TypeSafeが発表した Jev は2026年9月15日のものです。これはチャットボットではなく、ディシジョンモデルです。許容される回答を定義すると、Jevはラベル、スコア、またはyes/noの確率を返します。約4週間のうちに、少なくとも20のJev代替が出荷されました。これらはCloudflare、OpenAI、Perplexity、Liquid AI、AWSのStrands Labs、そして個人開発者から登場しています。本ガイドでは、サイズ、ライセンス、ハードウェア、価格、Jev API互換性、公開ベンチマークの観点からそれぞれを比較します。
TL;DR
- サイズの範囲: 287M (GLiNER2.5-multi-Decide) から 35B-A3B (Mapika Decider) まで。Jevのサイズは非公開です。
- 動作環境: VonやLayaといったエンコーダーはCPUで動作します。4Bアダプターは24 GBのGPUまたは32 GBのMacに収まります。
- パフォーマンス: ほとんどのオープンモデルは難しい推論ではJevに及びません。しかし狭い範囲の分類では、Jevに匹敵または上回るものがいくつかあります。
- 最高: Cloudflare自身の実行によれば、Cloudflare Clefは94.20のBANKING77 F1スコアを記録し、Jevの79.74を上回っています。
- 最悪: Respanの実行では、Von 1.2の精度は0.422で、Jevの0.932に対しています。
Jevとは何か、なぜ代替を探すのか?
JevはTypeSafe初の『System One』モデルです。チケットやログ行などの状態を送信します。さらに、型付きの質問(Choice、Score、またはNoul(yes/no))を送信します。Jevはすべての質問を1回の並列パスでスコアリングし、テキストを生成しません。
TypeSafeのドキュメント リスト価格は1M入力トークンあたり0.042ドルで、出力は無料です。コンテキストはリクエストあたり64kトークンです。入力はテキストのみです。重みは非公開で、アクセスはウェイトリストを通じて行われます。TypeSafeの ワークフロー評価 では、Jevは67.8%の一致率と1件あたり0.4秒とされています。
開発者が繰り返し指摘している4つのギャップが残ります: 画像非対応、セルフホスティング不可、サイズ非公開、ファインチューニング不可です。 以下の20のモデルは、これらの一部またはすべてを埋めるものです。
これらのベンチマークをどう読むべきか?
以下の数値のほとんどは自己申告です。スイートは異なります: JevBench、Decision Index、typed-decisions、Respanの行動ベンチマークです。スイート間のスコアは比較できません。複数モデルを含む唯一のサードパーティ表は、競合モデルを販売している Respanによるものです。
ホスト型ディシジョンAPI
1. Cloudflare ClefとClef-flash
CloudflareはClefを発表しました 2026年10月1日付。ClefはQwen3.8-27Bをベースに27Bで、ビジョンエンコーダを搭載。Clef-flashはQwen3.5-9Bをベースに9B。両モデルとも Hugging Face上でApache-2.0ライセンスで公開され、 Workers AIで提供される。テキスト、JSON、リクエストあたり最大4枚の画像を受け付ける。
Workers AIの価格 は0.24ドル(Clef)であり、 0.038ドル(Clef-flash) 1M入力トークンあたりの価格である。CloudflareはこのAPIを完全にJev互換としている。同社自身の実行では、ClefはBANKING77 F1で94.20を記録し、Jevの79.74を上回った。GPQA DiamondではJevが依然として勝っており、78.3対48.0である。
2. Liquid AI d1
Liquid AIの d1ファミリー は、ホスト型のd1とd1-ultraに加え、2つのオープンモデルを有する。 d1-3B (3.1B)はLFM2.5-VL-3B上で動作する。d1-omni-600M(587M)は最長30秒の音声クリップに対応。オープンウェイトはLFM Open Licenseを採用している。
Liquidの ガイド では、TypeSafe独自のSDKを使い、ベースURLを変更してd1を呼び出すと説明している。Liquidはd1-3BがDecision Index 0.2.1で48.57を記録したと報告している。また、RTX 4090上で8ミリ秒のレイテンシを報告している。ホスト型版のパラメータ数と有料料金は非公開である。
3. OpenAI Decisions API
OpenAIは2026年10月6日に Decisions API を パブリックベータ 2026年10月6日にリリースされた。gpt-6-luna上でのみ動作する。テキストとbase64画像を受け付ける。質問タイプはpredicate、choice、scoreである。
