メインコンテンツへスキップ
見出し画像

【OpenJev&Jevlike】Jevの発表当日からOSSで再現しようとする動き。新しい形のモデルをどう使っていくのかな?

    Jevという存在に浮き立ってる人たちをみて、浮き立つ素人の自分

    Jev、高速&格安で判断だけを返してくれるモデル。
    文章生成も捨てているから、もはやランゲージモデルでもないらしい。

    Jevに関しては、以下の記事や報告書を読んでくださると理解りが良いかもです。この記事内では細かく書かないかも。

    で、そんなJev。

    結構可能性を感じているんですが、貧乏環境には光明とともに不安もあるわけで。そんな不安も解消するために現状理解という準備を始めようかなと思い立った次第です。

    なんせ判断の成功率は90%以上。

    そう考えると凄いことではあるんですが、間違った判断が10%近く産まれてしまうのもまた事実。

    貧乏リソースには、大量に産まれてしまう誤判断を検知するシステムを持てないわけです。


    正しい判断、というのを人間すらも決めかねている中で。

    判断特化のモデルが出ていることは、色々間違っていけば大量の誤情報を生み出しかねないということでもあるわけで。

    せっかく高速&格安でハルシネーションを生みにくい環境を得たなら、色々学んでいきたいと思うのも事実ではある。


    なので、OSSから学んでいこうかなと言うスタンスで行こうかなと思ってます。わたしにはそれしか手段が探せなかったです。


    発表当日から海外コミュニティで乱立する、「Jevを解析してOSSにしてみようぜ」という動き。わたしは2つのOSSを追ってみました。


    本家JevとOpenJev&Jevlikeの関係-Jev が閉じているから、形だけ自作する

    2026-09-15、元OpenAI・ChatGPT共同開発者のDiogo Almeida氏が率いるTypeSafe AIが「System One Models」第一弾 Jev を発表。

    193.6倍高速・444.6倍安価・出力トークン無料・70〜500ms応答を謳ったが、ホストAPI+ウェイティングリストのクローズド提供。それをオープン化したいと動いたのが下の2つ。

    どっちも基盤はQwen3.5-4Bっぽいです。

    jevlike

    jevlike は、 Jev と同じ入出力形状を持つ独立スターター実装だそうです。
    jevlikeはその「型」に着目し、非構造状態 in → 型付き確率決定 out を自前PyTorchで学べる形に落としたもの。

    テキスト1件+可変長テキスト選択肢リスト N を受け取り、1フォワードパスで N 個の確率を返す。単語を逐次生成しない。テキストの選択肢スコアリングに加え、同じ option-attention ヘッドで Doom の7ボタンと chess の5キーを画像パッチから直接選ぶ実演まで含む。やったことの追随って感じ。

    一言で言うと: Jev=新しい頭脳(較正済み大規模モデル)。jevlike=その頭脳の「口の形(選択肢確率API)」を小さく自作する練習台。ルーティング・振り分け・リランク等 System One 的タスクの速度構造を手元で検証できる。

    画像

    OpenJev

    OpenJevは、Jevのインターフェース・パターンだけをオープンモデルで再実装した独立研究プロジェクト群の総称。

    チャット文を生成せず、型付きの選択肢確率を1フォワードパスで直接読み取る「決定ネイティブ」な推論を、RTX 3090やMac、果てはブラウザ単体で動かすのを目的にしているそうな。こっちはパターンの追随。

    一言で言うと: Jev = 新しい頭脳(学習済み較正モデル)。OpenJev = その頭脳の「使い方(APIの形と速さの構造)」を今ある頭脳で真似する実験台。ルーティング・ガードレール・リランク等のSystem One的タスクの速度検証には十分使える。

    画像

    出てきた結果を真似るのか、構造を真似るのか。
    道が違うだけで目指す場所はおんなじ。

    下はJevでビジネスを考える参考動画です。意図としては「このレベルの水準をOSSで解決できるのか」という形で乗せてみました。


    先に結論

    で、結論から先にいいますが
    OSSでは現状、LLMで構造化出力をする必要が必ず産まれるので、本家の再現は出来ていないということ。あくまで練習用って感じ。

    なので、ビジネスで再現するなら特化SLMで模擬的に再現する形が現状の最適解と言えるのかな?と思っています。

    でも、その姿勢とロードマップには頷かざるを得なかった。というお話。


    Jevlikeは各選択肢で文脈に問い合わせる

    Jevlikeはこの形。この流れをQwen3.5-4Bでやらせる方向性。

    画像

    各 option が query ベクトルになり、context トークンへの attention 重みを割り当て、option 固有の context ベクトルを1つ受け取る。
    共有ドット積が option×context のペアを1スコア化し、選択肢方向の softmax で確率化する。N が行ごとに変わってよい(最小2)。

