Jevを無理やり言語モデルにしてみた
Jevで賑わってますね。入力に対して「Yes の確率」「選択肢ごとの確率」「スコア」しか返さないモデルらしいです。
生成しないと言われると、生成させたくなります。
無理やり生成させてみた
選択肢（Choice）を「ひらがな全部＋句読点＋END」の88個にして、質問と「ここまでの回答」を入力に渡し、次の1文字を選ばせます。選ばれた文字を回答に足して、ENDが出るまで繰り返します。1文字ずつ生成する言語モデルです。
コードはColabで開けます（要APIキー）。
結果
質問は「日本の首都はどこですか？」です。
step 1 pick='し' top3: 'し':0.11 'た':0.10 'こ':0.09
step 2 pick='い' top3: 'し':0.08 'こ':0.08 'い':0.08
step 3 pick='し' top3: 'し':0.08 'こ':0.08 'と':0.07
step 4 pick='END' top3: 'END':0.18 'し':0.09 'と':0.08
A: 「しいし」
日本の首都は「しいし」でした。分布はほぼ平らで、1文字目から「し」「た」「こ」の三つ巴です。
知らないわけではない
同じ質問をYes/No形式（Noul）で「答えは東京である」と聞くと0.96、「ひらがなで書くと『とうきょう』である」と聞くと0.92。とうきょう・おおさか・きょうと・なごや・さっぽろの5択なら、とうきょうが1.00です。
少なくとも、答え自体は知っています。1文字ずつ書けないだけです。
念のため、答えを渡して「単語『東京』をひらがなで1文字ずつ書いて」とやってみました。
A: 「たこ」
行と段に分けてみる
88択が多すぎるのかと思い、まず「あ行〜わ行」から行を選ばせ、次にその行の中から1文字（さ行なら、さ・し・す・せ・そ）を選ばせる2段階にしました。1回あたりの選択肢は17個と5個に減ります。
A: 「あいいいいいいいいいいい」
行の分布は、あ行0.22、か行0.21、た行0.18でほぼ平らなまま。迷ったときのデフォルトが「あ行」と「い」に固定されて、上限の12文字まで「い」を書き続けました。
英語ならどうか
a〜z＋記号＋SPACE＋ENDの32択で、"What is the capital of Japan?" と聞いてみます。
A: "tai"
"Spell the word "tokyo"." と、綴る単語そのものを渡すと "tokoyo" まで行きます。見えている文字を写すのは大体できて、思い出してから綴るのは言語に関係なくできません。
なぜ書けないのか
Jevが返す確率は「どの選択肢が正しいか」という判断の確率であって、「次の文字は何か」という予測の確率ではないからでしょう。(それはそう)
最後に
公式は嘘をついていませんでした。Jevは本当に文章を生成しません。
判断させたい人はJev を、生成させたい人はLLMを、日本の首都を知りたい人は「しいし」以外を使ってください。
こんな記事を書いておいてなんですが、10月24日(土)のDevelopersIO 2026 Tokyoでは真面目な話をします。「株式トレーディングに学ぶAI Agent設計 ― Context・Harness・LLMOps」というタイトルで登壇するので、ぜひ見にきてください。
では👋
