濃い紫色の背景に光の滲みが広がり、右肩上がりの矢印とともに4本の棒グラフが描かれ、そのうち1本が紫色のグラデーションで強調されたイラスト

記事

Vercelの新AIモデル「Jev」、過去最速ペースで普及——2週間で有料チームの35%が利用と報告

Vercelのデータによると、分類特化型の軽量AIモデル「Jev」が公開から2週間で有料チームの35%に使われ、過去最速の普及ペースを記録したと報じられています。オープンソースモデルの存在感拡大も合わせて紹介します。

Vercelが公開したデータによると、軽量な判定特化型AIモデル「Jev」が、公開から2週間というスピードで過去最速の普及ペースを記録したとTechCrunchが報じています。モデルを開発したのはTypeSafe AIで、限定的な分類タスクに特化した設計が、短期間での急速な採用につながったようです。派手な汎用モデル競争とは少し違う角度からの「速さ」の記録として、業界内でも注目を集めています。

有料チームの35%が2週間以内に利用

Vercelが10月15日に公開したデータによれば、9月15日に限定リリースされたJevは、公開からわずか2週間で有料チームの35%に利用されるようになりました。これは2番目に人気のモデルであるClaude Sonnet 5.5のほぼ2倍の利用範囲にあたり、Vercelが保有するデータの中でもモデルの初期2週間としては過去最速の採用ペースだとされています。新しいモデルが話題になってから実際の本番導入に至るまでには一定のタイムラグがあるのが通常ですが、Jevはそのギャップを極めて短い期間で埋めた形になります。SNS上での話題性だけでなく、実際の課金ユーザーの利用データとしてここまで明確な数字が示されるケースは珍しく、だからこそ業界内での注目度も高まっているとみられます。

出力の選択肢を絞ることで高速・低コストを実現

Jevの設計思想は、汎用的な大規模モデルとは異なります。あらかじめ決められたいくつかの選択肢から1つを選ぶという限定的なタスクに特化したモデルで、出力の自由度を絞ることでClaude Sonnetのような汎用モデルよりも安く高速に動かせます。大量のデータを素早く分類したい場面に向いた設計で、公開以降この新しいアプローチが話題を集め、OpenAIやAmazonからも追随する形で競合モデルが登場しているといいます。汎用モデルで何でもこなそうとするのではなく、用途を絞ったモデルを使い分けるという発想自体が、今回の急速な普及を後押しした面もありそうです。選択肢の数をあらかじめ絞り込んでおくことで推論のステップ自体を単純化できるため、同じ精度を狙うにしても計算コストを大幅に抑えられるというのが、こうした小型判定モデルの基本的な強みです。

スマートフォンの画面にVercelのロゴが表示されている写真

画像引用元: TechCrunch(写真: Thomas Fuller/SOPA Images/LightRocket / Getty Images)

データの出所はVercelのAIゲートウェイ、OpenAIやAnthropicは過小評価の可能性

今回の数値は、OpenRouterに似た統一APIサービスであるVercelのAIゲートウェイの利用状況から集計されたものです。そのためVercel経由の利用に限られるという制約があり、独自のAPIを直接提供しているOpenAIやAnthropicのような大手ラボの実際の利用量は過小評価されている可能性があると記事は指摘しています。それでも、Jevを巡る話題が実際の利用へときちんとつながっていたことを示すデータだとTechCrunchは評価しています。SNS上の盛り上がりと実際の採用数が必ずしも一致しないケースも多い中で、課金ユーザーの実データに基づいてここまで明確な裏付けが取れた例は珍しいといえるでしょう。Vercel自身も早期採用者の1社で、有害なコマンドを分類する用途でこれまで使っていたGPT-6 LunaをJevに置き換えたことも明らかにされており、自社プロダクトでの実運用がこの数値の説得力を裏付ける材料になっています。

オープンソースモデルの存在感も拡大中

同じレポートでは、オープンソースモデルの勢いが続いていることも示されています。Vercelのゲートウェイを通過するトークンのうち70%以上がオープンソースモデルによるもので、支出全体に占める割合も25%近くに達しているとのことです。一方でフロンティアラボ向けの支出額自体は全体に占める割合こそ縮小しつつも、金額としては10倍に伸びているといい、両者が競合するのではなく、用途によって補完し合う関係になりつつあるという見方につながっています。トークン量ではオープンソースが優勢でも、支出額で見ればフロンティアモデルへの投資は拡大を続けているという、ねじれた構図が浮かび上がっている点も興味深いところです。

用途別にモデルを使い分ける流れが本格化

Jevのような軽量モデルで分類や振り分けを高速にこなしつつ、複雑な判断は汎用モデルに任せるという使い分けが、今後のAI活用の標準的なパターンになっていきそうです。1つのモデルにすべてを任せるのではなく、タスクの性質に応じて複数のモデルをパイプラインとして組み合わせる設計は、コストと速度を両立させたい開発チームにとって現実的な選択肢になりつつあります。Vercelのようなゲートウェイサービスが各モデルの利用実績を公開していくこと自体が、こうしたモデル選定の判断材料として今後さらに重要になっていくでしょう。分類や振り分けといった定型的な判断をJevのような軽量モデルに任せ、創造的な作業や複雑な推論が必要な部分だけを上位のモデルに回すという二段構えの構成は、今後さらに多くのプロダクトで採用されていくと考えられます。