TypeSafe Jev vs GPT-6 Astra：意思決定モデルか、最前線エージェントか？

TypeSafe は 2026 年 9 月 15 日、ステルスを抜けて Jev を発表しました。Jev は同社が System One モデルと呼ぶモデルで、プログラムの状態と型付きの質問を送ると、テキストではなく較正済みの確率を伴う判断を返します。その 12 日前、OpenAI は GPT-6 Astra をリリースしました。同社史上もっとも知的で整合性の高いモデルで、コンピュータ操作、コーディング、プロフェッショナル業務の端から端までに特化していると説明しています。

本記事では、出力の信頼性、判断の正確性、速度、エージェントとしての範囲、価格を軸に Jev と GPT-6 Astra を比較し、ソフトウェアのパイプラインでどの呼び出しをどちらに割り当てるべきかを示します。

要点

• Jev と Astra は同じ呼び出しを取り合わない：Jev は意思決定関数、Astra は汎用エージェントです。
• Jev はスキーマ保証のある回答を信頼度付きで返します。出力のパースやバリデーションは不要です。
• Astra は公開されている推論・コーディング・コンピュータ操作の多くのベンチマークで優位で、Jev の評価で参照回答の半分を担っています。
• Jev は桁違いに安く速い一方で、最先端 LLM と比べて正確性は数ポイント劣ります。
• 高頻度の分類、ルーティング、スコアリング、ガードレール工程には Jev を選んでください。
• 複数ステップのタスクで、最終的にテキスト、コード、完成ドキュメントを出す場合は Astra を選んでください。
• Jev は現時点でソースではウェイトリスト制で、TypeSafe はレート制限が予告なく変わる可能性があるとしています。

Jev とは？

Jev は TypeSafe AI が 2026 年 9 月に早期アクセスとして公開したホスティング型の意思決定モデルで、同社が System One モデルと呼ぶ最初の製品です。

特長はテキスト生成を捨てたことにあります。回答空間をあらかじめ Choice、Score、Noul（はい／いいえ）質問として定義し、ソフトウェアがそのまま分岐できる型付きの値と較正済み確率で返します。詳細は当社のJev ガイドで、ローンチ内容と TypeSafe の評価結果を解説しています。

GPT-6 Astra とは？

GPT-6 Astra は OpenAI のフラッグシップ最前線モデルで、GPT-5.6 Sol の後継として 2026 年 9 月 3 日にリリースされました。

位置づけは自律実行です。OpenAI はこれを世界最高のコンピュータ操作モデルであり、もっとも整合性の高いモデルと呼び、フォーム入力、CRM 更新、Web サイトの構築と QA、テンプレート準拠のドキュメント生成までを訓練対象にしています。ローンチの概要はGPT-6 Astra ガイドで、GPT-6 Astra API チュートリアルでは非同期ツールでリリースチェック用エージェントを構築します。

Jev vs GPT-6 Astra：項目別比較

両モデルは同じトレードオフの両端に位置します。Jev はテキストを生成しないことで速度、価格、型安全性を獲得し、Astra はすべてを生成することで幅と深さを得ます。以下の多くはこの単一の設計選択から導かれます。

出力契約：型付き判断 vs 生成テキスト

Jev は不正な値を出せず、Astra は出しうる——この一点が、両者が同じスロットではなくシステムの異なる層を担う理由です。

Jev へのリクエストは、状態ブロックと型付きの質問マップです：

• Choice：勝った選択肢と各選択肢の確率を返す
• Score：定義したレベルにわたる確率重み付きの値を返す
• Noul：はいになる確率を返す。

推論前に回答空間が固定されるためスキーマは必ず一致します。TypeSafe は構造化出力やツール呼び出しのエラー率を 0% とし、この数字は実験値ではないと述べています。

Astra は古典的な LLM としてテキストを返します。構造化出力や関数呼び出しには対応し、OpenAI 内部の幻覚ベンチで Sol のエラー率を約 3 分の 1 に減らしていますが、出力は依然としてパースと検証が必要です。TypeSafe の図ではフロンティア LLM の構造化出力エラーは 0.58%〜45.5% の範囲で示され、Astra 固有の数字は未公表のため、下限にあるとは仮定しないほうがよいでしょう。

Jev の保証の代償は、根拠がなく確率のみであることです。ルーティング層には十分ですが、コンプライアンス審査には不向きなので、低信頼度のケースは文章を書けるモデルにエスカレーションする計画を立ててください。

信頼性数値に関する留意点が 2 つあります：

• TypeSafe の LLM エラー率は OpenRouter のトラフィックに由来し、難度の高いクエリがより強いモデルにルーティングされる可能性があります。
• OpenAI の幻覚ベンチは社内指標で、スキーマ妥当性とは別のものを測定しています。

