TypeSafe Jevの倍率 公式28件で確認

TypeSafe AI が公開しているページのうち、既存のLLMや他社モデルとの比較として Jev の速度・費用の倍率が書かれているのは6か所で、表記は two orders of magnitude・40x-200x・almost 2 orders of magnitude・193.6x faster, 444.6x cheaper・238x です。何に対する値か、どのタスクでの値か、どういう条件で測った値かは、6か所それぞれで違います。これらはいずれも同社が自ら公開しているページに載せた値で、評価の参照解答は the average of GPT-6 Astra and Fable 5.1、LLM 側の実行は our System One LLM wrapper を通したもの、実行場所は our laptops on the West Coast と、同じページに書かれています。

この記事は、その6か所の倍率と、倍率を伴わずに実数だけが表示されている3か所、そして他社モデルではなく Jev の呼び出し方どうしを比べた倍率2か所を、①値の表記②何に対してか③どのタスクか④測定条件⑤測定主体⑥所在⑦時点の7つに分けて並べます。

最終確認

2026-09-21

確認方法

TypeSafe AI の3つのホスト（typesafe.ai／docs.typesafe.ai／evals.typesafe.ai）で28ページを取得し、console.typesafe.ai の共有リンクも開きました。あわせて Internet Archive の保存版10件、robots.txt 5件、sitemap 2件、外部サイト2件を取得。Jev の API は1回も呼んでいません

対象

Jev の速度・費用の倍率と料金について、TypeSafe AI が公開しているページの記載

他社モデルとの比較として書かれた倍率

6か所（ブログ記事に4か所、トップページに2か所）

Jev の呼び出し方どうしを比べた倍率

2か所（docs.typesafe.ai の2ページ。同じクックブックについて、ページごとに違う値が書かれています）

倍率を伴わない実数の表示

3か所（ブログ記事の比較表の費用の行、トップページのデモ表示、評価サイトの散布図の点）

測定主体

ページの記載から読み取れるのは、同社による計測です。第三者が測ったとする記載は、今回読んだ28ページには見つけられませんでした

算出の内訳

193.6x・444.6x・238x について、どの値とどの値を割ったかを書いた記載は見つけられませんでした

本文を読めなかったもの

3件（28ページのうち、ブログ2記事は見出しと日付だけが取得でき、本文にあたるテキストがありませんでした。docs.typesafe.ai/pricing は HTTP 404 です。このほか API コンソールの共有リンクはログイン画面が返りました）

更新周期

1か月ごと

この記事は何を、どこまで確かめたか

確かめたのは、TypeSafe AI の3つのホストで取得した28ページの記載です。Jev の API は1回も呼んでおらず、速度も費用も当サイトでは測っていません。この記事は、28ページを 2026-09-21 に読んだ内容に依拠しています。

取得の前に、4つのホストの robots.txt を取得しました。typesafe.ai は User-agent: * に対して Allow: / の1行と Sitemap: の行、docs.typesafe.ai は User-agent: * に対して Content-Signal: ai-train=yes, search=yes, ai-input=yes・Disallow: /cdn-cgi/・Allow: /_next/image・Disallow: /_next/ と Sitemap: の行でした。AIクローラーを名指しして拒否する記載は、この2件には見つかりませんでした。evals.typesafe.ai/robots.txt は HTTP 200 を返しましたが、中身は robots.txt の書式ではなく、評価サイトの HTML でした。console.typesafe.ai/robots.txt は HTTP 307 で console.typesafe.ai/login に転送され、転送先は HTTP 200 のログイン画面でした。この2つのホストについては、robots.txt として読める内容を取得できていないため、AIクローラーの拒否の有無を確かめられていません。robots.txt はホストごとに置かれるもので、上に書いた typesafe.ai と docs.typesafe.ai の内容は、それぞれのホストについての記載です。

この記事の【訳】では、原文の we／our を「同社」と訳しています。原文は一人称で書かれていますが、誰の言葉かが訳文で分かるようにするためです。

トップページの画像と一部のテキストは framerusercontent.com から配信されています。このホストの robots.txt は、時間をおいて2回試みて、いずれも HTTP 403 でした。内容を確かめられていないため、このホストについては拒否の有無を未確認として扱っています。

