# Jevを本家以外で動かす｜ローカルのOllayaとCloudflareのClefを比べる

- URL: https://www.waltsu.co.jp/magazine/ai/jev-local-clef/
- カテゴリ: AI活用 > 判断AI
- 執筆: 小洞 映（システムエンジニア）
- 公開日: 2026-10-04 / 最終更新日: 2026-10-29
- 発行: waltsu株式会社（waltsu MAGAZINE）

## こんな人におすすめ

- Jevを使いたいが、データを社外に出してよいか迷っている
- 本家のAPI以外に、どんな置き場所があるのか知りたい
- ローカルとクラウドの費用と手間を比べてから決めたい

判断のためのモデルJevは、TypeSafe AIのAPIを呼んで使うのが基本です。ところが2026年9月から10月にかけて、同じ形のリクエストを受け付ける受け皿が相次いで登場しました。手元のマシンで動かすOllayaと、CloudflareがWorkers AIで公開したClefです。 3つは同じ質問の形で呼べますが、料金・データの行き先・渡せる入力が違います。どこで動かすかは性能表ではなく、データを外に出せるかと、自社の日本語で測った結果で決めます。本記事では3つの違い、公表された精度と速さの読み方、日本語の扱い、決める順番を整理します。

**この記事のゴール（読了目安 約8分）**：Jevの本家API・Ollaya・Clefの違いを説明でき、データの扱いと入力の種類、機材の有無から、判断モデルをどこで動かすかを決められるようになる。

## この記事の結論

- OllayaとClefはJevと同じ形で呼べるが、動くのはJev本体ではない
- データを出せないならOllaya、画像を扱うならClefが候補
- Clefの単価はJevの約5.7倍。ただし月100万件でも差は約80ドル
- 日本語の正答率は3つとも未公表。自社のデータで測ってから決める

## Jevを本家以外で動かすとは

OllayaとClefは、Jevと同じ形で呼べる受け皿です。ただし動くのはJev本体ではなく似た別のモデルで、同じ答えが返るとは限りません。

### 同じ形で呼べる受け皿

Jevは文章ではなく、選択・点数・真偽の確率を返すモデルです。[仕組みやLLMとの違い](https://www.waltsu.co.jp/magazine/ai/jev/)は別記事で解説しています。OllayaとClefはどちらも、Jevと同じ形のリクエストとレスポンスを扱えると公表しています。**Jev向けに書いたコードを、接続先を変えるだけで流用できる**のが共通点です。

### 3つの置き場所

置き場所で分けると、次の3つになります。

- **本家API**: TypeSafe AIのサーバーでJevを呼ぶ
- **ローカル**: Ollayaで公開モデルを自社のマシンに置いて動かす
- **Cloudflare**: Workers AI上のClefを呼ぶ

ただし、後の2つで動くのはJev本体ではなく、Jevに似た別のモデルです。**同じ質問を投げても、同じ答えが返るとは限りません**。

![同じ形の判断リクエストが、本家のAPI、手元のマシンで動くOllaya、CloudflareのClefの3つへ送れることを示した図](https://www.waltsu.co.jp/wp-content/uploads/2026/10/jev-local-clef01-2.png)

## 3つの選択肢を並べる

2026年10月時点の公式情報を並べると、次のとおりです。

| 項目 | TypeSafe Jev | Ollaya | Cloudflare Clef |
|---|---|---|---|
| 動く場所 | TypeSafe AIのサーバー | 自社のPCやサーバー | Cloudflareのネットワーク |
| 料金 | 入力100万トークンあたり0.042ドル、出力は無料 | 従量課金なし、機材と電気代は自社負担 | 入力100万トークンあたり0.24ドル |
| データの行き先 | 社外に送る | 社内にとどまる | 社外に送る |
| 入力 | テキストのみ | モデルによる | テキストとJSONに加えて画像 |
| モデル | Jev | 16系統の公開モデル | 27BのClefと9BのClef-flash |

