Jev Routerを企業で使うなら？ モデル選択・コスト・ガバナンスの注意点と自作ルーターの検証
Jev Routerは、OpenRouterが9月25日（米国時間）に公開したモデルルーターです。TypeSafeの判定モデル「Jev」が、リクエストごとに使うモデルと推論の強さを選びます。この記事では、仕組みと発表された性能、Xの活用例、企業で使うときのモデル選択・コスト・ガバナンスの注意点を整理します。
同じ考え方の小さなルーターをJevで作り、日本語の社内依頼24件で試しました。「十分な中で一番安い等級を選んで」と1問で聞くと、24件中12件が人の判断より安い側に寄りました。一方で、難しさだけを採点させて区切りをコードで持つと、24件すべてが一致しました。振り分けて6件を実行した費用は、全件を最上位モデルに回した場合より約32%少なくなりました。
過去に、ガードレールとして2万件のPromptで試しています。そのときは「判定の部品」として見ていましたが、今回は判定の結果が「どのモデルにいくら払うか」を決める側に回りました。企業のAI利用で一番お金が動く場所に、判定モデルが入ってきたことになります。公式発表、OpenRouterのスレッド、国内外の検証記事、X上の声をもとにまとめました。
1. Jev Routerとは：Jevがモデルと推論の強さを選ぶルーター
まず土台のJevです。TypeSafe AIが9月15日（米国時間）に公開した、文章を生成しないモデルです。渡した情報に対して、選択肢から選ぶ（Choice）、段階で採点する（Score）、Yesの確率を返す（Noul）の3種類で答えます。答えは型の決まった値と確率で返るため、プログラムがそのまま分岐に使えます。
Almeida氏の発表ポストは3,900万回以上表示されました。動画は元の投稿で見られます。
Jev Routerは、このJevを使ったOpenRouterのルーターです。OpenRouterは数百のモデルを1つのAPIで呼べるサービスで、モデル名に typesafe/jev-router を指定すると、Jevがリクエストを読んで振り分け先のモデルと推論の強さ（effort）を決めます。OpenRouterのモデルページでは、ルーター自体の料金はゼロと表示されています。実際に払うのは、振り分け先のモデルの料金です。
出典：@OpenRouter
仕組みを説明する約50秒の動画は、元の投稿で見られます。
2. できること：会話の途中でモデルと推論の強さを変える
OpenRouterのスレッドによると、Jevは各ターンの前にプロンプトを読み、難しさ（difficulty）と精度要求（precision）を採点します。そのうえで、より大きなモデルや強い推論が効くか、安いモデルで足りるか、タスクの内容が変わったかも確かめます。
出典：@OpenRouter
OpenRouter Chatでは、ターンごとに選ばれたモデルと、その裏のスコア（タスク、難しさ、精度要求、大きなモデルを使う効果）をパネルで見られます。データの扱いについては、Jevはモデルと推論の強さを選ぶためだけに会話のテキストを読み、ゼロデータ保持（ZDR）の条件で保存も学習もしないと説明しています。添付ファイルはJevに送られません。
3. すごいところ：難しさで選び、キャッシュを捨てない
ここからは、発表された内容を「性能」（3-1）、「コスト」（3-2）、「透明性」（3-3）の順に見ていきます。
3-1. 性能：Auto Routerより82%多く解いたと発表
OpenRouterは、4つのエージェント系ベンチマーク（計423タスク）で、Jev Routerが同社のAuto Routerより82%多くのタスクを解いたと発表しました。5つのベンチマークでは、最初のトークンが返るまでの時間の中央値も、試した他のルーターより短かったとしています。
ベンチマークの名前や条件の詳細は、スレッドの画像以外では公開されていません。第三者による再現はまだ見当たらないので、この数字はOpenRouter自身の計測として読むのが妥当です。
3-2. コスト：キャッシュを捨てる切り替えを避ける
OpenRouterの説明で目を引いたのは、キャッシュの扱いです。多くのルーターはメッセージごとにモデルを選び直すため、切り替えるたびにそれまでの会話のキャッシュが失われ、新しいモデルが会話全体を定価で読み直すことになります。Jev Routerは、うまく動くモデルが見つかればセッション中はそのモデルを使い続け、推論の強さだけを上げ下げします。モデルを切り替えるのは、失うキャッシュの費用より期待できる効果が大きいときだけです。
