Jevは「AI版YARA」なのか？大型資金調達で登場した新型AIモデルの実力を、一次情報から検証する
「YARAルールと何が違うの？」という素朴な疑問をきっかけに、TypeSafe社の公式発表から海外メディア・批判的な検証記事まで遡って裏取りしました。誇張されている部分と、実際に確認できた部分をはっきり分けてお伝えします。
結論：JevはYARAの「代わり」ではなく、YARAが答えられない問いに答える「新しい道具」
- Jevは、TypeSafe AIという会社が2026年9月15日に実際に発表した本物の製品です。元OpenAI研究者が創業し、約40億円ではなく4,000万ドル（約60億円）の資金調達も公表済み。「架空のサービスでは」という心配はいりません。
- YARAは人間が書いた条件（文字列・バイト列の一致など）で「はい／いいえ」を判定する道具。Jevは学習済みのAIが状況を読み取り、「Yes/No」「選択肢のどれか」「点数」を確率つきで返す道具です。仕組みも得意分野もそもそも別物です。
- 「幻覚（でたらめな出力）を起こさない」という宣伝文句は、出力の“形式”が崩れないという意味にすぎません。判断の中身がいつも正しいことは保証していません。TypeSafe自身も、確信度を使って「自動処理か、人間に回すか」を仕分ける設計を勧めています。
- 「既存の大型AIより193.6倍速い、444.6倍安い」はTypeSafeの自社測定の数字です。独立した第三者による再現テストはまだ乏しく、正解率では既存の大型AIを下回る場面があるという指摘も見つかりました。速さと引き換えに何を失っているか、まだ見極めが必要な段階の技術です。
- 今すぐ試す価値がある人：大量のアラートを「閉じる／担当者へ／隔離」のように仕分けたいSOC・運用担当者。様子見でよい人：判断理由の説明責任が必須な場面や、ハッシュ値・バイト列など「白黒はっきりした一致」を探す場面――ここは今まで通りYARAです。
本質は「YARAを置き換える技術」ではなく、「YARAでは判定できない“あいまいな状況”を仕分ける技術」。競合ではなく組み合わせで考えるのが正解です。
📋 目次
そもそもJevって何？ ―― 3日前に登場したばかりの新顔
「判断だけを返すAI」という新しいジャンル
2026年9月15日、TypeSafe AIという会社が「Jev」というAIモデルを発表しました。ChatGPTのように文章で会話するAIではなく、あらかじめ決めた質問に対して、型の決まった答えだけを高速に返すという、これまでとは毛色の違うAIです。TypeSafe自身の言葉を借りると、Jevは「unstructured state in, typed probabilistic decisions out（まとまっていない状況を入れると、型の決まった確率つきの判断が出てくる）」仕組みです。
TypeSafe AI
拠点：サンフランシスコ
創業者のDiogo Almeida氏は元OpenAI研究者。同社の発表によれば、人間のフィードバックで学習させる手法（RLHF）やChatGPT開発陣の一人だったとされています。Erik Gafni氏・Sasha Sheng氏と共同創業し、2026年9月15日にステルスモードから登場。DCVC主導で4,000万ドル（約60億円）のシード資金調達を公表しました。
Jev
TypeSafe AI発の第1弾モデル
文章を生成しない代わりに、Noul（Yes/No確率）・Choice（選択）・Score（点数）という3種類の「型」で判断だけを返す。トークンを一つずつ生成する通常のLLMと違い、質問をすべて並列に評価して即座に答えるのが特徴です。
「System One」という名前の由来
心理学でいう「速く直感的な思考＝システム1」と「遅くじっくり考える思考＝システム2」になぞらえ、TypeSafeはJevを「System One Model」と呼んでいます。ChatGPTのような対話型AIが“熟考型”だとすれば、Jevは“即断型”という位置づけです。
YARA vs Jev ―― 仕組みの違いを図解する
「これってYARAと同じじゃない？」という疑問
「入力を見て、決められた問いに対する判断を返し、後ろのプログラムがその判断を使う」という流れだけ見れば、確かにJevとYARAはよく似ています。ただし、“判定基準を誰が用意するか”がまったく違います。YARAは人間が明示的に条件を書き、Jevは学習済みのAIが文脈から判断します。
🔧 判定の流れの違い
| 比較する軸 | 🅰 YARA | 🅱 Jev |
|---|---|---|
| 判定基準を作る人 | 人間が明示的に書く | AIが学習した知識から判断 |
| 出力の形 | Match／No Matchが中心 | Boolean・分類・点数＋確率 |
| あいまいな状況への強さ | △ 条件になければ判定不能 | ◎ 文脈から判断できる |
| 既知バイト列・文字列の検出 | ◎ 得意中の得意 | △ 主用途ではない |
| 同じ入力への結果 | ◎ 原則いつも同じ | △ 確率的で変動しうる |
| 判断根拠の説明 | ◎ どの条件に一致したか明確 | △ 確率値のみ、理由は言葉で出ない |
| 未知パターンへの対応 | △ ルールになければ弱い | ◯ 文脈から拾える可能性 |
| 誤検知が多いときの調整 | 人間が条件を書き直す | しきい値（確信度）を調整 |
※ ◎◯△は本記事の編集判断による目安です。個々の実装・チューニングにより差が出ます。
「hallucinateしない」の正しい理解
