Share
Embed
選ぶ・採点する・確率を返す — Jevの使いどころ入門
Jevの3つの判断機能(Choice・Score・Noul)と、アプリケーションへの組み込み方を紹介する技術LT資料です。Gmailのラベル振り分けや音声でのブラウザ操作を題材に、小さな判断を業務で活用する方法を考えます。
hisuzuya
September 21, 2026
Transcript
15 slides
-
自己紹介 鈴山英寿 Suzuyama Hidehisa 趣味 - サウナ - ボードゲーム 近況
- 毎週テニスをやっていて週3コマにしました - 2週間に1回ぐらい熱中症で頭痛をしている 02 -
WHY JEV / 注⽬したい理由 何が良い? ⼩さな判断を、何度も呼べる $0.042 JevのAPI料⾦ ⼊⼒100万トークンあたり∕出⼒は無料 単発API⽐較|レビュー1件から5項⽬を判定
指標 Jev GPT-5.6 Luna 応答時間(中央値) 0.647秒 1.556秒 費⽤ / 1,000回 約$0.032 約$0.154 項⽬ごとの正解率 96.13% 97.13% この実験では、時間 約1/2.4‧費⽤ 約1/4.9 型付きの判断を、低コスト‧低遅延で業務の条件分岐へ 第三者実測:100件×3回∕OpenRouter経由。Lunaは推論なし‧厳密なJSON出⼒。⼈⼯の英語レビュー。 費⽤は取得できた平均額×1,000の換算。時間は成功分の中央値。Jevは1回エラー。出典:mameli/jev-vs-luna(2026/9/18) 04 -
3つの機能 / OVERVIEW Jevが返す、3つの判断 Choice Score Noul どれ? どの段階? そう⾔える?
依頼に合うAIモデルを選ぶ PRのレビュー必要度を測る 社内RAGの引⽤根拠を確かめる ChoiceとScoreは確率分布とconfidenceも返す。NoulはYesの確率を返す。 05 -
CHOICE / 判断 → コードで使う値 Choice|依頼に合うAIモデルを選ぶ ⼊⼒ state: 「この⽂章の誤字を直して」 質問(questions.route)
返り値(answers.route) { { } "type": "choice", "instructions": "適切なモデルは?", "criteria": { "fast": "誤字修正・単純な抽出", "powerful": "複雑な設計・原因分析" } } "choice": "fast", "probabilities": { "fast": 0.95, "powerful": 0.05 } 候補から1つ選ぶ 軽量? ⾼性能? fast → 軽量モデルを呼ぶ instructions=何を判断するか ∕ criteria=候補や判断基準。数値は架空‧API未実測。詳しい説明はノートへ。 06 -
SCORE / 判断 → コードで使う値 Score|PRのレビュー必要度を採点する ⼊⼒ state: 共通APIの変更を含むPRの説明‧差分‧テスト情報 質問(questions.impact)
返り値(answers.impact) { { } "type": "score", "instructions": "変更の影響範囲は?", "criteria": [ "表示・文言だけの変更", "1つの機能の動作を変更", "複数機能・共通処理を変更" ] } "score": 1.6, "probabilities": { "0": 0.1, "1": 0.2, "2": 0.7 } 段階の平均値 0→1→2 0×0.1 + 1×0.2 + 2×0.7 = 1.6 instructions=何を判断するか ∕ criteria=候補や判断基準。数値は架空‧API未実測。詳しい説明はノートへ。 07 -
NOUL / 判断 → コードで使う値 Noul|その回答、引⽤元に書いてある? 引⽤記事:開発環境は全員、本番環境は運⽤担当者のみ RAGの回答:「全員が本番へデプロイできます」[社内⼿順書] 質問(questions.supported) 返り値(answers.supported)
{ { "type": "noul", "instructions": "主張は引用元で裏付けられ る?", "criteria": { "true": "引用本文が主張を裏付ける", "false": "引用本文と矛盾・根拠不足" } } } "noul": 0.08 Yesである確率 引⽤付きでも、内容は要確認 0.08 → 表⽰前に再⽣成へ 社内RAGの回答と引⽤本⽂をstateで渡す。数値は説明⽤‧API未実測。完全なJSONと判定基準はノートへ。 08 -
全体設計|⼊⼒ → ⼩さな判断 → 次の処理 JEV / 10 MIN TECH
TALK ⼊⼒ Jevが判断 まず試す → 次に、動くアプリで⾒る 次の処理へ 09 -
DEMO|Gmailのラベルを振り分ける JEV / 10 MIN TECH TALK メール → Jev
→ 判定ログ 「完了」付きメール20通 件名‧本⽂を取得 Jevで分類 内容に合うラベルを選ぶ 候補をログに出⼒ Gmailのラベルは未変更 20通の実⾏ログ‧約35秒 動画をクリックして再⽣ 10 -
DEMO|声でブラウザを動かす JEV / 10 MIN TECH TALK 話す → Jevが選ぶ
→ ブラウザが動く jev-voice-browser のデモへ ↗ 11 -
注⽬されている、Jevの公開活⽤例 JEV / 10 MIN TECH TALK ブラウザ操作 jev-ultrafast AIの履歴整理
fast-jev-compaction AIの売買判断 jev-trader 約1.3万 stars 約5,500 stars 約1,600 stars 9/21時点。スターは注⽬度の⽬安。jev-traderの公開デモはmock / dry-run。 12 -
補⾜:JavaScript SDK REFERENCE 説明⽤コード(未実⾏) import { choice, TypeSafeClient } from
"@typesafe-ai/sdk"; const client = new TypeSafeClient(); const res = await client.systemOne({ state: "この文章の誤字を直して", questions: { route: choice("適切なモデルは?", { fast: "誤字修正・単純な抽出", powerful: "複雑な設計・原因分析" }) } }); console.log(res.answers.route.choice); 準備:npm install @typesafe-ai/sdk ∕ TYPESAFE_API_KEY を設定 14 -
補⾜:公式資料と出典 REFERENCE 発表‧性能評価 TypeSafe AI:Introducing System One models and Jev
⼊出⼒と質問の型 Choice / Score / Noul の公式仕様 確率と確信度 https://docs.typesafe.ai/confidence モデル仕様‧料⾦‧⾔語 https://docs.typesafe.ai/models 既知の弱点 https://docs.typesafe.ai/model-jaggedness/jev-1.13 JavaScript SDK https://docs.typesafe.ai/sdk/javascript 2026年9⽉21⽇時点。仕様‧料⾦は変更される可能性があります。 15