日本語
チャットではなく、
意思決定を。
Jev は入力情報を分類、振り分け、スコアリングに使える構造化された判断に変換します。1.14 ではモデルが改善され、画像入力、Box、長いコンテキストも実験的に利用できます。
判断結果をコードで活用
出力を定義し、コンテキストを渡して、結果を処理に組み込みます。
定義済みの出力
アプリケーションで扱える構造で結果を返します。
信頼度スコア
信頼度を参考に、人による確認が必要な結果を振り分けます。
コードへの組み込み
分類やスコアリングの結果を既存の処理に組み込めます。
画像入力 · 実験機能
1.13 と 1.14 で PNG・JPEG 画像をコンテキストとして使用できます。
Box · 実験機能
1.14 では画像内の対象の矩形座標と信頼度を返せます。
長いコンテキスト · 実験機能
両バージョンで上限を262kトークンに拡張できます。長いリクエストは速度や精度が低下する場合があります。
状態から判断まで 3 ステップ
関数呼び出しのようにコードに組み込めます。
出力を定義
アプリケーションで扱える構造で結果を返します。
状態を渡す
出力を定義し、コンテキストを渡して、結果を処理に組み込みます。
キャリブレーション済みの回答を取得
分類やスコアリングの結果を既存の処理に組み込めます。
会話ではなく、自動化のために
ソフトウェアが高速で信頼性の高い判断を必要とするあらゆる場所に、Jev がフィットします。
ファジー判断ルール
脆い if チェーンをキャリブレーション済み AI 判断に置き換え。
インテリジェントルーティング
信頼スコアでチケット・リード・リクエストをルーティング。
データ抽出
非構造化テキストから構造化フィールドを抽出。
品質スコアリング
独自の基準であらゆる入力をスコアリング。
Jev の活用方法
出力形式と信頼度を生かしたワークフローを設計できます。
定義済みの出力
アプリケーションで扱える構造で結果を返します。
信頼度スコア
信頼度を参考に、人による確認が必要な結果を振り分けます。
コードへの組み込み
分類やスコアリングの結果を既存の処理に組み込めます。
当サイト掲載価格
当サイト掲載価格は入力100万トークンあたり0.084米ドルです。出力は無料です。
Certified & Compliant with
よくある質問
お探しの情報が見つからない場合は、チームまでお問い合わせください。
Jev 1.14 の変更点は？
幅広い小規模な改善があり、特に多言語タスクの改善が期待されています。画像と長いコンテキストは両バージョンの実験機能で、Box は1.14が必要です。
「System One」とはどういう意味ですか？
心理学から借用した用語：システム 1 は高速で直観的な思考、システム 2 は遅く慎重な推論です。Jev はソフトウェアが日々数百万回実行する高速・反復的な判断を自動化します——遅い推論は人間や LLM に任せます。
Jev は LLM を代替できますか？
できません——それこそがポイントです。Jev は構造化された判断（分類・ルーティング・スコアリング・抽出）を処理します。LLM はオープンエンドな生成を担当し続けます。両者は相補的：LLM はチャット、Jev は自動化です。
構造化された出力なら判断も正確ですか？
出力形式が定義どおりでも、判断が正しいとは限りません。信頼度を参考に結果の扱いを決められます。
Jev はどんなトレーニング方法を使っていますか？
RLCD（強化学習によるキャリブレーション決定）——人間のチャット嗜好ではなく、認識論的に正直な確率を最適化する新しいトレーニング手法です。
料金はいくらですか？
当サイト掲載価格は入力100万トークンあたり0.084米ドルです。出力は無料です。
Jev で構築を始める
Jev は現在早期アクセス中です。ユースケースをお知らせいただければ、セットアップをサポートします。