一発でパース可能な出力が必要なら Jev の契約が有利です。人が読むものなら、答えられるのは Astra だけです。

判断精度と推論の深さ

Astra のほうが高精度です。TypeSafe の 4 つのプロダクションワークフロー（インシデント対応、エージェントトレース可観測性、請求書処理、カスタマーサービス）では、Jev は Astra と Claude Fable 5.1 の平均に 67.8% 一致しており、GPT-5.6 Terra と同程度、GPT-5.6 Sol と Claude Opus 5には 5〜6 ポイント劣ります。

ここで Astra は参照側なので、自身の一致スコアはありません。自社ベンチでは FrontierMath Tier 4、GPQA Diamond、ARC-AGI-3 を飽和しており、最後はステートフルなハーネスに依存します。Jev はターンをまたいだ推論や計画、説明は行わず、TypeSafe のように真値ではなく LLM との一致で採点すると、参照モデルのバイアスを受け継ぐリスクがあります。

少量でも最高精度が必要な判断なら、依然として LLM に軍配が上がります。

速度とレイテンシ

TypeSafe の測定では、Jev はエンドツーエンドで 70〜500 ミリ秒で回答します。同種のクエリでフロンティア LLM は 3〜329 秒です。トークンを 1 個ずつではなく全回答を並列サンプリングし、Choice の選択肢は最大 255 まで受け付けます。

Astra はモデル特性に対しては速く、OSWorld 2.0 の 1 タスクあたり時間は Sol 比で約 47% 短縮、Fast モードでは価格 2 倍で最大 2 倍速くなります。それでもタスクは数十分かかります。TypeSafe のエンジニアが作った Doom ボットは毎秒 10 クエリで時給約 $7 で動き、フロンティア LLM では到底届かない予算です。

100 ms のレイテンシ予算がある意思決定パスでは、候補は Jev のみです。

範囲：エージェント、ツール、コンピュータ操作

Astra は Jev がしないことをすべて行います：

• OSWorld 2.0 で 72.6%、Agents' Last Exam で 59.3%、Terminal-Bench 4.0 で 57.9% を達成。
• Responses API ではホストシェルの実行、ウェブ検索、パッチ適用、コンピュータ操作が可能。
• Codex ではコンテキストをまたいで検索可能なノートを保持し、長コンテキストで OpenAI の MRCR 検索テストにおいて 512K〜1M 帯で 96.3% を記録。

Jev はテキスト、JSON、またはテキスト配列を受け付けますが、画像は不可、ツール呼び出しも行いません。ワークフロー内の曖昧さを含む if 文の役割で、分類、ルーティング、スコアリング、抽出、他モデル出力の検証（LLM プロンプトの脱獄検知も含む）に用います。

この次元は Jev が競っていないため、Astra の完勝です。

価格：実際の支払い

どのようなワークロード形状でも、Astra は Jev より数百倍高く、タスクが多くの出力を生むほど差は広がります。Jev は出力を課金しないためです。

トークン単価の並列表

差の大きさと同じくらい形も重要です。Astra の出力単価は入力の 5 倍で、推論トークンは出力として課金されます。そのため、思考が多い、もしくは冗長な作業ほど請求額が最も増えやすくなります。Jev は入力のみの課金で、典型的な回答は出力が数十トークンなので、コストは送る状態量だけで決まります。

TypeSafe は、この価格が補助金によらないとは証明できないと率直に述べており、値上げではなく値下げを見込んでいます。

実ワークロードの費用

計算式は、（ボリューム ÷ 100 万）× レートを入力と出力で合算、通常レート適用です。生成多めの行が外れ値なのは Jev の出力が無料だからで、もっとも Jev には非現実的でもあります。モデルが 400 万トークンの出力を出すことはないため、ここは出力プレミアムが Astra に与える影響と読み替えてください。検索の行は Jev の実運用に近く、状態を大量に送り、返りは少数の確率ですが、それでも 357 倍の差があります。

閾値超の検索行がないのは、TypeSafe のドキュメントに長コンテキストの割増がなく、ルーターが掲載する Jev のコンテキスト長は Astra の閾値を大きく下回るため、Astra の入力 2 倍／出力 1.5 倍の係数と比較できないからです。共有ワークロードでのトークン数はどちらも未公開で、Jev のトークナイザも非公開のため、これらの合計は請求ではなくレート比較として扱ってください。

Jev と GPT-6 Astra の使い分け

分かれ目は単独の精度や価格ではなく、そのステップが「判断」で終わるか「成果物」で終わるかです。判断は Jev、誰かが読む／実行する／開くものは Astra の領分です。

