01 / 発表と留保
倍率は巨大、保証は狭い
発表スレは3,300万回超の表示です。CEOは同じXで、部分点は自動化に使えない、まだ will work の側にいない、と書いています。
01
WHAT HAPPENED ON X
発表スレを、ポスト単位で解剖する。
一次面は会社アカウントではありません。2026年9月15日18:17 UTC、Diogo Almeida（@CompleteSkeptic）本人のスレです。
本文は短いです。ChatGPTの共著研究者が、2年のステルスのあと「文章を生成しない判断モデル」を出す。速さは20〜200倍、費用は40〜400倍安い（出力トークン無料）。名前はジェボンズのパラドックス。取得時点（2026-09-18）は、いいね約68,261、リポスト約7,255、引用約5,874、返信約3,604、ブックマーク約55,399、表示約33,630,164です。表示数は変動します。[1]
捨てたものは、会話です。
直後の連投が本体です。「The gains aren’t free: Jev can't generate text」。要約、メール文面、コード、理由説明は対象外です。Xで先に広がったのは倍率で、捨てた能力の話は2ポスト目以降です。
9月16日未明、Almeidaは公式アカウント@typesafeaiの侵害を報告しています。ローンチ当日のノイズです。製品評価とは分けます。[3]
9/14号は、Choice / Score / Noulの製品解説です。本号はXの一次面だけを厚くします。APIの入門は繰り返しません。
02
CEO CAVEATS
CEOが、同じXで書いた留保を原文で置く。
運用に効くのは発表スレより返信です。Almeidaは3日間、自分の倍率を打ち消す方向の文も書いています。
X / @CompleteSkeptic 2026-09-17
making something smart + reliable enough to be used for real world work is super hard and important — partial credit doesn't count for automation, and only time will tell if current jev is smart enough to automate as much as we want it to
試験で近い点を取っても、自動実行の根拠にはならない、という立場です。同じ期間に「it might work」と「it will work」は違う、とも書いています。Jevはまだ後者の側にいない、と本人が置いています。[4][5]
質問は小さく切れ
大きな問いより、分解した小さな質問の方がよい、という返信があります。公式docsの「原子的な質問」と同じ方向です。X上では、この助言が後の日本語実験（設問文を直すと安定する）とつながります。[28]
confidenceで切れ
「did you try use confidence to filter?」「use jev when it's confident and fall back to eg. astra when it's not」。推奨運用は常時置換ではありません。高いときだけJev、低いときだけ生成LLM、です。[29]
抽出向きではない
企業データが大きすぎてLLMを通せない、という問いへの返信です。Jev単体の抽出は想定せず、抽出器と組んでconfidenceで人レビューを減らす使い方を認めています。[6]
大手の模倣
大きなLLMラボがすぐ同知能の代替を出せるか、には「すぐ同等知能になるとは思っていない」と返しています。APIは切り替えやすいので、信頼を取れなければ終わる、とも書いています。[7]
収益の話も、本人が出しています。
現在のAI消費が横ばいなら売上は小さい。LLMから奪う100ドルは自社では1ドル、互換なトラフィックは半分未満、という試算です。名前のジェボンズ側、つまり安くなった判断が消費を増やす、に賭けている、と読めます。
03
72 HOURS
待たずに呼ぶ経路が、72時間で並んだ。
ウェイトリスト本体とは別に、ゲートウェイ経由が先に開きました。Xの実務会話は、ここに移っています。
| 経路 | X上の一次 | 確認できたこと | まだ言えないこと |
|---|---|---|---|
| TypeSafe直販 | ウェイトリスト解放 | console、Playground、APIキー | 招待までの待ち。数時間〜数日の報告が混在 |