今回取得したのは、次の28ページです。18 は HTTP 404 で、本文はありません。

上の表のほかに、console.typesafe.ai/playground?share=shr_13a74b495fb786c4bd7964f11597301e7c9 も開きました。ブログ記事が here is the actual query として案内しているリンクです。このURLは HTTP 307 で console.typesafe.ai/login?returnTo=… に転送され、転送先は HTTP 200 のログイン画面でした（Welcome to TypeSafe・Continue with Google の表示）。?share= を外した console.typesafe.ai/playground も、同じく HTTP 307 で同じログイン画面に転送されます。このため、デモに使われた問い合わせの中身は確かめられていません。

記載が最近書き換えられていないかを見るため、Internet Archive の保存版10件も取得しました。ブログ記事は 2026-09-15 19:26:10 UTC と 2026-09-21 03:30:22 UTC、トップページは 2026-09-15 19:26:39 UTC・2026-09-17 06:02:24 UTC・2026-09-20 17:53:06 UTC、docs.typesafe.ai/models は 2026-09-17 17:41:34 UTC と 2026-09-19 07:10:56 UTC、評価サイトは 2026-09-15 20:37:03 UTC・2026-09-16 16:00:30 UTC とワークフロー1件の 2026-09-16 15:51:30 UTC です。この記事が引く倍率・料金・レート制限の表記は、これらの保存版でも同じでした。

評価サイトの散布図の値は、テキストとしてページに書かれていません。点を描く <rect> の子要素として <title> が置かれ、その中に モデル名 · 経路 · 正答率 · 費用 · 時間 の形で入っています。この記事はそこから読み取っています。表のセルに「図の <title> 要素」と書いてあるのは、その意味です。

TypeSafe は Jev の速さと安さを、公式ページにどう書いているか

他社モデルとの比較として書かれた倍率は6か所で、比較相手は箇所ごとに違います。existing LLMs・frontier models・Claude Fable 5.1 と名指しされているものが3か所、名指しのないものが3か所です。倍率を伴わない実数の表示が3か所、これとは別に、Jev の呼び出し方どうしを比べた倍率がドキュメントに2か所あります。下の表の並びは、公式ページの掲載順（ブログ記事→トップページ→評価サイト→ドキュメント）に固定しています。値の大小順ではありません。

1の文は、ブログ記事の導入部にあります。

【引用】Our first public model is Jev, available today in early access. Jev achieves similar levels of intelligence on System One tasks compared to existing LLMs, while being two orders of magnitude faster and more efficient. While Jev gives up string generation, it’s optimized for structured outputs and can’t hallucinate.

【訳】TypeSafe が公開する1つ目のモデルは Jev で、本日から早期アクセス（early access）で利用できます。Jev は、System One のタスクにおいて既存のLLMと同等の水準の知能（similar levels of intelligence）に達しながら、2桁（two orders of magnitude）速く、効率的です。Jev は文字列の生成を手放していますが、構造化された出力に最適化されており、幻覚を起こせません（can’t hallucinate）。

2の行は、ブログ記事の Frontiers, Old and New の比較表にあります。Existing LLMs の列と System One + Jev の列が並んでいます。

【引用】（Existing LLMs 側）End-to-end response time is 3 to 329 seconds for frontier models. Fast enough for interfacing with humans, but a big bottleneck when integrated in code.

【訳】フロンティアのモデルでは、端から端までの応答時間は3秒から329秒です。人との受け答えには十分な速さですが、コードに組み込むと大きなボトルネックになります。

【引用】（System One + Jev 側）End-to-end response time is 70ms-500ms for TypeSafe. This can range from 40x-200x faster for the same levels of frontier intelligence for System One shaped queries.