価格は1M入力トークンあたり0.10ドルで、出力は課金されない。スキーマはOpenAI独自のものであるため、Jev互換ではない。OpenAIはResponses APIより約10倍高速な応答を主張している。ベンチマークは公表されていない。
4. Perplexity pplx-decider
Perplexityの pplx-decider-v1-27b は、Apache-2.0ライセンスのQwen3.8-27Bファインチューンである。質問あたりテキスト、JSON、最大8枚の画像を読み取る。この API はリクエストあたり128の質問と255の選択肢を許容する。
The 現在の価格設定 v1.2（27B）の1M入力トークンあたりの価格は$0.02です。flash-v1.2の4Bは$0.01です。Perplexityの11タスクパネルでは85.71%を記録し、Jevの84.51%を上回りました。ただしBBHではJevが94.27対82.80で勝っています。
5. meraGPT Decider 1
meraGPTがDecider 1を発表 2026年9月22日に公開された、ホステッド型のクローズドウェイトのテキスト専用モデルです。最大10個のChoiceラベルと4,096トークンのコンテキストをサポートします。この モデルページ 1M入力トークンあたり0.04ドルと記載しています。
/v1/systemone を公開し、TypeSafe SDK と連携します。meraGPT の typed-decisions 実行では、0.768 を記録し、Jev の 0.727 を上回りました。 独立したレビュー ECEが0.180であり、Jevの0.144に及ばないことに言及している。
6. Respan Span-01
スパン-01 は行動スコアリングモデルであり、汎用的な意思決定モデルではありません。present、absent、not_observable の確率を返します。コストは1M入力トークンあたり$0.02です。 Span-01 Lite 無料です。
RespanはBehavior Benchmarkで全体F1 0.843を主張しています。しかし同社自身のブログの表では0.806と低く、GPT-6 Solが0.885で先行しています。サイズ、ベースモデル、ライセンスは非公開です。
7. Standard Thinking Standard One
Standard One は3Bと8Bのモデルとして提供され、どちらもオープンとホステッドの両方で利用できます。 8B はApache-2.0下のMinistral-3-8Bに対するLoRAです。テキストと画像を読み取り、32,768トークンのコンテキストを持ちます。/v1/systemone で提供されます。
ホステッドのテキスト価格は1Mトークンあたり$0.018（3B）および$0.035（8B）です。JevBench public hardでは、8Bは54.95%を記録し、Jevの72.07%に対しました。realistic transferでは90.83%対86.67%で首位でした。両方の実行結果はパブリッシャー測定です。
セルフホスト可能なオープンウェイトのJev代替
8. Together AI Tev1-4B-experimental
Together は、Tev1を Qwen3.5-4BのLoRA SFTとして訓練しました。37,840例で約$17と25分のコストがかかりました。2から24の選択肢から選択します。 モデルカード によると、ウェイトのライセンスはまだ確定中です。
ネイティブのJevエンドポイントではなく、chat completionsを通じて回答します。Respanは0.901の精度と0.031のECEを測定し、その表で最良のECEでした。Togetherは、そのlogprobsが較正された信頼度ではないと警告しています。
9. Fastino GLiNER2.5-Decide
FastinoのGLiNER2.5-Decide は、Apache 2.0ライセンスの340MパラメータDeBERTa-v3-largeエンコーダーです。判断、スパン抽出、関係抽出を1回のパスで処理します。1Bおよび287Mの多言語バリアントも存在します。
Fastinoの17ドメインのデータセットでは、 モデルカード に60.2%の完全一致が記載されています。p50レイテンシは48 vCPUのXeonで167.3 msです。Jev API互換ではありません。
10. Strands Labs Strands Decider 2B
AWSのStrands Labs は、2026年10月1日にStrands Deciderを 2026年10月1日付けです。これは約1.9Bで、Qwen3.5-2B-Baseにポインターヘッドを追加した構成です。この リポジトリ では246,678行の学習データと完全なレシピが公開されています。RTX 3090 1枚で約11時間で学習できます。