| Vercel AI Gateway | @typesafeai、@vercel_dev | モデルID typesafe-ai/jev。公表単価は直販と同じ桁 | ゲートウェイ側の実効レイテンシ |
| Cloudflare | @ritakozlov | Workers AIのモデルページが公開 | 日本エッジからの実測中央値 |
| OpenRouter | @OpenRouter | beta提供 | 安定枠か試験枠か、の公式SLA |
| ロリポップ！ | @pepabo / @lolipop_ai | 招待なしで開始できる、と案内 | キャンペーン終了後の単価と制限 |
Malte Ubl（@cramforce）は、既存の分類evalをGemini 2.5 Flash LiteからJevに差し替え、品質で飽和し速度は6倍、と書いています。Vercel側の既存分類器1本です。一般性能の証明ではありません。続けてZDRとゲートウェイ全利用者への提供にも触れています。[13][30]
04
THIRD PARTY ON X
第三者がXに置いた数字は、条件付きである。
独立した大規模ベンチは、本調査の範囲では確認できていません。あるのは個別の呼び出し報告です。
500通のメール
Riley Brownは、500通を数秒・3.5セントで分類した、と書いています。誤分類率は同じポストにありません。条件は未記載です。[36]
賢いswitch文
Nathan Flurryは「really smart switch statement」と整理しています。コードも自然文もCoTも書けない。分類・ルーティング・採点・ガードレールはできる、です。[37]
分類eval
Malteの6倍は、既存evalの差し替えです。品質飽和は「そのevalが簡単だった」可能性を残します。[13]
日本語でも、同じ読み分けが出ています。@zubapitaは「壊れたJSONは防げても誤判断はゼロではない」「倍率は同社テスト」と書いています。9/14号と同じ層です。[38]
N8Programsは校正（ECE）1.74ポイントという数字を出しています。校正の良さは「確率が頻度に近い」話であり、業務正答率そのものではありません。比較対象の思考オフ設定を巡る論争も、同じスレに残っています。[31]
X上の「中央値5倍・270ms」は、本号では見出しに使いません。
コミュニティが数千件を集計した、という投稿はあります。集計方法と母集団を、本調査では再現していません。未確認に置きます。
05
SCHEMA ≠ TRUTH
「幻覚しない」は、正解を意味しない。
Xで最も短い誤解は、ゼロ幻覚です。公式の意味は、スキーマ外の値を出せない、です。
Choiceは渡した候補の外を返しません。Scoreは決めた段階の外を返しません。Noulは0〜1です。形式が壊れないことと、正しい箱を選ぶことは別です。英語圏では、この差を同一視するな、という批判が出ています。[32]
自己保証を聞いた実験
「Jevは誤判断しない保証があるか」をNoulで聞いた投稿では、低い確率（0.06付近）が返った、と報告されています。モデルに自己保証を聞いた結果であり、性能評価ではありません。X上では「保証はない」方向に読まれています。
公式の不得意一覧
jaggednessは、計算、計数、日付比較、間接参照、長い無関係なstate、字義どおりの読みを列挙しています。Xの失敗報告も、この一覧の内側に収まるものが多いです。
Open-Jevなどコミュニティ実装へのプロンプトインジェクション報告は、公式Jevと同一視しません。ローカルの別モデルです。[20]
06
JAPAN DESK
日本は静かで、実装は速い。
英語圏の発表スレと、日本語タイムラインの温度は一致しません。理由の説明と、実装の速さは別です。
X / @cu30rry_ 2026-09-18
Jevが盛り上がっていないのは、視覚的にインパクトがないことで、驚き屋が驚きようがないからだと思っている。エンジニアからしたら、これまで絶妙に難しかった、かゆい部分に手が届く超汎用の中間層が手に入ったようなもの。
デモ映像はDoomや並列確率で強い一方、業務画面に落とすと「速いif文」に見えます。Xの拡散装置は、後者を増幅しにくいです。同じ投稿者は続けて、本命はパイプラインの切り替えだと書いています。判断はJev、実行はコード、生成はLLM、です。[14][33]
日本語の10分解説が、Xに乗った