【訳】TypeSafe では、端から端までの応答時間は70ミリ秒から500ミリ秒です。System One の形をしたクエリ（System One shaped queries）で、同じ水準のフロンティアの知能に対して、40倍から200倍（40x-200x）速い範囲になりえます。

この表の 3 to 329 seconds の部分は、外部サイトへのリンクになっています。リンク先は https://llm-benchmarks.diegoromero.es/ で、ページには diegoromero.es の表示と、Artificial Analysis independently benchmarks model intelligence, quality, performance, and price across models and endpoints という説明があります。このサイトと TypeSafe の関係を述べた記載は、今回読んだ28ページには見つけられませんでした。いっぽう Jev 側の 70ms-500ms には、リンクも出典の表示もありません。

日本から Jev を呼び出し、通信を含む応答時間を記録した結果は、別の記事にまとめています（Jevの応答時間 日本から141回直列で実測）。

5の文は、ブログ記事の Workflow evals の節の Nuance にあります。トップページの倍率の出どころを説明した文です。

【引用】This is where the claims of 193.6x faster, 444.6x cheaper on our home page comes from, and we expect that these are on the higher end of real world gains.

【訳】トップページにある193.6倍速い・444.6倍安いという主張は、ここから来ています。そして同社は、これらが実世界での改善幅としては高いほうの端に位置すると見込んでいます。

6のトップページの表記には、見出しのすぐ下に注記が付いています。*based on workflows for System One tasks (proof) と書かれ、(proof) はブログ記事へのリンクです。

10と11は、他の9行とは比較しているものが違います。どちらも LLM との比較ではなく、Jev への呼び出しを1回にまとめた場合と、分けた場合の比較です。原文は次のとおりです。

【引用】（docs.typesafe.ai/primitives.md）The Parallel questions cookbook shows how batching 13 questions into one call is 11.5x cheaper and 9.6x faster than 13 separate calls, with no change in the answers.（原文では Parallel questions cookbook が /cookbooks/parallel_questions へのリンクになっています）

【訳】Parallel questions のクックブックは、13の問いを1回の呼び出しにまとめると、13回に分けて呼び出す場合より11.5倍安く9.6倍速くなり、答えは変わらないことを示しています。

【引用】（docs.typesafe.ai/llms.txt）Runs a 13-question regulatory briefing over the GDPR Wikipedia article, showing that batching every question into one TypeSafe call is 12.2x cheaper and 10.0x faster with no change in answers.

【訳】GDPR の Wikipedia の記事について13問の規制ブリーフィングを実行し、すべての問いを1回の TypeSafe の呼び出しにまとめると12.2倍安く10.0倍速くなり、答えは変わらないことを示しています。

2つの文は同じクックブック（/cookbooks/parallel_questions）を指していますが、書かれている値は 11.5x／9.6x と 12.2x／10.0x です。クックブックのページそのものは、今回取得した28ページに含まれていません。

193.6x・444.6x・238x の3つについて、どの値とどの値から算出したかを書いた記載は、今回読んだ28ページには見つけられませんでした。28ページの本文を 193.6・444.6・238 の3つの文字列で検索したところ、数値が出てくるのはブログ記事とトップページの2ページでした。この記事では、公開されている値から内訳を計算して推定することはしていません。

その倍率は、何に対して・どのタスクで・誰が測った値か

評価に使われたのは、同社が公開している4つのワークフロー（Security Incidents／Agent Trace Observability／Invoice Processing／Customer Service）です。参照解答は GPT-6 Astra と Claude Fable 5.1 の応答の平均で作られ、LLM 側は同社の System One LLM wrapper を通して実行され、実行場所は同社のラップトップだと書かれています。評価のワークフローは同社のモデル能力チームの人が作ったとも書かれています。

測定条件として公式ページに書かれていることを、逐語で並べます。

LLM 側にラッパーを被せたことは、倍率の分母に直接かかわる記載です。訳を付けます。

【訳】LLM は同社の System One 用の LLM ラッパー（System One LLM wrapper）を使っており、これは LLM を、同社の API と互換性のある構造化された判断を出力するよう制約します。同社は、これが LLM から判断を得るうえでいちばん正確なやり方だと考えていますが、確率を伴わない判断を出させる場合に比べて、遅く高価になる傾向があります。

【訳】（実行場所について）呼び出しごとの速度：同社は本当にそれだけ速いのですが、公開している評価は通常、西海岸にある同社のラップトップから実行しています（現在サービスが置かれている場所です）。