TypeSafeは公式に「出力はスキーマに縛られるため、無効な値や型エラーを返すことは数学的に不可能」と説明しています。つまり保証されているのは“デタラメな形式では返ってこない”ということだけ。自信満々に間違った選択肢を、正しい形式のまま返す可能性は残ります。創業者自身も間違う可能性を認めていると複数の海外メディアが報じています。
現場での組み合わせ方 ―― 敵ではなく相棒
セキュリティの世界でおもしろいのは「競合」ではなく「組み合わせ」
YARA・Sigma・EDR・VirusTotal・サンドボックスは、それぞれ「特徴を検出するエンジン」です。Jevはそれらの結果をまとめて見て、「結局これは危ないのか？」を判断する“最終トリアージ役”として使うと、もっとも意味が出てきます。
🔀 セキュリティ判断パイプラインのイメージ
▲ TypeSafeが推奨する設計思想（確信度でしきい値を分ける）を元にした概念コードです。実際のフィールド名・関数名は公式ドキュメント（docs.typesafe.ai）を参照してください。なお、セキュリティアラートを「close／escalate／contain」に仕分けるこの種の使い方自体は、TypeSafeが公開した評価ワークフローの一つとして複数の技術系メディアが報じており、同じ発想のオープンソース実装も有志によって公開されています。
🧬 YARAが向いている場面
- MZヘッダ・特定mutex・C2ドメインの検出 → YARA
- ハッシュ値や特定バイト列の一致確認 → YARA
- 判断理由を第三者に説明する必要がある場面 → YARA
🤖 Jevが向いている場面
- 「通常の管理作業」か「侵害の疑い」かのグレーな仕分け → Jev
- 大量アラートを機械的に一次トリアージしたい → Jev
- 複数ツールの結果をまとめて最終判断したい → Jev
FACTチェック ―― 宣伝文句、どこまで裏が取れた？
公式発表・海外メディア・批判的な検証記事まで遡って確認
最初にあった「Jevってこういうものらしい」という説明を一つずつ、TypeSafeの公式ブログ・大手テック系メディア・第三者による検証記事まで遡って裏取りしました。結果は次の通りです。
| もともとの説明 | 調査でわかったこと | 判定 |
|---|---|---|
| 「unstructured state in, typed probabilistic decisions out」という説明 | TypeSafe公式ブログの文言そのまま | ✅確認 |
| Noul（Yes/No）・Choice（選択）・Score（点数）の3種類 | 公式に3つの「primitive」として説明。ただしNoulは「true/false＋confidence」の2項目ではなく、0〜1の確率値ひとつを返す（0.9＝90%の確率でYes） | ⚠️一部補正 |
| 「smart if-statements」「fuzzy decision rules」という位置づけ | TypeSafeのユースケース説明で使われている表現とほぼ一致 | ✅確認 |
| 「hallucinateしない」＝出力形式が崩れないという意味 | 公式に「スキーマに縛られるため無効な値は数学的に不可能」と説明。判断の正解は保証しない。創業者も間違いを認めていると報道あり | ✅正確な理解 |
| セキュリティアラートを「閉じる／担当者へ／隔離」に仕分ける公開例 | TypeSafeの公開評価ワークフローの一つとして複数メディアが言及。同種のOSS実装も存在 | ✅確認 |
| 「既存の大型AIより193.6倍速い・444.6倍安い」 | TypeSafe自社のワークフロー評価による数字。独立した第三者の再現テストでは5〜25倍程度という報告もあり、条件によって差が大きい | 🆕要注意 |
| API・SDKの公開状況（当時は情報不足と見られていた） | 調査時点では公式Python／JavaScript SDKとドキュメントサイト（docs.typesafe.ai）が整備済み。エンドポイントはPOST https://api.typesafe.ai/v1/systemone、モデル名はjev-latest |
🆕状況更新 |
| Web Console（TypeSafe Console）の実在 | console.typesafe.ai は実在。Googleログイン／メールコードでのログイン画面を実機で確認 | ✅確認 |
第三者の分析記事によれば、TypeSafe自身が公開したダッシュボード上のワークフロー正解率は、Jevが67.8%、比較対象の大型モデルが73〜74%程度という数字が確認できるとのことです。つまり「速くて安い」代わりに、正解率という一番大事な部分では既存の大型AIに一歩譲る場面がある、ということ。本記事執筆時点で、TypeSafe以外が実施した公開ベンチマーク・査読論文・独立リーダーボードは確認できませんでした。
Jevは確率値だけを返し、「なぜそう判断したか」を自然言語で説明しません。個人情報漏えいなど、判断の理由を後から説明する責任（監査証跡）が求められる場面では、確率値だけでは不十分です。規制対応や法的対応が絡む判断は、必ず人間のアナリストが最終確認する設計にしてください。
試してみるには ―― アクセス方法と現時点の弱点
2026年9月18日時点ではまだ「招待制」
Jevは現在Early Access中で、誰でもすぐ使えるわけではありません。公式サイト（typesafe.ai）で概要を確認したうえで、console.typesafe.ai からwaitlist経由の招待を待つのが基本の流れです。開発者向けには公式Python／JavaScript SDKとHTTP APIが用意されています。
おまけ：JevがDOOMをプレイするデモ