@akira_papa_ITは9月17日、「文章を書かないAI」の総合解説動画を投稿しています。問い合わせの部署振り分けと緊急度、コードに入れる賢い条件分岐、料金とベンチマークの注意、人に戻す設計、までを約10分にまとめています。X版とチャプター付きYouTubeがあります。解説動画であり、独立ベンチではありません。[39][40]
日本語は受け付ける。精度は英語と同じ、とは公式が書いていません。
公式モデルページは、学習の主言語を英語とし、CJKは精度が落ちると注記しています。Xの日本語実験は有効です。confidenceの帯を英語データと同じ閾値で切る根拠にはなりません。
レイテンシについて、公式は70〜500msです。日本からの投稿には「下端は出にくい」「300ms前後を見込む」という声があります。個別観測です。全国平均ではありません。zod-jevは約400ms、約0.00008ドル、という自己測定を出しています。[19][35]
07
WHAT PEOPLE BUILD
Xが先に決めた使い方は、ゲートである。
3日間で増えた実装は、チャット置換ではありません。高い生成の前に、安い判断を置く構成です。
エージェント内の判断
公式スキル、jev-mcp、jev-cli。Claude CodeやCodexが、分岐だけJevに渡します。キーは環境変数です。
ブラウザとレビュー
jev-browser / jev-ultrafast は、次クリックをChoiceで選び、入力が必要なときだけ小型LLMを呼びます。stevеkrouseは「browser-useのkiller use-case」と書いています。jev-reviewは、ルールを多数のNoulに分けます。
ルータ
jev-router、ロリポップ！経由のモデル振り分け。1ターンの難度をJevが見て、Haiku側かOpus側かをコードが決めます。
ゲームとデモは拡散装置です。Doom、テトリス、スネーク。合法手をコードが列挙し、Jevが1手選ぶ、という役割分担が共通です。画像入力は公式にありません。画面をstateに変換するハーネスが先にあります。
X上で繰り返された式生成LLM→ 高い・遅い・文章Jev→ 安い・速い・箱コード→ 閾値・実行・拒否
個々のGitHub星の数や勝率は、本調査では独立再現していません。存在と設計意図だけを拾います。
08
HOW TO READ THE FEED
タイムラインの読み方を、固定する。
倍率ポストより、CEOの留保と jaggedness と自信ゲートを先に見ます。
発表スレ20–200x / 40–400x は自社評価。出力無料はアーキテクチャの説明です。193.6倍は見出しに使いません。
CEO返信部分点、will work ではない、confidence フォールバック。運用の一次資料です。
経路告知Vercel / CF / OpenRouter / ペパボ。呼べることと、自社データで当たることは別です。
日本語実装勉強会とルール文面の話は有効です。英語閾値の転用は未検証です。
デモDoomとタイプライターは役割分担の説明です。画像理解の証明ではありません。
confidenceは、正答率そのものではありません。
ChoiceとScoreのconfidenceは、確率分布の尖りから出る値です。「0.9なら正答率90%」とは公式が書いていません。候補ごとの probabilities を見て、自前データで自動実行と人レビューの境界を切ります。
09
ACCEPTANCE
入れるなら、この確認が先。
Xの3日間が残した受入条件です。単価比較の前に置きます。
日本語チケット20件
英語のデモセットではなく、本番に近い日本語文面でNoul/Choiceを回します。正解付きで、confidenceの帯ごとに正答と見逃しを数えます。
閾値は2段
例：0.9以上は自動、0.7未満は人。中間はログだけ。Almeidaの「yet not will work」に合わせ、自動実行しない期間を先に置きます。
フォールバックを先に書く
低いconfidenceは人、または生成LLM（Astraなど）。Jev障害（429/529）で業務が止まらない経路を先に置きます。
計算と日付はコード
jaggedness に書いてある苦手を、Xの失敗報告が再現しています。金額・期限・件数はコードです。
Xが3日で決めた使い方
安い判断で、
高い生成をゲートする。
発表スレの倍率は自社評価です。CEOは同じXで、部分点を自動化に使うなと書いています。
日本は驚きにくく、実装は速いです。置き換えではなく、役割分担です。型は守らせる。判断は測る。実行はコードが持つ。