評価サイトの散布図の点は、4つのワークフローの平均です。17の点の値は次のとおりです。並びは、ページの HTML に点が現れる順です。値の大小順ではありません。

この表の値は、散布図の点の <title> 要素から読み取ったものです。ページの本文には数値として書かれていません。Jev には workflow の経路の点だけがあり、prompt の経路の点が見当たりませんでした。同じ図の他の8つのモデル名には、どちらの経路の点もあります。このことを説明した記載も見つけられなかったため、理由はこの記事では扱いません。

モデル名がどの提供元のものかは、ブログ記事に載っている同じ図の凡例に色で示されています。凡例のうち提供元を示すのは TypeSafe・OpenAI・Anthropic・Fireworks の4つで（凡例にはこのほかに workflow（◆）、prompt（●）、frontier: nothing is both cheaper and more accurate があります）、図では Jev が TypeSafe の色、luna・sol・terra が OpenAI の色、opus 5・sonnet 5・haiku 4.5 が Anthropic の色、DS v4 flash・DS v4 pro が Fireworks の色で描かれています。図の表題は Average of 4 workflows: accuracy vs cost、横軸は cost per workflow, USD (log) です。

ワークフローごとの正答率も、同じ形で各ページの <title> 要素に入っています。4つのワークフローの正答率は次のとおりです。費用と時間も同じ要素にありますが、この記事では平均（上の表）だけを載せています。

4つのワークフローが何をする処理かは、評価サイトに1つずつ書かれています。Security Incidents は A security alert fires on a laptop or a server. で始まる警告の振り分け、Agent Trace Observability は支援エージェントの実行記録の確認、Invoice Processing は請求書の支払い可否、Customer Service は問い合わせへの次の一手の判断です。ブログ記事は、これらについて次のように書いています。

【引用】Note that the calls here are significantly more complex than the side-by-side demonstration above.

【訳】ここでの呼び出しは、上の横並びのデモよりも大幅に複雑であることに注意してください。

横並びのデモの条件についても、ブログ記事に記載があります。

【引用】We used GPT-5.6 Terra with default reasoning for this example, because we’ve found it to be the most comparable at intelligence to Jev on average. ／ The relatively shorter input paints our model in an advantageous light.

【訳】この例では、既定の推論設定の GPT-5.6 Terra を使いました。平均して知能の点で Jev といちばん比較しやすいと考えているためです。／入力が比較的短いことは、同社のモデルを有利に見せています。

Wikiracing のデモについては、速度差が小さくなる条件が書かれています。

【引用】Our speedups here tend to be a lot less than in previous demos. That’s because this is against the non-reasoning modes of the models (except Astra which was set to the lowest reasoning setting).

【訳】ここでの高速化の幅は、前のデモよりもかなり小さくなる傾向があります。これは、モデルの非推論モードを相手にしているためです（Astra だけはいちばん低い推論設定にしています）。

幻覚と型安全性の節にある図は、2つの棒グラフです。表題は Structured output error rate (lower is better) と Tool call error rate (lower is better) で、Jev はどちらも 0% と表示されています。この 0% については、同じ節に Our number is not empirical.（同社の数値は実測ではありません）と書かれています。

第三者が公開している総合指数について、版ごとの構成を確かめた記事が別にあります（AA総合指数の版ごとの比重と点数 12件照合）。

入力100万トークン0.042ドル・出力無料は、どこにどう書かれているか

料金は docs.typesafe.ai/models の表に書かれています。入力トークンに課金され、出力トークンは無料だと書かれています。独立した料金ページは docs.typesafe.ai/pricing を開くと HTTP 404 が返り、ドキュメントの一覧（llms.txt）にも料金だけのページは見当たりませんでした。

上の表で state・429 Too Many Requests のように分けて示した部分は、原文ではコード表記になっている語です。

レート制限には、変わりうる旨の警告が付いています。

【引用】Rate limits are adjusting dynamically. We are serving a very large volume of demand, and the limits above can change without notice while we do, as upcoming large GPU deals land and we let in more users. Once things settle down more, we’ll be able to offer more stable limits.