    これをPythonの自動化スクリプトの棚のように、選択肢ごとに用意すれば規定の決まった物事は選択肢を振り分けられる。良いのか悪いのかは別にして、という考えです。


    振り分けた後に、悪ければ棄却とかになっていくのかな?
    ここは再現が可能な部分でもありそうです。

    つまり、作るべきは「完全に固定化した選択肢リスト」と言うべきなのかな?言葉がうまく言えないんですけど、このリストを作りたいから使うのに、使うにはこのリストが必要な状態です。


    Jevlikeのコミュニティは、これを完全に理解してて。

    まずはQwen3.5-4Bを使って、強引にでも土台を作ろうとしているのが現状。えらー。卵が先か鶏が先かというので強引に卵つくった。

    画像


    Jevlikeを使う前に知るべき天井

    ① Jevの複製ではない: 設計・RLCD・較正品質の再現ではない。入出力形状のスターター。
    ② 精度はデータ・分割・符号器次第: byte符号器は安いが意味に弱い。HF経路は大容量DL+メモリ要。
    ③ 完全選択肢リストが事前に必要: one-passは全候補が揃って初めて選べる。open-ended生成には向かない。これが一番大変。
    ④ デモ窓の選択バイアス: 10秒filmは活動的2窓の結合。通常プレイ・棋力の証拠ではない。
    ⑤ 速度比の母集団: 小規模局所デコーダ比。商用大規模比ではない。
    ⑥ 視覚 head の容量: 同一DAggerで平坦Conv対照が先に戦闘習得。option headはボトルネック+navigation未解決(完走0)。


    OpenJevはデコードしない。logitsを読む。

    対してOpenJevは1つの流れで出来ているのかなーと。

    contextを1回prefill→KVキャッシュをoptionバッチに展開→全optionを単一パディング済みforwardで一括採点。
    score = context条件下でのoptionトークン対数確率。softmaxで確率化する。daseinlabs版はM5 Proでキャッシュあり0.17s vs なし0.68sを実測。


    この流れの基盤がQwen3.5-4Bでやってるので、賢さの上限もQwen3.5-4B。
    つまり判断力は信用しきれない。

    一括採点で不安になり、確率化でホントにその数値なのか気になり、実測もハルシネーションしたりする。これはコミュニティでも納得の着地点。


    想定内なんです。Jevlikeとおんなじ。
    別にこの段階で完璧にしようなんて思ってない。

    この流れを違う形でコンテキストとして貯めて、「完全に固定化した選択肢リストを作る土台」を作り始めたってだけ。


    この精神性は見習いたいなぁ。
    失敗する前提で、なにかの土台を作っていくという視点。

    失敗を恐れちゃう人間なので、憧れる。
    産まれてこの方、失敗ばかりだと言うのに恐れるとは変な感じ。

    客観的に考えたら、失敗して当たり前の立ち位置すぎるのにね。

    画像
    画像
    画像

    因みに、OpenJevはRTXのGPUとMacで使い分けが必要。

    画像
    画像

    で、今後のロードマップを覗き込む。

    この両者とも、この形が最善なんて思っていない。
    練習台&実験台で作った土台で、Jevを模擬的にでも再現しようという魂胆。

    なので、もし使うならばJevを模擬的に再現された時点から利用開始してもいいかもです。それまで見守ったり本家使ったり。


    わたしは、興味本位でこの実験台の段階から使ってみようと思います。

    貧乏リソースでQwen3.5-4Bを頻繁に使うのは痛手でしかないんですけど、地頭の弱いわたしはそれでも理解力に乏しいから、使わないと構造の理解が出来ない。

    理解する必要あるのかも含めて、わたしには判断できなかったので、使うという判断。


    賢い人なら、いろんな活用方法が生み出せそうなモデルなのがJev。わたしはぜひ日本人の感性で色んな活用法を考えてほしいなぁと思ってます。


    現状一次情報だけを辿るのがベターかも

    vinnylarouge/jevlike本体・665★/63fork・README/AGENTS/pyproject

    TypeSafe: Introducing Jev本家発表・RLCD・193.6×/444.6×の出所

    docs.typesafe.aiSystemOne API形・Jev価格($42/Btok)

    evals.typesafe.ai本家workflow evals

    SNAP Wikispeedianext-click原データ条件・West & Leskovec 2012

    jevre-demo-10s-bgm.mp410秒demo・Doom 5s+chess 5s・行列表示

    openjev.comブラウザ実験場。backendなし・WebGPU実測

    TheoLeeCJ/openjevPhase1本体・788★・RESULTS/METHOD/REPRODUCE

    daseinlabs/open-jevMLXサーバ・/v1/systemone・Doomデモ

    調査日 2026-09-17追加校正9/18
    情報元は公開情報(README・AGENTS.md・model.py・vision.py・GitHub API・TypeSafe発表)の整理・要約であり、2つのOSSはvinnylarouge氏・TypeSafe AIとは無関係の独立作成物です。混同しないように注意です
    数値は変動するんで、最新値は上記リンクで確認をした方が間違いないかもですー。


    あなたへのおすすめ