長い会話や、エージェントのように同じ文脈を何度も読む使い方では、1回ごとの単価よりこちらの影響のほうが大きいはずです。
3-3. 透明性：選んだ理由をレスポンスに付ける
各レスポンスには、選んだ理由を含むルーティングの情報が付きます。一方で、Jevの呼び出しがタイムアウトしたり不正な出力を返したりしたときは、別のルーターに切り替えず、リクエストそのものが失敗します。
出典：@OpenRouter
黙って別の経路に流れないのは、記録の点では分かりやすい設計です。ただ、アプリ側から見ると「ルーターが原因でリクエストが落ちる」経路が1つ増えます。これは後の企業の章でもう一度扱います。
4. 試してみた：「一番安いモデルを選べ」と聞くと安い側に寄った
ここからは、「方法」（4-1）、「結果」（4-2）、「解釈」（4-3）の順に書きます。
Jev RouterはOpenRouterのAPIキーがないと呼べないため、本体は動かしていません。代わりに、同じ考え方の小さなルーターをJevのAPIで作りました。確かめたかったのは次の2つです。
日本語の社内依頼を、Jevは人の判断どおりの等級に振り分けられるか。何度聞いても同じ結果になるか
振り分けて実行すると、全件を最上位モデルに回す場合と比べて費用と時間はどう変わるか
4-1. 方法：社内依頼24件をJevで振り分け、6件を実行
2026年9月28日の朝（日本時間）に、日本から実行しました。依頼は筆者が作った日本語の短い社内依頼24件です。誤字修正や短い翻訳のような「軽い」依頼、SQLや要約のような「標準」の依頼、移行計画や契約書レビューのような「難しい」依頼を8件ずつ用意し、どの等級に回すべきかを先に決めておきました。
1件ごとにJev（jev-1.13.0に版を固定）へ3問を同時に聞きました。難しさの採点（3段階）、誤りの影響の採点（3段階）、そして「処理に十分な中で一番安い等級はどれか」の選択です。日本語の指示で3回、同じ内容の英語の指示で1回、合計96回呼んでいます。
次に、6件（各等級2件）を振り分け先のモデルで1回ずつ実行しました。軽い依頼はClaude Haiku 4.5、標準はClaude Sonnet 5（effort medium）、難しい依頼はClaude Opus 5.5（effort high）です。比較用に、軽い依頼と標準の依頼4件はOpus 5.5（effort high）でも実行しました。実行にはClaude Code CLI 2.1.283を使い、ツールや設定を読み込まない状態にしています。費用はCLIとAPIが定価で計算した値で、実際の請求額ではありません。
4-2. 結果：直接選ばせると半分が安い側、採点を区切ると全件一致
一番意外だったのは、選択の問いの結果です。標準の依頼8件のうち5件を「軽い」に、難しい依頼8件のうち7件を「標準」に回しました。外れた12件はすべて安い側です。移行計画や契約書レビューのような依頼でも「中型のモデルで足りる」と答えています。英語の指示にすると、安い側に寄った件数は15件に増えました。
同じ呼び出しで聞いた難しさの採点は、軽い依頼がほぼ0、標準がほぼ1、難しい依頼がほぼ2に並んでいました。これを「0.7未満なら軽い、1.7以上なら難しい、その間は標準」とコードで区切ると、24件すべてが人の判断と一致しました。ただし、このしきい値は日本語1回目の結果を見てから決めています。未知の依頼に対する精度を測ったわけではありません。
公式ドキュメントも、Jevは質問を字義どおりに読むので、複数の判断を1問に詰めず、分けて聞いて組み合わせはコードで行うよう勧めています。「十分な中で一番安い」は、難しさの判断と費用の判断を1問に混ぜた聞き方でした。Jev Routerが難しさと精度要求を別々に採点しているのも、同じ理由だと思います。
振り分けて実行した結果は次のとおりです。
合計では約32%安くなりました。差のほとんどは標準の依頼で、Sonnet 5に回した2件はOpus 5.5の約5分の1の費用でした。
軽い依頼は予想と逆でした。Haiku 4.5は思考の分に加えて、誤字修正にも理由や言い換え案を付けたため、出力が約400トークンになりました。Opus 5.5は思考なしの約45トークンで答えています。そのため費用の差は小さく、時間はOpus 5.5のほうが短くなりました。小さいモデルに回せば必ず安くなるわけではなく、出力の長さも費用を左右します。
Jevの判定96回にかかった費用は、定価で0.0031ドルでした。検証全体では約0.27ドルです。
4-3. 解釈：言えること・言えないこと
