Jev 1.14で何が変わった？画像・Box・日本語と、旧版からの移行手順

最初に見るべきなのは、派手な画像デモだけではありません。既にJevを使っているなら、モデル名の指定と、日本語の判断がどう変わるかを先に確認できます。この記事では更新点を整理し、旧版からの移行と、小さな画像試作を分けて進めます。

Jevは自由な説明文やメール本文を生成するチャットモデルとは出力形式が違います。Choiceは選択肢、Scoreは順序のある評価段階、Noulは真偽の確率を返す仕組みです。例えば「請求・技術・営業・要確認」の候補を渡し、問い合わせの担当分けに使います。基本と業務例はJev入門にまとめています。

今回加わったBoxは、画像内の対象を囲む位置を返します。「この画像について長く説明して」と頼む代わりに、次の処理で使う位置を受け取るわけです。ただし、その値を使ってクリック、承認、公開を実行する部分は、別途アプリ側で作る必要があります。

公式発表は、モデル1.14の更新と、明示的に有効化する「danger zone」の機能開放を同時に案内しています。「1.14に変えれば画像も自動で有効」「画像は1.14専用」と読むと、条件を取り違えます。画像の要件はImages、位置検出の要件はBoxで確かめてください。

発表記事は、jev-latestを約1週間後に1.14へ切り替える予定としています。日付に直すと10月21日ごろが目安ですが、正確な切替日時の約束ではありません。既存処理を同じ条件で保ちたいなら版を固定し、応答のmodelも保存します。

同じJSONのmodelだけを1.13.0と1.14.0で変えれば、入力の違いを混ぜずに比較できます。APIリファレンスのエンドポイントは POST https://api.typesafe.ai/v1/systemone です。認証用のAPIキーは環境変数などで渡し、記録表には残しません。

多言語の改善方針は、日本語で必ず正確になるという保証ではありません。公式は現在も英語を最も得意な言語とし、他言語は自分のデータで検証するよう案内しています。言語対応

1. 1「請求という単語がある」ではなく「何への対応を依頼しているか」を担当分けの基準にします。複数依頼と情報不足は要確認に戻す、と先に決めます。
2. 2否定、敬語、日英混在、曖昧な依頼、複数の用件を含む例を集め、人が期待する窓口を記録します。教材には架空の10件を入れています。
3. 3旧版・新版へ同じ入力と質問を渡し、実際のmodel、選択肢、confidence、入力トークン、所要時間を残します。
4. 4一致率だけでなく、旧版で正しかったものが新版で誤る例、要確認へ戻せなくなる例を確認します。既存のしきい値もそのまま流用せず検証します。

10件は接続と比較手順の確認用で、採用判断に十分なベンチマークではありません。運用前には実際の問い合わせ分布と、人が担当分けに迷う例を増やします。Choiceのconfidenceも、回答の確率分布の集中度を表す指標であり、その一件が正しい確率と同一視できません。confidenceの説明

画像はstateだけでなく、instructionsやcriteriaにも置けます。たとえば見本画像で選択肢を定義する使い方です。最初の試作は、対象画像を一度stateへ置き、各質問が同じ画像を参照する形が分かりやすいでしょう。画像の配置方法

Boxはleft・top・right・bottomを0〜1の比率で返します。画像の幅・高さを掛けるとピクセル座標になります。教材では640×400の自作図に、架空の座標0.25・0.25・0.75・0.75を当てると、左160・上100・右480・下300になることを確認します。Box仕様

Jev 1.14移行確認教材をダウンロード。日本語比較用の空欄付きCSV、640×400の自作PNG、画像リクエスト、架空の応答、検査スクリプトを同梱しました。Python 3.10以降の標準ライブラリだけで動き、Macで確認しています。Windows・Linuxでは未確認です。

ローカルの8項目の検査では、座標変換と低い存在確率の扱いを確認し、モデル違い・逆向きの枠・範囲外の座標・NaN・真偽値の混入・回答欠落を拒否しました。これは教材の処理の検査です。Jevの認識成績ではなく、実測した成功率もありません。出力のnext_actionは常にhuman_review_onlyで、自動操作は行いません。

実APIを試す場合は、利用可能なTypeSafeアカウントとキーを用意し、料金とデータ送信条件を確認します。API型のサービスなのでモデルをMacへインストールする必要はありませんが、オフラインでは動きません。クイックスタートに沿って準備した後、教材のフォルダで次の例を使えます。

request.jsonはmodelをjev-1.14.0に固定し、中央の橙色の矩形について、visible（Noul）とregion（Box）を同時に尋ねます。検査スクリプトは形式と数値を調べるだけで、正しく橙色の矩形を認識したかは画像と照合する必要があります。単純な図に成功しても、実写真や日本語帳票に同じ成績を期待しないでください。

画像はPNG/JPEGで、辺の長さと総画素数の両方に制限があります。256×256は面積不足です。スマートフォンの写真は向きとサイズを調整し、EXIFの表示向きだけに頼らないようにします。同じ画像参照を何度も置くと展開時には繰り返し加わります。画像の制限・前処理を確認してください。

直営の公開価格は両版とも入力100万トークンあたり0.042米ドルで、出力は無料です。画像も入力トークンに含まれます。料金の見積もりには返却されたusage.input_tokensと再試行回数を記録し、「写真1枚なら一律いくら」とは置かないようにします。モデルと料金／画像トークン

通常は1リクエスト64k・1質問32kです。TypeSafe-Danger-Zone-Long-Context: true を付けると、両版ともそれぞれ262kへ拡張されます。公式は長い入力では遅くなり、精度も下がると説明しています。画像用とは別の設定なので、短い画像試作のために長文脈まで有効にする必要はありません。長い文脈の条件

既存の担当分けを改善したいなら、まずモデルを固定してテキストだけを比較します。画像に使いたいなら、対象がある例・ない例・複数ある例をそろえ、枠の表示と人の確認まで作ります。二つを同時に変えなければ、挙動が変わった理由を追いやすくなります。

新しい入力と出力が増えても、判断結果の扱いを自分で検証する必要は変わりません。ローカル実行を含めて他の選択肢も比べたい場合は、Jev・Laya・Jeff・Micaの比較、confidenceの読み方を深める場合はDoubtBenchの公開データ再採点も参照してください。