Apache-2.0の下でローカルの /v1/systemone エンドポイントを提供します。v1チェックポイントはJevBench publicで231中180（77.9%）を獲得しました。RTX 3090での中央値レイテンシは115 msです。
11. Kev (Jared Palmer)
Kev は、Qwen3.5とQwen3.8ベースで0.8B、4B、9B、27Bのサイズで提供されます。 Kev-4B は、Apache-2.0の下で公開されるLoRAとポインターヘッドです。255個の選択肢に対応します。TypeSafe SDKはそのまま変更なしで動作します。
Kev-4Bは24 GBのGPUまたは32 GBのApple Silicon Macに収まります。Respanの測定では精度0.833、フリップ率0.060でした。自己申告のMMLU-Proは0.565で、Jevの0.840に対しています。選択肢の順序によって回答が変わることがあります。
12. Mapika Deciderファミリー
MapikaのDecider は、Qwen3.5とGemma 4ベースで0.8Bから35B-A3Bのバリアントを提供しています。decider-2b-visionモデルは画像に対応します。すべてApache-2.0で、32kコンテキストと /v1/systemone を備えています。
JevBench publicのハードティアでは、 decider-12b v1がJevと0.730で同点でした。 4B GGUF のQ4_K_Mは2.7 GBで、CPUで動作します。4BのECEはハード項目で0.184のため、過信が出ることを想定しておくべきです。
13. Bespoke Labs Bespoke-Nimble-9B
Bespoke-Nimble-9B は、Qwen3.5-9B上の165 MiBのLoRAで、Hugging FaceでApache-2.0として公開されています。現在のカードでは255の選択肢と8,192トークンが記載されています。英語テキストのみを読み込みます。
Bespokeの324例のヘルドアウトセットにおいて、 Nimbleは調達した 90.12%に対してJevは93.21%です。H100でのレイテンシは約106 msです。わずか2,676例だけで訓練されており、その確率は較正されていません。
14. Convai Innovations Laya
Laya はModernBERTベースのファミリーで、421Mの英語チェックポイントと322Mの多言語チェックポイントを提供します。Apache-2.0ライセンスで、テキスト専用です。laya-serveサーバーはJev shapedの/v1/systemoneエンドポイントを公開しています。
型付き決定のチェックポイントは 0.766 を記録し、Jev の 0.727 を上回った。Banking77 では 0.425 に対して 0.870 であった。Respan は精度 0.542、インジェクション成功率 0.396 を計測した。p50 レイテンシは T4 上で 32.8 ms である。
15. Von (wfzyx)
Von は395MのModernBERT-largeエンコーダで、オプションマーカーヘッドを備えています。双方向の1パスですべての選択肢をスコアリングします。Apache-2.0ライセンスで、8,192トークンのコンテキストに対応しています。
The リポジトリ 4 vCPUでp50 0.096秒、A10Gでは0.023秒を報告しています。RespanはVon 1.2を精度0.422と測定しており、その表の中で最も低い値です。このキャリブレーションはJevBenchに合わせて調整されているため、ドメイン外では誤解を招く可能性があります。
16. Open-Jev-9B (Zefan Cai)
Open-Jev Qwen3.5ベースに対して2B、9B、27Bのアダプタを搭載してリリースする。 Open-Jev-9B スカラーheadを追加し、16 GBのGPU 1基で学習できます。/v1/systemone のリクエスト形状とは一致しますが、互換性は主張していません。
231タスクのJevBenchサブセットにおいて、このプロジェクトは9Bで77.49%、27B v1.1で85.28%を報告している。各候補は4,096トークンに制限される。数値およびタイムライン関連のタスクは弱い。
17. DiffusionGemma上のOpenJev(razorback16)
このOpenJev NVIDIAのDiffusionGemma 26B-A4B(アクティブ4B)からの判断を読み取ります。テキストに加えて最大8枚の画像を受け付けます。同じワイヤAPIを使用するため、Jev SDKは変更なしで動作します。
本プロジェクトは、JevBench publicで87.4%、49トークン時に30 ms p50を報告しています。無料のホスト型エンドポイントではアカウントごとに100Mトークンが提供されます。セルフホスティングには少なくとも24 GBのNVIDIA GPUが必要です。
18. InnerJev-4B および InnerJev-27B