【訳】レート制限は動的に調整されています。同社は非常に大きな需要に応じており、その間、上の制限は予告なく変わることがあります。大型のGPUの取引がこれから決まり、より多くの利用者を受け入れていくためです。状況がもっと落ち着けば、より安定した制限を提供できるようになります。

価格そのものについては、ブログ記事にも記載があります。

【引用】Cost per call: We make our pricing transparent. We can’t prove it isn’t subsidized; we’ll need the long-term to prove the sustainability of our pricing (which we expect to go down, not up).

【訳】呼び出しごとの費用：同社は価格を透明にしています。それが補助されていないことを証明することはできません。価格の持続可能性を示すには長い期間が必要です（同社は価格が上がるのではなく下がると見込んでいます）。

日本語での利用に直接かかるのは、上の表の「言語」の行です。この行の原文は次のとおりです。

【引用】Jev accepts natural-language text. English is the primary training language and where accuracy is currently best. Other languages, including CJK scripts, are handled but not equally well; test on your own content before relying on Jev for a non-English workload, and pay close attention to Confidence when routing.（原文では Confidence が /confidence へのリンクになっています）

【訳】Jev は自然言語のテキストを受け付けます。英語が主たる訓練言語であり、現在いちばん精度が高いのも英語です。CJK の文字を含む他の言語も扱えますが、同じようにうまくいくとは限りません。英語以外の作業で Jev に頼る前に、自分の内容で試してください。そして、振り分けの際は Confidence に十分に注意してください。

精度が入力の大きさでどう変わるかについては、Jev 1.13 jaggedness のページに記載があります。

【引用】Accuracy falls as the state grows with content unrelated to the decision. Unrelated detail acts as a distractor, and a large state makes it harder to tell which part of the input produced a wrong answer.

【訳】判断に関係のない内容で state が大きくなるにつれて、精度は落ちます。関係のない細部は注意をそらすものとして働き、state が大きいと、入力のどの部分が誤った答えを生んだのかを見分けにくくなります。

同じく公開ページの記載から料率の適用範囲を確かめた記事が別にあります（AstraのFast mode料率 公式14件確認）。

「知能が同等」と書かれているのは、どういう条件でのことか

この語は、ブログ記事の導入部にある Jev achieves similar levels of intelligence on System One tasks compared to existing LLMs の一文です。範囲として書かれているのは on System One tasks までです。System One tasks という語そのものを定義した文は、今回読んだ28ページには見つけられませんでした。

docs.typesafe.ai/concepts/system-one.md は、System One について次のように書いています。

【引用】System One models are a class of AI models built to make fast, structured decisions that software can use directly. A System One model evaluates a state and returns typed answers and probabilities.（原文では state が /concepts/state へのリンクになっています）

【訳】System One モデルは、ソフトウェアが直接使える、速く構造化された判断を行うために作られたAIモデルの一群です。System One モデルは state を評価し、型の付いた答えと確率を返します。

このページが定義しているのは「System One モデル」で、「System One tasks」という語の定義ではありません。System One tasks の語を検索した範囲（ブログ記事、トップページ、評価サイト5ページ、docs.typesafe.ai の10ページ）では、この語は使われていますが、何がそれに当たるかを定めた文は見つけられませんでした。同じドキュメントには、Jev が扱う問いの型として Noul（はい／いいえ）、Choice（定義された選択肢から1つ）、Score（尺度上の値）の3つが挙げられています。

評価サイトは、workflow と prompt の2つの経路の差について次のように書いています。

【引用】Averaged across the four example tasks, every model is more accurate, cheaper and faster in the workflow than it is with the same policy as a prompt.

【訳】4つの例のタスクで平均すると、どのモデルも、同じ方針をプロンプトとして与えた場合より、ワークフローの中でのほうが正確で、安く、速くなります。

公開ベンチマークについては、ブログ記事の FAQ に方針が書かれています。

【引用】We deliberately chose not to publish performance against public benchmarks. In fact, we plan to only have one-off evals when we make product updates.（FAQ の折りたたみの中にある答えです。原文では not と public が強調されています）

【訳】同社は、公開ベンチマークに対する性能を公表しないことを意図的に選びました。実のところ、製品の更新のたびに、その場限りの評価を行うつもりです。

「Jev」という名前と、書いた人の名前は公式に何と書かれているか

ブログ記事の FAQ に、名前の由来が書かれています。System One Models は Daniel Kahneman の Thinking, Fast and Slow から、Jev は William Stanley Jevons から採ったと書かれています。記事の署名は Diogo Almeida, founder, TypeSafe、`typesafe.ai/team` の同じ人物の肩書きは CEO です。

【引用】We were inspired by Daniel Kahneman, Thinking, Fast and Slow. The model class name draws on the distinction between fast, intuitive System 1 thinking and slow, deliberate System 2 reasoning.