発表時、TypeSafeはJevに1秒間に約10回の判断をさせ、レトロゲーム「DOOM」をリアルタイムで操作させるデモを公開しました。画面画像ではなく、ゲーム内部の状態をテキストとして渡し、それを見て行動を選ばせる仕組みで、コストは1時間あたり約7ドル。実はTypeSafe自身が「普通の（AIを使わない）DOOM botの方がまだ上手い」と認めている、技術デモらしい一幕もありました。実力と限界の両方が見える、象徴的なエピソードです。
向いている
大量アラートの一次仕分け
コスト重視
入力$0.042／百万トークン
要説明責任には不向き
監査証跡が要る場面は人が確認
招待待ち中
2026年9月18日時点
✅ 導入を検討する前のチェックリスト
- その判断に「理由の説明」が必要か確認した（必要ならYARA／人間の確認を残す）
- 確信度のしきい値を自分たちで決め、自動処理と人間送りを仕分ける設計にした
- 速度・コストの数字はTypeSafe自社発表であることを理解したうえで採用判断した
- Early Access中は仕様・料金が変わりうる前提でPoC規模から始める
Jevについて、よくある質問
Q. JevはYARAを置き換えるものですか？
いいえ。YARAは「既知の特徴に一致するか」を人間の書いた条件で確実に判定する道具、Jevは「あいまいな状況をどう解釈すべきか」をAIが確率で判断する道具です。得意分野が違うため、置き換えではなく組み合わせて使うのが現実的です。
Q. 無料で試せますか？
2026年9月18日時点ではEarly Access中で、waitlistからの招待が必要です。利用が始まれば、入力トークン100万あたり0.042ドル、出力トークンは実質無料（TypeSafeいわく「課金するには安すぎる」水準）という価格設定が公表されています。
Q.「幻覚を起こさない」なら、判断を全部AI任せにしていいですか？
おすすめしません。保証されているのは出力の「形式」が崩れないことだけで、「中身が正しいこと」は保証されません。TypeSafe自身も、確信度に応じて自動処理と人間による確認を仕分ける設計を勧めています。
Q. この技術はセキュリティ以外にも使われていますか？
TypeSafeが示す活用例には、カスタマーサポートの分類、請求書処理、AIエージェントが行った作業の事後レビューなども含まれています。セキュリティはその中の一分野という位置づけです。
Q. 性能面の数字（何倍速い、など）はそのまま信じていいですか？
慎重に見てください。現時点で公開されている速度・コストの数字はTypeSafe自身の社内評価によるもので、独立した第三者による再現・査読論文はまだ確認できていません。導入判断の参考値程度に捉え、自社の実データで必ず検証することをおすすめします。
主な出典（一次情報を優先）
- TypeSafe AI公式ブログ「Introducing System One Models & Jev」（2026-09-15）— typesafe.ai/blog/introducing-system-one-models-and-jev
- TypeSafe AI公式サイト — typesafe.ai
- console.typesafe.ai（ログイン画面を実機確認、2026-09-18）
- 「TypeSafe AI Emerges From Stealth With $40M in Funding」（BusinessWire配信、2026-09-15）— businesswire.com
- The Register「AI model “Jev” to make machines decide faster」／「TypeSafe AI debuts model for machines that plays Doom」（2026-09-16）— theregister.com
- DataCamp「Jev: TypeSafe’s System One Model That Never Hallucinates」— datacamp.com/blog/system-one-models-jev
- Flowtivity「Jev by TypeSafe AI: Is the 200x Faster Decision Model Too Good to Be True?」— flowtivity.ai
- Agentpedia「Jev & System One Models: The Claim-vs-Evidence Guide to TypeSafe’s Launch」— agentpedia.codes/blog/jev-system-one-models
- YARA公式「The pattern matching swiss knife for malware researchers」— virustotal.github.io/yara
- 関連記事：「YARAルールでマルウェアを検知する」（やさしいサイバーセキュリティ）— yasashii-cybersecurity.com/yara-rules-malware-detection/
※ Jevは執筆時点（2026年9月18日）でEarly Access中の新製品です。仕様・料金・精度指標は今後変わる可能性が高いため、導入検討時は必ず公式ドキュメント（docs.typesafe.ai）の最新情報を確認してください。見直し目安：2026-11（正式版(GA)移行や独立検証の公開状況を再確認）。
あわせて読みたい
YARAルールの書き方を基礎からじっくり知りたい方は、「YARAルールでマルウェアを検知する」の記事もどうぞ。
コメント