアプリは新着順（逆時系列）に並ぶのが一般的ですが、Jevを用いることで重要度順のリアルタイムソートを実現しています。
画面に映し出されたデモでは、受信トレイ内の約100件のメールに対し、Jevが一瞬で内容をスキャンし、返信の緊急性や業務上の重要度を判定しました。処理にかかった時間はわずか0.5秒未満です。
従来の重厚なLLMで100件のメールを順次解析させた場合、数分間の待ち時間と無視できないAPIコストが発生します。Jevは1件あたり数ミリ秒で重要度スコアを算出できるため、受信トレイを開いた瞬間に最適な並び順へと並べ替える実用的なUXを提供できます。
文脈と意味を汲み取る高速あいまいページ内検索「FIND」
GoogleのプロダクトマネージャーであるShubham Saboo氏が公開したオープンソースのChrome拡張機能「FIND」は、ブラウザ標準の「ページ内検索（Ctrl+F）」を再発明するツールです。完全一致する文字列しかヒットしない従来の検索と異なり、入力した文脈に合致する箇所をJevが瞬時に見つけ出します。
動画内ではAppleのメディアサービス利用規約という膨大な英文テキストを対象に実演されました。検索窓に探したい内容の大まかな意味を入力すると、該当する段落がミリ秒単位でハイライト表示されます。
通常のセマンティック検索（ベクトル検索）をクライアントサイドで行うと、エンベディングの生成や類似度計算に一定のラグが生じます。Jevを活用したこの拡張機能では、完全一致しない曖昧な表現であっても、ほぼ待ち時間なしで目的の条項へと到達できる快適な操作性を実現しています。
コンポーネントを瞬時に組み立てる動的UIレンダリング
Chris Tate氏が手がけた実験的フレームワーク「json-render + jev」のデモは、今後のWebアプリケーション設計に大きな示唆を与える内容でした。ユーザーの入力や属性に応じて、WebページのUIをリアルタイムかつ動的に生成する技術です。
画面上では、画面左側に従来のレンダリング、右側にJevによる動的レンダリングを並べた比較が行われました。サインイン画面、売上ダッシュボード、電車の時刻表といった全く異なるUIが、ユーザーの要求からわずか数百ミリ秒で画面上に構築されます。
重要なのは、JevがHTMLやCSSのコードをゼロから記述しているのではないという点です。あらかじめ開発者が用意したボタン、入力欄、グラフ、フォントなどのUIコンポーネントライブラリの中から、ユーザーの意図に最適なパーツをJevが瞬時に選択し、JSON形式でレイアウトを構成しています。この制約があるからこそ、構文エラーのない安全なUI生成がミリ秒単位で成立します。
90分以上の動画から特定シーンを2秒で抽出する「Clip Fast」
Burhan Usman氏が制作した動画解析ツール「Clip Fast」は、長時間の映像コンテンツから必要な場面だけを切り出す作業を自動化します。
デモでは、90分を超える長尺の対談動画の文字起こしデータを対象に、「強化学習（RL）が機能する理由は何か（Why RL works?）」というクエリを入力しました。すると、2秒未満の処理時間で該当する発言を行っている複数のシーンがサムネイル付きで一覧表示され、ワンクリックで該当クリップをダウンロードできる状態になりました。
この処理全体にかかったコストはわずか2セント未満です。従来であれば動画編集者がタイムラインを手動でシークするか、高額なLLMに長大なコンテキストを読み込ませて数分待つ必要があった作業が、日常的な検索感覚で実行できるようになります。
自然言語から色と絵文字を直感抽出するデザイン支援ツール
クリエイティブ領域におけるJevの応用として、2つのユニークなデモが紹介されました。1つはMatt DesLauriers氏によるカラーパレット生成ツールです。「80s pop」「retro」「matrix」「beach sunset」といった抽象的な単語だけでなく、「mario」「luigi」「wario」といったキャラクター名を入力すると、Jevが概念を即座に分解し、それに合致する複数のカラーコードを瞬時に画面下部へ帯状に展開します。
もう1つはStefan氏による絵文字選定ツールです。画面上に散らばった無数の絵文字の中から、「冬に着るもの（things you can wear in winter）」と入力するとコートや手袋の絵文字が浮かび上がり、「痩せたい（I need to lose weight）」と入力すると健康的な食材の絵文字が選別されます。
いずれも、LLMが事前学習で獲得した広範な一般知識を「テキストで出力させる」のではなく、「特定の概念と視覚的要素の関連付け」という分類タスクとして引き出しています。ゲーム開発やインタラクティブアートにおいて、リアルタイムな演出変更に応用可能な技術です。