InnerJev 复旦大学、同済大学およびKing’s College Londonのチームによるものです。LLMの推論を単一パスの意思決定へ蒸留します。論文では、36データセットにわたる11,257インスタンスからなるJEValも導入しています。
JEValでは、InnerJev-27Bが79.24%を記録し、Jevの78.38%を上回りました。ECEは0.0149で、Jevの0.0532に対して優れた結果でした。InnerJev-4Bは71.92%を記録しました。 コードはGitHubで公開されています; ライセンスは明記されていません。
19. SemIf
SemIf 既存のオープンLLMが生成したタイプ済みの決定を読み取り、デフォルトはQwen3.5-4Bです。WebGPUデモでは量子化モデルをブラウザ内で実行します。コードはMITライセンスです。
102行のTypeSafeサブセットでは、SemIfはバランス精度0.845を記録し、Jevの公表値0.883と比較された。RTX 3090上で、直接ロジットは1.023秒かかり、JSON生成の5.332秒と比べられた。Jev互換のエンドポイントは持たない。
20. Rizzo Flow
Rizzo Flow Rizzo AI Academyによるものは、Apache-2.0で公開されたSpark-X2.5-4B上のLoRAである。ネイティブの/v1/decisionsと、Jev互換の/v1/systemoneを提供する。選択肢は最大26オプションに制限されている。
400件の型付き決定ケースでは、0.648を記録し、ベースモデルの0.574と比較された。Jevのデータセットカードの数値は0.727である。デフォルトではキャリブレーションされていない。
唯一のマルチモデルによるサードパーティの実行結果は何を示しているか?
RespanはSpan-01ジャッジを使って11モデルを採点した。精度を除くすべての列は値が低いほど良い。
| モデル | 精度 | ペア反転率 | インジェクションASR | ECE |
|---|---|---|---|---|
| Jev 1.13.0 | 0.932 | 0.021 | 0.063 | 0.045 |
| Tev1 4B | 0.901 | 0.052 | 0.042 | 0.031 |
| Kev 4B | 0.833 | 0.060 | 0.078 | 0.070 |
| Decider 2B v10 | 0.747 | 0.128 | 0.208 | 0.074 |
| Laya | 0.542 | 0.298 | 0.396 | 0.092 |
| Von 1.2 | 0.422 | 0.242 | 0.297 | 0.071 |
出典: Respan、2026年10月16日。Tev1はJevをインジェクション耐性とキャリブレーションで上回った。Jevは精度と一貫性でリードした。
Jevの代替モデル比較表
| # | モデル | 組織 | サイズ | ライセンス | 入力 | Jev API | 価格（入力1Mあたり） | 主な結果(出典) |
|---|---|---|---|---|---|---|---|---|
| 参照 | Jev 1.13 | TypeSafe | 非公開 | クローズド | テキスト | ネイティブ | $0.042 | 精度 0.932(Respan) |
| 1 | Clef / Clef-flash | Cloudflare | 27B / 9B | Apache-2.0 | テキスト、画像 | 対応 | $0.24 / $0.038 | BANKING77 F1 94.20(ベンダー) |
| 2 | d1 family | Liquid AI | 587Mから3.1Bがオープン。ホスト型の数字は非公開 | LFM Open | テキスト、画像、音声 | TypeSafe SDK 経由 | 非公開 | 48.57 意思決定インデックス（ベンダー） |
| 3 | Decisions API | OpenAI | 非公開 | クローズド | テキスト、画像 | いいえ | $0.10 | 未公開 |
| 4 | pplx-decider | Perplexity | 27B / 4B flash | Apache-2.0 | テキスト、画像 | いいえ | $0.02 / $0.01 | Jev の 84.51% に対して 85.71%（ベンダー） |
| 5 | Decider 1 | meraGPT | 非公開 | クローズド | テキスト | はい | $0.04 | 0.768 typed-decisions（ベンダー） |
| 6 | Span-01 | Respan | 非公開 | 明記なし | テキスト | 明記なし | $0.02（Lite は無料） | 0.843 F1（ベンダー） |
| 7 | Standard One | Standard Thinking | 3B / 8B | Apache-2.0 | テキスト、画像 | /v1/systemone | $0.018 / $0.035 | 54.95% JevBench hard（ベンダー） |
