判断モデル · 2026年9月27日時点で資料を確認
Jev vs Kev
どちらも明確な質問に構造化された確率で答えます。Jevは管理されたAPI、Kevは自分で学習・運用できる公開モデル群です。
ホスト型API
Jev
状態と質問をJevに送れば、モデルサーバーを運用せずに回答を受け取れます。
公開ウェイト
Kev
Qwenベースの判断モデルをローカルまたは独自のエンドポイントで動かし、自分のラベルで微調整できます。
比較表
実用上の違い
Kevはnoul、choice、scoreを含むSystem One形式のリクエストに対応します。主な違いは、誰がモデルを運用するか、どの程度カスタマイズするかです。
運用
TypeSafeが管理するAPI。モデル基盤の運用は不要です。
ローカルサーバー、自前のGPU、または自分でデプロイしたクラウドエンドポイント。
ライセンス
独自のホスト型モデル。
プロジェクトとベースモデルはApache-2.0。学習データには別のライセンスがあります。
モデルの選択
APIを通じてホスト型Jevモデルを利用。
0.8B、4B、9B、27Bの公開チェックポイント。必要なハードウェアは異なります。
インターフェース
noul、choice、scoreの質問に対応するSystem One API。
互換の/v1/systemone形式。TypeSafeのPython SDKをKevサーバーに向けられます。
カスタマイズ
リクエストごとに質問と判断基準を定義。
質問の定義に加え、公開チェックポイントを自分のラベル付きデータで微調整。
確率
アプリの判断しきい値に使える確率を返します。
チェックポイントには調整済みの温度が付属。しきい値は自分のデータで検証が必要です。
公開評価
精度の数値は条件とともに読む
KevのREADMEは新しいデータソースに対する開発セットの精度を公開しています。高いほど良く、以下は同プロジェクトが示すJevとKev-27Bの値です。
Jev
85.7%
新しいデータソースの開発セット精度。Jevのテストセット値はREADMEにありません。
Kev-27B
84.8%
新しいデータソースの開発セット精度。READMEにはKevのテストセットで89.6%とも記載されています。
これはKevによる評価であり、独立した統制下でのアーキテクチャ比較ではありません。Jevの学習データとの重複は不明で、テスト値があるのはKevだけです。しきい値を決める前に、両方を自分のラベル付きデータで評価してください。 KevのREADMEとモデル表
選び方
運用上の条件から選ぶ
管理されたAPIならJev
GPUの確保、チェックポイントの配備、モデル更新の管理なしで構造化された判断を組み込みたい場合。
制御と調整ならKev
公開ウェイト、ローカル運用、自分のラベル付き判断データでの微調整が必要で、推論環境も運用できる場合。
KevはJared Palmerの独立したプロジェクトです。Jev AIはKevまたはTypeSafeと提携・後援関係にありません。情報は2026年9月27日に確認しました。