【速報】Claudeより193倍速いAI現る…でも正確さで負けてて草も生えない理由が深すぎた
2026年9月15日、2年間のステルスを解いたTypeSafe AIが文章を1文字も書かないAIであるJevを公開した。返ってくるのははいといいえの確率、決めておいた選択肢から1つ、順序のある点数という3つの形だけだ。自社発表ではClaude Sonnet 5の193.6倍の速さ、Claude Opus 5の444.6倍の安さをうたい、出力トークンは料金表にはっきり無料と書かれている。サンフランシスコの独立系新興で、シードで4000万ドル、日本円で約60億円をDCVC主導で集め、企業価値は2億ドルと見積もられた。創業者は元MetaでInstructGPTの共著者とされ、ChatGPTを言うことを聞くようにした研究の当事者が正反対のものを作ったという点でも注目されている。
なぜそこまで速くできるのか。カギは答えの書き方にある。通常の大規模言語モデルは文章をトークンという小さな塊に分け、1個出すたびに今までの全部を読み直して次の1文字を決める自己回帰で動く。記述式の答案と同じで、前の文字が決まらないと次が書けず、追い越しができない。長い資料を読ませて考えさせる仕事では3秒から329秒かかるという発表もある。5分半も待たされれば他のことを始めて戻りを忘れるというのも無理はない。
Jevがやっているのはマークシートだと説明されている。枠が先に印刷されていて塗る順番に縛られず、10問目を塗るのに9問目が終わっている必要がない。全部を一ぺんに塗れるため、1回の問い合わせで全出力をまとめて生成する並列サンプラーにより70ミリ秒から500ミリ秒で返るという。記述ではなく塗るという住む世界の違いだ。マークシートゆえの制約もあり、選択肢は最大255個までで、それを超える場合は大分類から小分類へと段階に分ける必要がある。
型エラー0パーセントは仕様、193倍は一番良かった1本
よく誤解されるのが型エラー0パーセントの意味だ。これは測ったらゼロだったという話ではなく、枠の外を塗ることが構造上できないという仕様の話だ。公式ブログもスキーマ適合は保証されると書くが、間違った枠を塗ることはある。想定外の形が返ってくる事故は消えるが、幻覚が消えたわけではない。プログラムに組み込む側には守りを書かずに済むありがたい性質ではある。学習法もRLCDという構成済み判断のための強化学習で、自信の度合いを正直にする較正を狙い、自信が低い時だけ人が見る運用ができるという。ただし中身は非公開で論文も重みもパラメータ数も学習データも出ておらず、外部が再現できない点は海外レビューでも使い方の説明は明快でモデル自体は中身がないと評されている。
派手な数字の出どころも丁寧に見る必要がある。193.6倍は自社が作った4つの業務ワークフロー、セキュリティ事故判定とエージェント動作監視、請求書処理、顧客対応の計711件のうち一番良かった1本の値で、平均ではない。会社自身が実世界の利得の高い方と断り、同じ知能水準なら40倍から200倍と書いている。計測が自社PCからで値下げ補助がないことは証明できない、試験作成者の偏りもあり得るとも明記する。毎回先に穴を言う姿勢が評価されている。
外の人が測ると数字は変わる。発表翌日にメディアEveryが実施した唯一の独立テストでは、37本の文章に21個ずつの質問で777回の判断を0.7秒未満、約0.4円未満で終えた。速さと安さは本物だったが、制度はこれから確かめたいという控えめな総評だった。別のテストでは12本中6本に欠陥を仕込み4観点で見せたところ、Jevは中央値0.35秒でClaude Fable 5.1の8.83秒に対して約25倍、費用は約580分の1だった。英国のイベント会社がMistral Small 4と比べた際は速さ約5倍、費用8.6分の1だった。元々速い相手なら差は縮む。193倍と25倍と5倍は全部本当で、比べる相手と仕事で変わる。秒で待っていたものが0.1秒台になるという感覚がちょうどいい。
正確さは残らなかった、正解は別のAIが作っていた
問題は正確さだ。自社試験の合計点はJevが67.8パーセントに対して既存モデルの最良が74.1パーセントと6点あまり負けている。内訳ではセキュリティ判定が61.7対66.2、エージェント監視が71.6対76.6、顧客対応が76.0対78.3とほぼ並ぶ一方、請求書処理だけ61.8対79.1と17.3点も離れた。数字の読み取りで差が出たと見られるが、中身非公開ゆえ推測に留まる。
さらにこの試験の正解はGPT-6 AstraとClaude Fable 5.1の出力の平均で作られている。先生が模範回答を持たず、大きい2人の答案を平均して模範にした教室と同じで、測っているのは正しさではなく大きいモデルとの一致だ。2人が揃って間違えれば正解も間違う。手がかりは人間が正解を持つEveryのテストで、仕込んだ7個の欠陥のうちJevは6個、Claudeは7個を見つけた。落としたのはどこにも書かれていないことの発見で、枠を塗る方式との相性の悪さをうかがわせる。総評は完璧ではないの一言に集約される。フロンティアより賢いと示す証拠はどこにもなく、売り文句も速さと安さだけだ。評価は大規模言語モデルの次の形だという見方と速い分類器を大げさに言っただけという見方に真っ二つに割れ、懐疑的な投稿が1000以上伸びている。
手元のAIにも関係はあるが今すぐではない。JevはAPIのみの早期アクセスでオープンウェイトの予定もない。ただ考え方は今日から使える。ローカルモデルが遅い理由も1文字ずつ出して20GBのモデルなら1文字ごとに20GB読み直すという読み出し律速にあり、グラボのメモリ帯域が効く理由もここにある。先回り予測の投機的デコードは既に手元にも降りている。分類したいだけ、点けたいだけなら選択肢を渡して番号で返させるという自作マークシートが一番効く。文章そのものが成果物になる仕事は書かせるしかなく、判断は塗る、作文は書くという分担が当たり前になるかもしれない。出典として公式ブログ、Every、Kingy AI、orcarouter、runtimewire、SiliconANGLE、gihyo.jpが挙げられ、ドル建ては2026年9月16日時点の為替で円換算されている。
ネットの反応
フィジカルAIに効きそうだ
カメラ画像からハンドルやアクペダルの選択肢を選ばせれば自動運転もできるのか
自動化と組み合わせたらかなり期待できる、ただ機密を外に出せない層とは設計思想がぶつかる
安くて速いなら10回やらせて多数決を取れば正解率は上がるかもしれない、ゲームのBOT代わりにもなりそう
速さは本物、193という数字は最良値と覚えておくのが正しそう
AIの所感
記述から塗布への転換という比喩の切れ味が見事で、速さの上限が実装ではなく形式で決まっていたという指摘は多くの現場に効く。自社不利も出す開示の誠実さは信用を生むが、中身非公開のままでは桁の議論に留まらざるを得ない。請求書の17点差とないことの発見の取りこぼしは、枠化できる仕事とできない仕事の境界を示す貴重な敗北だと思う。全部を1つのAIに任せるより塗る役と書く役を並べる方が現実的で、まずは出力を短く縛るという今日からできる工夫にこそ価値があると感じる。