| 8 | Tev1-4B-experimental | Together AI | 4B | 最終調整中 | テキスト | いいえ | $0.042（OpenRouter） | 0.901 acc（Respan） |
| 9 | GLiNER2.5-Decide | Fastino | 340M | Apache 2.0 | テキスト | いいえ | 非公開 | 60.2% 完全一致（ベンダー） |
| 10 | Strands Decider | Strands Labs（AWS） | 約1.9B | Apache-2.0 | テキスト | /v1/systemone | 無料、ローカル | 77.9% JevBench public（プロジェクト） |
| 11 | Kev-4B | Jared Palmer | 0.8B〜27B | Apache-2.0 | テキスト | はい | 無料、ローカル | 精度 0.833 (Respan) |
| 12 | Decider ファミリー | Mapika | 0.8B〜35B-A3B | Apache-2.0 | テキスト、画像 (2B) | はい | 無料、ローカル | JevBench hard で 0.730、12B (プロジェクト) |
| 13 | Bespoke-Nimble-9B | Bespoke Labs | 9B | Apache-2.0 | テキスト | 明記なし | 無料、ローカル | 90.12%(ベンダー測定) vs Jev 93.21% |
| 14 | Laya | Convai Innovations | 322M / 421M | Apache-2.0 | テキスト | はい | 無料、ローカル | 精度 0.542 (Respan) |
| 15 | Von | wfzyx | 395M | Apache-2.0 | テキスト | 非公開 | 無料、ローカル | 精度 0.422(Respan) |
| 16 | Open-Jev-9B | Zefan Cai | 2B〜27B | Apache-2.0 | テキスト | リクエスト形式のみ | 無料、ローカル | JevBenchサブセットで77.49%(プロジェクト) |
| 17 | OpenJev(DiffusionGemma) | razorback16 | 26B-A4B | Apache-2.0(コード) | テキスト、画像 | あり | 無料枠、100Mトークン | JevBench公開セットで87.4%(プロジェクト) |
| 18 | InnerJev | 学術チーム | 4B / 27B | 非公開 | テキスト | 非公開 | 無料、ローカル | 79.24%対 Jev 78.38% JEVal(開発者) |
| 19 | SemIf | TheoLeeCJ | 0.6B〜4B(ベースLLM) | MIT(コード) | テキスト | いいえ | 無料、ローカル | 0.845 vs Jev 0.883(作者) |
| 20 | Rizzo Flow | Rizzo AI Academy | 4B / 1.7B | Apache-2.0 | テキスト | はい | 無料、ローカル | 0.648 typed-decisions(作者) |
どのJev代替を選ぶべきか?
- 画像入力が必要な場合: Clef、pplx-decider、Standard One、または DiffusionGemma OpenJev。
- Jevのドロップイン代替が必要な場合: Clef、Kev、Decider、meraGPT、Layaは /v1/systemone を公開しています。
- CPUやエッジでの実行が必要な場合: Von、Laya、GLiNER2.5-Decide、または Liquidのd1-omni-600M。
- 自分で学習したい場合: Strands DeciderとTogetherのTev1が完全なレシピを公開しています。
- 最も安いホスト型API呼び出しが必要な場合: Perplexityのflash-v1.2は、1M入力トークンあたり0.01ドルです。
どれを選ぶにせよ、まず自分のラベル付きデータでテストしてください。決定モデルは、有効でありながら誤った回答を返すことがあります。
主なポイント
- Jevのロードからおよそ4週間以内に20のJev代替がリリースされました。
- Clef、pplx-decider、Standard Oneは、Jevにない画像入力に対応しています。
- Perplexityのflash-v1.2は、1M入力トークンあたり0.01ドルでJevを下回る価格です。
- Respanの実行では、Jevが依然として0.932で精度をリードしています。
- ほぼすべてのスコアはベンダーが実行したものであるため、自身のデータでベンチマークしてください。
この記事 20 Jev Alternatives: The Decision Models Taking On TypeSafe in 2026 は最初に MarkTechPost.