JEV比較 · JEVBENCH V1.3.0 · 2026年9月22日更新
Jevとdjevの比較
最速の意思決定APIと、最もキャリブレーションに優れたモデルを比較します。
Jevは信頼できる確率と難しい判断を重視し、djevは速度とネイティブなマルチモーダル入力を重視します。
このサイトのモデル
Jev 1.13.0
TypeSafe · System Oneモデル
確率のキャリブレーションと難問でベンチマークをリード。
比較対象
djev
Maisa · DiffusionGemma意思決定API
比較中で最速で、画像も扱えるモデルです。
ベンチマーク
同一条件で測定したJevBench v1.3.0
52のシステムを同一の方法で評価したため、各バーを比較できます。ベンダーが個別に公開した数値とは異なり、横並びで比較可能です。
総合スコア
高いほど良好
JevBench v1.3.0
上位3つの差は1.4ポイント以内ですが、その後は大きく離れます。総合スコアでは各システムの違いが見えにくいため、下の2つの図で内訳を示します。
難易度別の正解率
判断結果に差が出るところ
簡単
単純なケース72件
標準
日常的なケース96件
評価
評価形式の呼び出し146件
難問難問
実際に曖昧なケース220件
簡単な判断と標準的な判断ではほとんど差がありません。強調表示された難問の段階で、システム間の違いが表れます。
総合スコアに含まれない要素
The composite also weighs a fourth axis: cost, scored from each system's public list price. Jev places last on that axis, while djev is currently free during preview.
Jevの料金を見る全システムの比較
順位とデプロイの詳細
上に性能スコアを図示しました。ここでは順位とデプロイの詳細を示します。Jevとdjevを強調しています。
JevBench v1.3.0は2026年9月21日、同じ534件の判断（簡単72件、標準96件、評価146件、難問220件）を使い、一度に1リクエストずつ52システムを評価しました。
機能ごとの比較
Jevとdjevを比較
それぞれの得意分野
実用上のトレードオフ
総合スコアではdjevもJevにかなり近い結果です。大きな違いはキャリブレーション、入力形式、運用するインフラの規模です。
Jevの強み
- キャリブレーション：82.7対65.4。
- 難問の正解率：74.1%対69.5%。
- 明確な料金、レート制限、固定可能なバージョン。
- 構造化出力による、テキストに特化した判断。
djevの強み
- Speed: 91.4 against Jev's 83.3.
- ネイティブ画像入力、画像選択肢、ライブカメラのサンプリング。
- プレビュー期間中は無料。
- 知能スコアは近く、簡単な判断ではほとんど差が出ません。
分析
差は知能スコアだけではない
In JevBench v1.3.0, djev scores 91.4 on speed against Jev's 83.3. Its intelligence score of 82.7 is close behind Jev's 85.7, so easy and standard decisions rarely show a dramatic difference.
The gap is calibration: 65.4 against Jev's 82.7. Maisa's own documentation describes djev probabilities as experimental and uncalibrated. That matters when code uses confidence to auto-approve, escalate, weight, or route.
商用面も明確に異なります。djevは価格発表済みの無料プレビューで、Jevはバージョンを固定でき、利用計画を立てやすいホスト型本番APIです。
運用モデル
djevはセルフホスト時にAPI利用料の代わりにGPUの用意が必要ですが、Jevはホスト型APIとしてすぐ利用できます。
入力の範囲
djevは画像やカメラを直接入力できます。Jevはテキストと構造化された判断に特化しています。
判断形式
どちらも、ソフトウェアに型付きの選択、スコア、Yes/No判断が必要な場面に適しています。
GitHubリポジトリから
djevの実態
djevはDiffusionGemmaとvLLMを使った型付き判断のオープン実装です。DiffusionGemmaは回答位置をまとめて調整し、APIは文章を生成して再解析する代わりに、許可されたラベルの確率を読み取り、検証済みの応答を返します。
リポジトリには、1ステップの構造化読み取り、コンパクトなキャンバス、ラベルごとの正確な確率、再利用可能なプレフィックス、マルチモーダル注意機構、意図的なバッチ処理が含まれます。新しいモデル重みは含みません。
GitHubでdjev-devを見るセルフホスト
自分のGPUで実行するか、利用量に応じてGPUをレンタルします。
マルチモーダル
画像入力、画像の選択肢、ライブカメラのフレームを評価します。
直接確率
自己回帰による出力生成を行わず、型付きの選択肢確率を返します。
参考ハードウェア
プロジェクトではNVIDIA B200 1基、Linux、CUDA 13、BF16を推奨しています。
djev-devは独立したプロジェクトで、TypeSafeやJev AIとの提携・推奨関係はありません。
どちらを選ぶべき？
制約に合わせて選ぶ
Jevを選ぶケース
- コードでは選ばれたラベルだけでなく、確率に基づいて分岐します。
- 長文、ノイズの多い入力、本当に曖昧なケースを扱います。
- 予測可能なコストと、リリース中に固定できるバージョンが必要です。
djevを選ぶケース
- 画像、動画フレーム、スキャン文書に関する判断です。
- 最大の制約はレイテンシで、必要なのは選択されたラベルだけです。
- 利用条件が変わる可能性のあるプレビュー版を前提に開発できます。
自分のデータで試す
実際に議論しているケースでJevを試してください。
スコアボードは目安になります。実際に難しいケースで試すほうが確実です。
よくある質問
Jevとdjevに関するFAQ
djevはオープンソースですか？+
Partly. The community djev-dev repository is Apache-2.0 and shows how to run DiffusionGemma decisions on vLLM. Maisa's hosted djev service has not released its hosted implementation.
djevは無料ですか？+
プレビュー中は無料です。Maisaは終了後に判断1,000件あたり0.026ドルと発表していますが、現在はまだ課金されていません。
Jevはdjevのように画像を読めますか？+
いいえ。Jevが受け付けるのはテキスト、JSONオブジェクト、テキスト配列です。画像をテキストや構造化フィールドに変換するか、画像入力対応モデルを使ってください。
Jevとdjevではどちらが速いですか？+
djev, on the hosted APIs measured by JevBench: 0.24s median against Jev's 0.65s. Both are designed for request-time use; neither should be assumed to fit a tight unbatched loop.
djevの確率をしきい値に使えますか？+
自分のラベル付きデータで検証するまでは、順位付けのシグナルとして扱ってください。Maisaによると、ホスト型プレビューの確率は実験段階で未調整です。
数値は2026年9月22日時点で上記の公開情報から引用しています。djevおよびこのページに記載された製品は、それぞれの権利者に帰属します。