【訳】同社は Daniel Kahneman の『Thinking, Fast and Slow』から着想を得ました。このモデル分類の名前は、速く直感的な System 1 の思考と、遅く熟慮的な System 2 の推論との区別にもとづいています。

【引用】We named Jev after William Stanley Jevons. We expect machine intelligence to follow a similar path to coal, after steam-engine efficiency led to an increase in demand. Every order of magnitude drop in the cost of intelligence unlocks orders of magnitude more use cases.

【訳】Jev という名前は William Stanley Jevons にちなんで付けました。蒸気機関の効率が需要の増加をもたらしたあとの石炭と同じ道を、機械の知能もたどると見込んでいます。知能の費用が1桁下がるごとに、何桁も多くの用途が開かれます。

書き手の表記は、ページによって形が違います。ブログ記事の署名は Diogo Almeida, founder, TypeSafe、typesafe.ai/team の表示は TypeSafe · CEO Diogo Almeida です。どちらが正しいかは、この記事では扱いません。記事本文には、次の自己記述があります。

【引用】At OpenAI, I helped build the methods that made language models useful at following instructions and talking with people.

【訳】OpenAI で、言語モデルが指示に従い人と話すうえで役に立つようにした手法を作ることに携わりました。

この経歴の裏取りは、この記事の範囲に入れていません。当サイトが確かめたのは、この文が公式ページに書かれていることまでです。

記載を見つけられなかったのは、どの項目か

9つの項目について、確かめられませんでした。内訳は、探した範囲に記載を見つけられなかったものが6つと、内容そのものを取得できなかったものが3つ（3つのホストの robots.txt）です。いずれも「無い」という意味ではありません。

このほかに、1つ確かめられていないことがあります。typesafe.ai のブログ2記事（ai-too-good-to-be-true-too-bad-to-be-useful-typesafe-ai と diogo-almeida---founders-you-should-know）で、取得した HTML には見出しと日付だけがあり、本文にあたるテキストが含まれていませんでした。

docs.typesafe.ai/pricing は HTTP 404 でした。ドキュメントの全ページ一覧（docs.typesafe.ai/llms.txt）も取得しましたが、料金だけを扱うページは見当たりませんでした。料金の記載は models のページにあります。

この記載から何が言えて、何が言えないか

言えるのは、公開ページに書かれている倍率が1つではないこと、そして値ごとに比較相手・タスク・測定条件が違うことです。言えないのは、Jev が速いかどうか、安いかどうかです。当サイトは Jev を実行していません。

この記事が並べた記載と数字から言えることは、次の6つです。

1. 他社モデルとの比較として置かれた倍率は6か所にあり、比較相手が同じではありません。two orders of magnitude は existing LLMs に対して、40x-200x は frontier models の 3 to 329 seconds に対して、238x は Claude Fable 5.1 の入力価格に対して書かれています。193.6x・444.6x は、比較相手を名指ししていません。ドキュメントにある2か所の倍率は、他社モデルではなく Jev の呼び出し方どうしの比較です（than 13 separate calls）
2. 倍率の分母になっている LLM 側の実行は、同社が用意したラッパーを通したものだと書かれています。同じ文が、それが slower and more expensive になる傾向があるとも書いています
3. 参照解答は他社モデルの出力の平均だと書かれており、同社はそれが特定の提供元に寄る旨を併記しています（biases answers towards OpenAI and Anthropic’s models）
4. 評価に使われた4つのワークフローは、同社のモデル能力チームの人が作ったと書かれています（they were made by individuals on our model capabilities team, so some bias could exist）
5. 料金は入力トークンに課され、出力トークンは無料だと書かれています。レート制限は can change without notice と書かれています
6. Jev は文字列の生成を手放していると書かれています。引用した文は While Jev gives up string generation, it’s optimized for structured outputs and can’t hallucinate. で、構造化された出力に最適化されていることと、幻覚を起こせないことが、同じ文に並べて書かれています