今回の1回ずつの結果から言えるのは、「判定モデルに等級を直接選ばせるより、難しさを採点させて区切りを自分で持つほうが調整しやすい」ということです。区切りを1か所変えるだけで振り分けを動かせるので、社内の基準にも合わせやすくなります。
言えないこともあります。回答の品質は採点していません。依頼は筆者が作った短い文で、添付ファイル付きの実務の依頼ではありません。実行は各1回で、並列に動かしたためキャッシュの影響も受けている可能性があります。Jev Router本体が同じ傾向を示すかどうかも分かりません。
5. で、企業ではどう使う？：振り分けの基準と記録を自社で持つ
Jev Routerは、モデル選びを外部のサービスに任せる仕組みです。ここからは、「モデル選択」（5-1）、「コスト」（5-2）、「ガバナンス」（5-3）の順に、企業で使うときの注意点を見ていきます。
5-1. モデル選択：Jev Routerの判断を社内の基準と突き合わせる
Jev Routerがどのモデルに振り分けるかは、OpenRouterの候補と重みで決まります。Theo氏（@theo）は自身の計測の途中経過として、振り分けの59%がDeepSeek V4.1 Flashだったと投稿しました（Xの実例の章で紹介します）。社内規程で使えるモデルやデータの送り先を決めている企業では、この点を先に確認する必要があります。
今回の検証では、1問で直接選ばせると安い側に寄りました。Jev Routerは難しさと精度要求を別々に採点する設計なので同じ結果になるとは限りませんが、導入前に自社の依頼を数十件流し、選ばれたモデルと社内の判断を突き合わせておくと安心です。振り分けの候補を自社で許可したモデルだけに絞れるかどうかは、公開情報では確認できませんでした。規程上それが必要な企業は、導入前にOpenRouterへ確認する項目です。
5-2. コスト：単価ではなくモデル別・部門別の実績で見る
Jev Routerはルーター自体が無料で、キャッシュを考えて切り替えを減らします。ただ、Jev Routerの費用対効果は、選ばれたモデルの単価ではなく、出力の長さやキャッシュの当たり方も含めた実績で決まります。今回も、軽い依頼を小型モデルに回した部分ではほとんど安くなりませんでした。
レスポンスにはルーティングの情報が付くので、「どの部門の、どの種類の依頼が、どのモデルに、いくらで流れたか」を記録できます。導入する場合は、この情報を捨てずに保存し、月ごとにモデル別・部門別の費用を見られるようにしておくのが第一歩です。
5-3. ガバナンス：データの行き先、失敗時の挙動、提供元の余力
データの扱いは2段階で考えます。Jevはルーティングのためにテキストを読み、ZDRの条件で保存しないと説明されています。一方で、振り分け先のモデルに本文が送られるのは通常のOpenRouter利用と同じです。「Jevが保存しない」ことと「振り分け先が保存しない」ことは別に確認します。
失敗時の挙動も押さえておきます。Jevの呼び出しが失敗するとリクエストも失敗するため、業務で使う経路には、固定モデルへの再試行を自社側で用意しておくと止まりにくくなります。
提供元の余力も見ておく点です。TypeSafeは需要の急増で、9月22日から新規登録を一時停止しています。既存の利用者はそのまま使えるとしていますが、Jevのレート上限は「予告なく変わりうる」と公式ドキュメントに書かれています。
出典：@typesafeai
導入前の確認項目をまとめると、次の3つです。
振り分け先の候補に、社内規程で使えないモデルやデータの送り先が含まれていないか。自社の依頼で試し、選ばれたモデルを確認したか
ルーティングの情報を保存し、モデル別・部門別の費用を追えるようにしたか
Jevやルーターが失敗したときに、固定モデルへ切り替える経路を自社側で用意したか
6. 掛け合わせ：アクセンチュアのトークノミクス調査と合わせて見えること
アクセンチュアは9月17日、企業のAIトークン支出に関する調査「The CIO's Guide to AI Tokenomics」を発表しました。日本を含む17か国、年商10億ドル超の企業の経営層750人が対象です。AIリクエストの54%は、タスクに必要な水準を超える高性能モデルに回されていました。フロンティアモデルの能力が本当に必要なタスクは全体の1割程度と推計しています。経営層はモデルルーティングを最も重要な打ち手と見ていますが、導入している企業は30%にとどまります。英語版のガイドは、ルーティングを開発者任せの指針にせず、ゲートウェイで強制するよう勧めています。
Jev Routerは、この「ゲートウェイでの振り分け」を1行のモデル名で試せる仕組みです。調査が指摘する「使い過ぎ」には、そのまま効く可能性があります。