Jev を選ぶべき場合

• 同じ範囲の判断を毎日何千回も行う。 チケットのルーティング、請求書分類、モデレーション、意図検出、リードスコアリングといった形に最適化され、1 件あたりのコストは 1 セント未満の分数です。
• レイテンシ予算のあるリクエストパスに呼び出しがある。 サブ秒の応答で、ページロードやゲームループ内にもモデルの判断を組み込め、速い LLM でもボトルネックになる場面を避けられます。
• モデルに「分からない」と言ってほしい。 すべての Choice と Score には信頼スコアが付き、閾値以上は自動処理、中間は確認、閾値未満はエスカレーション、といった制御が可能です。破壊的操作には閲覧のみより厳しい閾値を設定できます。
• 別のモデルの結果をチェックする。 LLM のプロンプトや出力の採点・判定・ガードレールは生成ではなく意思決定であり、Jev のスキーマ保証により、チェッカー自体がパイプラインを壊すことはありません。

GPT-6 Astra を選ぶべき場合

• タスクが単発の判断ではなく複数ステップの仕事。 フォーム入力、CRM 更新、調査と下書き、ソフトウェアのインストールとテストは、Astra のコンピュータ操作訓練の的です。
• 出力がテキスト、コード、ドキュメント。 Jev は返信やパッチ、スライドを作れません。Astra はテンプレートに沿った成果物の生成に最適です。
• 根拠が必要。 規制対象の判断、顧客向けの説明、監査人が読むものには言葉が必要で、Jev の低信頼度ケースのエスカレーション先としても Astra を使えます。
• コンテキストが大きい。 Astra の 1,050,000 トークンのウィンドウは、上限付近でも信頼できる検索性能があり、ドキュメント中心のパイプラインに適します。ルーターの掲載する Jev は 32,000 トークンです。

Jev と GPT-6 Astra の始め方

到達性は本記事で最も差が大きい軸です。Astra は通常の OpenAI モデルがある場所ならどこにでもあり、Jev はウェイトリストでゲートされた API で、招待なしの経路は OpenRouter と Vercel AI Gateway の掲載のみです。

モデル ID は jev-latest（TypeSafe の SDK のデフォルトで、現在は jev-1.13.0 に解決）と gpt-6-astra です。信頼度の閾値を調整している場合は、エイリアスが新リリースで動くため、TypeSafe はバージョン付き ID へのピン留めを推奨します。Jev のレート制限は毎秒 250,000 トークン、毎分 1,200 リクエストで、スケールの間は予告なく変更される可能性があるとしています。

最初の API コールを作る

これは文字列ひとつの置換では済みません。Astra は Responses API でプロンプトを受けてテキストを返し、Jev は単一のエンドポイントで状態と型付き質問マップを受けて確率を返します。以下の 2 つのブロックは、同じ返品リクエストをそれぞれのモデルに投げ、形の違いを示しています。

from openai import OpenAI

client = OpenAI()
response = client.responses.create(
    model="gpt-6-astra",
    input="A bike-shop customer writes: 'The frame arrived scratched, I want this "
          "sorted before my race on Sunday.' Resolve as refund, replacement, or repair.",
)
print(response.output_text)  # free text you still have to parse

import requests

response = requests.post(
    "https://api.typesafe.ai/v1/systemone",
    headers={"Authorization": "Bearer YOUR_TYPESAFE_KEY"},
    json={
        "model": "jev-latest",
        "state": "The frame arrived scratched, I want this sorted before my race on Sunday.",
        "questions": {
            "resolution": {
                "type": "choice",
                "instructions": "How should the shop resolve this return?",
                "criteria": {"refund": "Customer wants money back",
                             "replacement": "Same item, undamaged, shipped fast",
                             "repair": "Cosmetic fix is acceptable"},
            }
        },
    },
)
answer = response.json()["answers"]["resolution"]
print(answer["choice"], answer["confidence"])  # typed option plus 0-1 confidence

Astra のセットアップ全体（非同期ツールやターン途中の制御を含む）は、GPT-6 Astra API チュートリアルを参照してください。OpenAI モデルから構造化 JSON を得る方法は、構造化出力チュートリアルで解説しています。

まとめ

コードが行動する「判断」で終わる工程には Jev、人が読む・実行するものに至る工程には GPT-6 Astra を使ってください。今回のローンチが示唆するアーキテクチャは両方併用です。前段に安価で較正済みのルーターとして Jev を置き、信頼度が下がったときに Astra へエスカレーションします。

特に示唆的なのは、TypeSafe が Jev を Astra の回答で採点している点です。OpenAI は最前線の方向性を自律実行だと示し、TypeSafe はソフトウェアがモデルに尋ねる多くが実は境界づけられた質問だと賭けています。Jev にとっての未解決の問いは、独立ベンチが同等性を裏づけるか、そして価格が補助抜きで持続するかです。

どちらのモデルが位置する意思決定レイヤーを構築するには、当社のDeveloping AI Systems with the OpenAI APIコースと、AI Agent Fundamentalsトラックをおすすめします。