この記事から言えないことも、はっきりさせておきます。

1. Jev が速いか、安いか。この記事が確かめたのは記載であって、当サイトの計測ではありません。日本から通信込みで測った記録はJevの応答時間 日本から141回直列で実測にあります
2. 手元の業務で同じ差が出るか。表に並んでいるのは4つのワークフローの値で、同社自身も we expect that these are on the higher end of real world gains と書いています
3. 193.6x・444.6x・238x がどう算出されたか。3つとも内訳の記載を見つけられなかったため、この記事では扱えません。公開されている点の値から割り算して推定することもしていません
4. 幻覚の図の 0% が実測かどうか。同社が Our number is not empirical. と書いているところまでです
5. 日本語で精度がどうなるか。公式が English is the primary training language and where accuracy is currently best. と書いているところまでで、日本語での精度を測った数値は見つけられませんでした
6. 価格がこの先どうなるか。同社が We can’t prove it isn’t subsidized と書き、トップページで We can serve Jev profitably at our current prices. と書いているところまでです
7. 文字列を生成しないことが、手元の用途にどう効くか。公式は gives up string generation と書いていますが、この記事は Jev がどの用途に向くかを確かめていないため、扱えません

この記事はどう更新するか

Jev は early access の段階だと書かれており、レート制限には can change without notice の警告が付いています。この記事は1か月ごとに同じ手順で取り直し、①8か所の倍率の表記（他社モデルとの比較6か所と、呼び出し方どうしの比較2か所）②料金とレート制限とコンテキスト長③モデルの版（jev-1.13.0）とエイリアスの指す先④評価サイトの17点の値⑤算出の内訳の記載が加わっていないか⑥System One tasks の定義が書かれるようになっていないか⑦第三者が測ったとする記載が加わっていないかの7点を照合して、変わった点を書き換えます。最終確認日は冒頭に記載しています。

