「AIは喋らなくていい」——TypeSafe「Jev」とMonadが暴いた、自律知能取引とSystem One革命の全真相

取引に300msごとの小論文はいらない。市場データを受け取り、型付き確率判定を下し、そのままオンチェーン板へ投げる。Monadのエンジニアが組み上げた自動取引ボットと、NeMo Switchyardのclassifier実測データから見えてきた、LLMの「小論文病」を脱するAIエージェントの新設計論。

プロローグ：Monadのエンジニアが24時間で作った「喋らないボット」

AI界隈でTypeSafeの旗艦モデル「Jev」が発表されるや否や、MonadのエンジニアはすでにJevを組み込んだ自律取引ボットを本番稼働させていた。

リアルタイムで流れてくるMON/USDCの価格データ。このボットにおいて、Jevは相場分析レポートを書く担当ではありません。マクロ経済の動向を饒舌に解説することもなければ、長大な論理展開を披露することもありません。

Jevが担うのはただ一つ。「Buyか、Sellか、Passか」を判定し、その信頼度（Confidence）を添えて、Kuruのオンチェーン・オーダーブック（Central Limit Order Book）へ直接指値・成行注文を投げることだけです。

この実装を見て、Jevがなぜ「喋らないモデル」として世に送り出されたのか、その理由が一気に腑に落ちます。

Monadはおよそ300ミリ秒ごとにブロックを生成し、Kuruは超高速なオンチェーン・オーダーブックを動かしています。
高性能チェーンが「執行」を担当し、Jevが「意思決定」を担当する。この2つが噛み合った瞬間、従来のWeb3ボットとも、従来のチャット型LLMとも根本から異なる「AIネイティブな自律取引システム」の輪郭が姿を現しました。

未来の自律取引エージェントに求められるのは、学術論文や投資調査レポートを執筆できる巨大なフロンティアモデルではありません。極限まで削ぎ落とされた低遅延で、何百万回もの連続判定をエラーなく刻み続けられる「冷徹な反射神経」なのです。

System Oneとは何か：LLMの「小論文病」をサンプリング層から撃ち落とす

なぜ私たちはこれまで、単なる4択判定や売買判断に何千トークンもの文章生成を強要されていたのでしょうか。

TypeSafe社は、構造化された意思決定に特化した新世代のAIプラットフォームです。その中核を担うモデル「Jev」は、同社によって「世界初のSystem One Model」と定義されています。

心理学者ダニエル・カーネマンが提唱した「ファスト＆スロー」の概念を借りるなら、従来のLLM（GPT-4o、Claude 3.7 Sonnet、Gemini 2.5 Flash、DeepSeek R1など）は、文章を思考し、ステップ・バイ・ステップで論理を組み立てる「System Two（熟考・熟慮）」のエンジンです。

しかし現場のソフトウェアや取引システムが求める判断の多くは「System One（直感・反射的判定）」です。危険か安全か。AかBか。ルーティング先はどこか。買付か見送りか。

ベンチマーク実測：NeMo SwitchyardのclassifierをJevに替えたら何が起きたか

クラスメソッド マレーシアの森永大志氏（モリッシー）が実施した、NVIDIA NeMo Switchyardの分類器（classifier）置き換え検証。

NVIDIAが提供する次世代LLMルーティング基盤「NeMo Switchyard」。その llm-routing 方式は、直近4ターンの会話サマリを読み、リクエストを simple / medium / complex / reasoning の4段階に分類して最適なティアのLLMへ振り分ける設計を採用しています。

しかし、このclassifierに何を使うかで、現場のエンジニアは「地獄の二択」に直面していました。

reasoningを許すLLMを使えば速いがコストが跳ね上がる。reasoningを止められるLLMに変えるとコストは下がるがレイテンシが壊滅する。
classifierは「4択のどれかを当てる」だけの軽いタスクのはずなのに、LLM本来のテキスト生成・reasoningの重厚な仕組みに引きずられてしまっていました。

特筆すべきは、mediumティアだけConfidenceが0.57〜0.67と低めに出現した点です。
人間にとっても「simple」と「complex」の狭間にある曖昧なタスクは判断に迷います。Jevはその確率的揺らぎをそのまま数値として返してきます。
「Confidenceが0.7未満なら安全側に倒して上位モデルへエスカレーションする」という設計が、正規表現ハックなしで1行で書ける。これは従来のLLMによるテキスト分類には存在しなかった圧倒的な実用性です。

完全解剖：JevとLLMの使い分け・5大配置パターン

それぞれの得意なことを活かし、安全で高品質なAIエージェントを実現する設計図。

図1：Jev（System Oneモデル）とLLMの使い分け・配置の全景
超高速判定を司る「Jev（決める・見張る）」と、豊かな創造・思考を司る「LLM（文章を生成する）」をパイプラインの各所に最適配置する。

AIエージェントのアーキテクチャにおいて、すべての処理を単一の巨大LLMに委ねる時代は終わりました。
上記の設計図が示す通り、JevとLLMの協調には明確な5つの配置パターンが存在します。

誇大妄想を捨てる：Jevの現実と「トレードオフ」の直視

万能の神薬ではない。速度とコストを極振りしたモデルが直面する精度の限界。

熱狂に水を差すようですが、Jevを本番に投入するなら冷徹に直視すべき事実があります。
第一に、TypeSafe Jevは2026年9月時点でアーリーアクセス（ウェイトリスト制）の段階にあり、APIの仕様や料金、インフラの挙動は今後激しく変動する可能性があります。

第二に、TypeSafeの売りは「速度とコスト」であって、「ずば抜けた精度」ではない点です。

つまり、Jevは「複雑な法律相談」や「精緻な数理証明」を解かせるためのモデルではありません。
精度が1ポイント違うだけで致命傷になる業務では、Jev単独で完結させてはならないのです。
だからこそ、前述の「パターン2（挟み込み）」のように、Jevが低Confidenceを出した瞬間だけ重厚なフロンティアLLMにバトンを渡すカスケード設計が真の勝負所になります。

エピローグ：取引Agentの未来は「論文執筆者」ではなく「無口な反射神経」

高性能チェーン（Monad）× オンチェーン板（Kuru）× System One（Jev）。

AIエージェントの進化は「より賢く、より長文を話す方向」にばかり向いていました。だが実社会のインフラが求めていたのは、その真逆——「何も喋らず、ただ型通りに、光の速さで決断を下すAI」でした。

300msのブロックタイムで駆け抜けるMonadと、オンチェーン板のKuru。
そこにJevのChoiceが合流した瞬間、AI取引ボットは「人間のトレーダーを模倣したチャットボット」から「自律知能そのものによるミリ秒単位の神経反射」へと進化を遂げました。

文章を書くならLLMに任せればいい。
だが、決めるなら、見張るなら、あるいは市場に注文を叩き込むなら、選ぶべきはSystem Oneです。
AIエージェントのアーキテクチャは、今まさに新たな分岐点を迎えています。