もう1つ、同じ調査には、トークン価格が25%以上下がったらAI支出全体を増やすと答えた経営層が95%という結果もありました。Jevという名前は、蒸気機関の効率化で石炭の消費が増えた「ジェボンズのパラドックス」から取られています。単価が下がるほど使う量が増えるのなら、ルーターで下がった単価の分だけ、利用は広がると見ておくのが自然です。筆者の見立てでは、効いてくるのは単価の低下より、「どの仕事に、どのモデルを、いくらで使ったか」が記録として残ることです。調査でも、トークン支出のうち財務的な成果との関連を示せているのは2割未満でした。
今やっておくことを1つ挙げるなら、ルーターを入れる前に、今のAI利用をモデル別・部門別に集計できる状態にしておくことです。これがないと、ルーターを入れても何が安くなったのか説明できません。従量課金の支出管理は、Copilot Autopilotの記事でも扱いました。
7. Xの実例：Jevで何が作られ、どう使われているか
Jev Routerは公開から数日で、実例はまだ多くありません。ここからは、判定モデルとしてのJevの使われ方を「見張る」（7-1）、「仕分ける」（7-2）の順に紹介し、最後にJev Routerへの評価を含む「冷静な声」（7-3）を見ていきます。
7-1. 見張る：エージェントの暴走を止める
出典：@fladdict
深津貴之氏は、24時間動かしているCodexをJevで見張り、おかしな実装や暴走を止める仕組みを作って試しています。エージェントの行動を毎回LLMで確認すると遅く高くつきますが、判定だけならJevで足ります。Jev Routerが「モデルの選択」に判定を使っているのと同じく、「止めるかどうか」の判断に使っている例です。
7-2. 仕分ける：大量の定性データを安く分類する
出典：@ytiskw
石川陽太氏は、架空のペルソナ150人それぞれに12問を投げ、製品の導入意向を集める仕組みを作りました。費用は1.8円、時間は約5秒で、日米間の通信の遅れも含んだ数字だとしています。動画は元の投稿で見られます。
あやみ氏のAmazonレビュー分析アプリは、低評価のレビューから原因・深刻度・改善先を、高評価のレビューから購入理由を判定します。マーケティングの定性データを大量に分類する作業は、これまで予算のある企業に限られていたと書いています。動画は元の投稿で見られます。
7-3. 冷静な声：精度と振り分け先への疑問
出典：@xjuntaro
Juntaro氏はKaggleで、Jevと、特化学習したBERT、Fable、Astraを比べました。学習なしのJevは特化学習したBERTにわずかに届かず、しきい値を0.5のまま使うと差が大きくなったそうです。実データでしきい値を調整するのが良いという結論は、今回の検証で区切りをコードで持った結果とも重なります。画像は長い投稿の前半部分です。
出典：@theo
Jev Routerには否定的な声もあります。Theo氏は発表を引用して「This is a bad idea」と投稿し、その後、自身の計測の途中経過として、振り分けの59%がDeepSeek V4.1 Flash、24%がGPT-6 Sol、18%がGemini 3.8 Flashだったと示しました。「ほぼDeepSeek 4.1 Flashのルーターだ」という評価です。計測条件は明かされておらず途中の値ですが、振り分け先の偏りは、企業の章で書いたモデル選択の確認にそのままつながります。
8. まとめ：モデル選びを任せても、基準と記録は手放さない
Jev Routerは、Jevがリクエストの難しさと精度要求を採点し、モデルと推論の強さを選ぶOpenRouterのルーターです。キャッシュを考えて切り替えを減らし、選択理由をレスポンスに付けます
Jevで作った小さなルーターでは、「一番安い等級」を直接選ばせると24件中12件が安い側に寄りました。難しさを採点させてコードで区切ると全件一致し、6件の実行費用は全件最上位モデルより約32%少なくなりました
企業で使うなら、振り分け先のモデルを社内の基準と突き合わせ、ルーティングの記録を費用管理に使い、ルーターが失敗したときの経路を用意しておくことが前提になります
OpenRouterの発表どおりの性能が第三者の検証でも確かめられるか、TypeSafeの新規登録がいつ再開するかは、まだ分かりません。ただ、アクセンチュアの調査が示すように、多くの企業がまだモデルの使い分けをしていません。「判定モデルで振り分ける」やり方は、Jev Routerに限らず広がっていくと思います。
このnoteでは、話題のAIニュースを「で、企業ではどう使う？」の視点で整理しています。