記載に誤りがある場合、また確認してほしい項目がある場合はお問い合わせからご連絡ください。

この記事は何を出典にしているか

1. TypeSafe AI Blog｜Introducing System One Models & Jev（2026-09-21 取得、HTTP 200。記事の表示日付は Sep 15, 2026）
2. TypeSafe AI｜Home（2026-09-21 取得、HTTP 200）
3. TypeSafe AI｜Workflow evals（Overview）（2026-09-21 取得、HTTP 200。散布図の点は `<title>` 要素から読み取り）
4. TypeSafe AI｜Workflow evals（Security Incidents）（2026-09-21 取得、HTTP 200）
5. TypeSafe AI｜Workflow evals（Agent Trace Observability）（2026-09-21 取得、HTTP 200）
6. TypeSafe AI｜Workflow evals（Invoice Processing）（2026-09-21 取得、HTTP 200）
7. TypeSafe AI｜Workflow evals（Customer Service）（2026-09-21 取得、HTTP 200）
8. TypeSafe AI Docs｜Models（2026-09-21 取得、HTTP 200）
9. TypeSafe AI Docs｜Models（.md 版）（2026-09-21 取得、HTTP 200。同じページの機械可読な版で、料金表の値は上の版と同じです）
10. TypeSafe AI Docs｜System One（2026-09-21 取得、HTTP 200）
11. TypeSafe AI Docs｜Jev 1.13 jaggedness（2026-09-21 取得、HTTP 200）
12. TypeSafe AI Docs｜Primitives (Questions)（2026-09-21 取得、HTTP 200）
13. TypeSafe AI Docs｜Confidence（2026-09-21 取得、HTTP 200）
14. TypeSafe AI Docs｜API reference（2026-09-21 取得、HTTP 200）
15. TypeSafe AI Docs｜Introduction（2026-09-21 取得、HTTP 200）
16. TypeSafe AI Docs｜AI primer（2026-09-21 取得、HTTP 200）
17. TypeSafe AI Docs｜Legal（2026-09-21 取得、HTTP 200）
18. TypeSafe AI Docs｜llms.txt（ドキュメントの全ページ一覧）（2026-09-21 取得、HTTP 200）
19. TypeSafe AI Docs｜/pricing（2026-09-21 取得、HTTP 404）
20. TypeSafe AI｜Team（2026-09-21 取得、HTTP 200）
21. TypeSafe AI｜Manifesto（2026-09-21 取得、HTTP 200）
22. TypeSafe AI Blog｜The Bitterest Lesson（2026-09-21 取得、HTTP 200）
23. TypeSafe AI Blog｜Lies, Damned Lies, and Benchmarks（2026-09-21 取得、HTTP 200）
24. TypeSafe AI Blog｜AI: too good to be true, too bad to be useful（2026-09-21 取得、HTTP 200。本文にあたるテキストは取得した HTML に含まれていませんでした）
25. TypeSafe AI Blog｜Diogo Almeida - Founders You Should Know（2026-09-21 取得、HTTP 200。本文にあたるテキストは取得した HTML に含まれていませんでした）
26. TypeSafe AI｜Terms of use（2026-09-21 取得、HTTP 200）
27. TypeSafe AI｜Master customer agreement（2026-09-21 取得、HTTP 200）
28. TypeSafe AI｜Privacy policy（2026-09-21 取得、HTTP 200）
29. TypeSafe AI｜Data processing addendum（2026-09-21 取得、HTTP 200）
30. TypeSafe AI｜API console の playground（ブログ記事が案内する共有リンク）（2026-09-21 取得、HTTP 307 で console.typesafe.ai/login?returnTo=… に転送。転送先は HTTP 200 のログイン画面で、中身は確かめられていません）
31. Internet Archive｜ブログ記事の保存版（保存日時 2026-09-15 19:26:10 UTC、HTTP 200）
32. Internet Archive｜ブログ記事の保存版（保存日時 2026-09-21 03:30:22 UTC、HTTP 200）
33. Internet Archive｜トップページの保存版（保存日時 2026-09-15 19:26:39 UTC、HTTP 200）
34. Internet Archive｜トップページの保存版（保存日時 2026-09-17 06:02:24 UTC、HTTP 200）
35. Internet Archive｜トップページの保存版（保存日時 2026-09-20 17:53:06 UTC、HTTP 200）
36. Internet Archive｜Models の保存版（保存日時 2026-09-17 17:41:34 UTC、HTTP 200）
37. Internet Archive｜Models の保存版（保存日時 2026-09-19 07:10:56 UTC、HTTP 200）
38. Internet Archive｜Workflow evals の保存版（保存日時 2026-09-15 20:37:03 UTC、HTTP 200）
39. Internet Archive｜Workflow evals の保存版（保存日時 2026-09-16 16:00:30 UTC、HTTP 200）
40. Internet Archive｜Security Incidents の保存版（保存日時 2026-09-16 15:51:30 UTC、HTTP 200）
41. typesafe.ai/robots.txt（2026-09-21 取得、HTTP 200）
42. docs.typesafe.ai/robots.txt（2026-09-21 取得、HTTP 200）
43. evals.typesafe.ai/robots.txt（2026-09-21 取得、HTTP 200。中身は robots.txt の書式ではなく HTML でした）
44. console.typesafe.ai/robots.txt（2026-09-21 取得、HTTP 307 で console.typesafe.ai/login に転送。転送先は HTTP 200 のログイン画面で、robots.txt の書式ではありません）
45. framerusercontent.com/robots.txt（2026-09-21 に時間をおいて2回取得、いずれも HTTP 403）
46. typesafe.ai/sitemap.xml（2026-09-21 取得、HTTP 200）
47. docs.typesafe.ai/sitemap.xml（2026-09-21 取得、HTTP 200）
48. diegoromero.es｜Model Leaderboard（ブログ記事の 3 to 329 seconds のリンク先）（2026-09-21 取得、HTTP 200）
49. GitHub｜typesafe-ai/system-one-adapter-python（2026-09-21 取得、HTTP 200）