TypeSafe AI は、2026年9月15日にステルスを解除して早期アクセスを開始した、米国発のAIラボです。提供するモデル「Jev」は、対話用の大規模言語モデルとは逆方向の発想で設計されています。人間に読ませる文章をつくるのではなく、ソフトウェアがそのまま使える「判断」を返すことに専念したモデルです。たとえば「この問い合わせはどの部署に回すべきか」「この投稿の緊急度は100点満点で何点か」「この操作を自動で実行してよいか」といった、アプリケーションの内部で絶えず発生する判定を引き受けます。返ってくるのは自由文ではなく、あらかじめ決めた型に収まった値と、その確からしさを示す確率・確信度です。
主な特徴
- テキストを生成しない意思決定モデル「Jev」: System One Model と名付けられたアーキテクチャで、文章生成の工程そのものを持ちません。出力は型付きの確率的な決定に限定されます
- 3種類の質問プリミティブ: Choice（選択肢から選ぶ）、Score（点数をつける）、Noul（Yes/No の確率を返す）の3つだけで質問を組み立てます。覚えることが少なく、プロンプト設計に悩みにくい構成です
- キャリブレーション済みの確信度: すべての回答に確信度が付きます。「確信度が高ければ自動処理、低ければ人のレビューへ」という振り分けを、しきい値の設定だけで実装できます
- 並列サンプリングによる高速応答: トークンを1つずつ生成するのではなく、1回のクエリで出力全体を並列に生成します。公式は70〜500ミリ秒台の応答を公称しています
- REST API と公式SDK:
api.typesafe.aiの REST API に加え、Python と JavaScript の公式クライアントSDKが用意されています
料金
| プラン | 料金 | 内容 |
|---|---|---|
| 従量課金（Jev / Early Access） | 入力 $0.042 / 100万トークン | 出力トークンは課金対象外。API・SDK 経由で利用 |
固定の段階プラン（Free / Pro のような区分）はなく、入力トークンの単価だけで課金される従量制です。公式サイトに独立した料金ページはなく、上記は公開時のブログ記事に記載された価格にもとづいています。早期アクセス期間中の価格のため、一般提供の開始にあわせて変わる可能性があります。
料金は2026年9月時点の情報です。最新の料金は公式サイトをご確認ください。
メリット・デメリット
✅ メリット
- 画面の裏で走る判定を、ユーザーの体感速度を損なわずに組み込めます。応答待ちのスピナーを出さずに済む設計がしやすくなります
- 出力に課金されないため、判定を大量に回しても費用の見積もりが入力トークンだけで完結します。コストが読めるので本番導入の判断がしやすくなります
- 返り値が型で保証されるので、JSONのパース失敗に備えたリトライ処理や整形処理を書かずに済みます。実装量とバグの余地がその分減ります
- 確信度のしきい値を変えるだけで、自動化の範囲を運用しながら調整できます。「まず人が見る」から始めて、実績を見ながら自動処理の割合を広げていけます
⚠️ デメリット
- 文章生成・要約・自由な対話には使えません。用途は Choice / Score / Noul で表せる判定に限られます
- 型として正しくても意味的に誤った判定が返ることはあります。外部レビューでも指摘されており、確信度の扱いと評価データの準備は利用側の責任になります
- 高速性やコスト優位を示す性能倍率は提供元自身のベンチマークが中心で、独立した第三者検証は確認できていません
- 2026年9月にステルスを解除したばかりで、現時点はウェイトリスト制の早期アクセスです。商用SLAなどの条件は確定していません
類似サービスとの比較
| サービス名 | 違い |
|---|---|
| OpenAI Structured Outputs / JSON mode | 既存の大規模言語モデルに、JSONスキーマ準拠の出力を後付けで強制する機能です。Jev はテキスト生成そのものを行わない専用アーキテクチャという点が異なります |
| Instructor（Pythonライブラリ） | 大規模言語モデルの呼び出しをラップし、結果を Pydantic のスキーマへパースするライブラリです。TypeSafe AI は基盤モデル自体を置き換えます |
| Guardrails AI | 大規模言語モデルの出力を検証・修正するバリデーション層です。Jev は検証ではなく、決定を生成する側を担います |
こんな人におすすめ
- 問い合わせの自動振り分けやコンテンツのスコアリングなど、判定処理を大量に回したい開発者
- 大規模言語モデルを組み込んだものの、応答の遅さやJSONパース失敗の対処に手を取られている人
- if 文では書ききれない曖昧な条件分岐を、ルールベースから置き換えたい業務システムの担当者
- 自動処理と人によるレビューの境界を、運用しながら数値で調整したいチーム
- 出力課金が積み上がるコスト構造に悩み、判定用途だけでも切り出したいと考えている人
まとめ
対話型AIが当たり前になった一方で、ソフトウェアが必要としているのは文章ではなく判断だけ、という場面は少なくありません。TypeSafe AI はその一点に絞り、型と確信度という形で機械が扱いやすい答えを返します。判定を大量に回す処理を抱えているなら、試す価値のあるアプローチです。ただし公開直後の早期アクセス段階で、性能の裏づけも提供元のベンチマークが中心です。まずは自分たちの実データで小さく評価し、確信度のしきい値を確かめてから本番に載せる進め方が現実的でしょう。