ざっくり言えば「Ollayaはネットワーク面で安全で無料、性能はGPU次第」「Clefは使いやすいがJevより少し高い」です。公式の数字で確かめると、前半はおおむね合っています。一方で**Clefの単価はJevの約5.7倍で、「少し」では収まりません**。ただし絶対額は小さく、後で件数を入れて計算します。

## Ollayaの仕組み

Ollayaは、ローカルでLLMを動かすOllamaにならって作られた、[判断モデル用の実行環境](https://github.com/ollaya-dev/ollaya)です。開発者はMert Cobanov氏で、ライセンスはApache-2.0、最新版は10月2日公開の0.9.0です。独立したプロジェクトで、OllamaともTypeSafeとも関係はありません。

手元で常駐サーバーを起動し、モデルを名前で取り寄せて動かします。TypeSafe公式のPython SDK（0.7.1）は、接続先の環境変数を変えるだけでそのまま動くとされています。対応環境は次のとおりです。

- **Mac**: Apple製チップを積んだmacOS 14以降。一部のモデルはMac内蔵のGPUで動く
- **Windows**: 10と11の64ビット版。NVIDIAのGPUを使える
- **Linux**: x86-64とARM64。GPUを使えるのはx86-64だけ
- **その他**: WSL 2とDockerにも対応

NVIDIAのGPUはドライバR525以降が条件です。GPUが無くても全モデルがCPUで動きますが、遅くなります。[ローカルで動かすこと自体の利点と注意点](https://www.waltsu.co.jp/magazine/ai/local-llm/)は、別記事で解説しています。

## Ollayaの精度と速さ

[Ollayaの公式サイト](https://ollaya.dev/)は、判断の正答率と速さを並べて公開しています。速さはRTX 4090で、5問を1回のリクエストで聞いたときの中央値です。

- **TypeSafe Jev**: 正答率0.738、236〜276ミリ秒（第三者による本家APIの計測、通信込み）
- **Winnow-E4B**: 0.722、89ミリ秒（推奨モデル）
- **Kev（9B）**: 0.722、498ミリ秒
- **Cygnet（12B）**: 0.683、202ミリ秒
- **Laya英語版**: 0.361、10ミリ秒

推奨モデルは、**Jevに0.016届かない正答率を、約3分の1の時間で返す**という結果です。ただし、同じ条件でそろえた比較ではありません。Jevの正答率は別モデルの報告書から、速さは第三者の計測から引いたもので、サイト自身も桁で比べるよう注記しています。

![Ollaya公式サイトの表から、Jevと6つの公開モデルの正答率と速さを並べた棒グラフ](https://www.waltsu.co.jp/wp-content/uploads/2026/10/jev-local-clef02-2.png)

## Clefの仕組み

Clefは、Cloudflareが[10月1日にWorkers AIで公開した](https://developers.cloudflare.com/changelog/post/2026-10-01-clef-workers-ai/)判断モデルです。同社のチームが初めて自ら学習させたモデルで、[27BのClefと9BのClef-flash](https://www.waltsu.co.jp/magazine/ai/cloudflare-clef/)があります。重みもApache 2.0でHugging Faceに公開されました。

「使いやすい」の中身は、具体的には次の3つです。

- **サーバーが要らない**: Workersのコードからバインディングで呼べ、外からはREST APIで呼べる
- **画像を渡せる**: 1回のリクエストに画像を4枚まで添えられる
- **移行が軽い**: 接続先とモデル名を変えればJevから切り替えられると同社は説明している

1回に聞ける質問は64問まで、文脈の上限は65,536トークンです。Cloudflareのアカウントは要りますが、GPUの用意は要りません。

## Clefの料金を比べる

1判断を約400トークンとし、入力だけで月の費用を計算しました。

| 月の判断件数 | Jev | Clef | Clef-flash |
|---|---|---|---|
| 1万件 | 約0.17ドル | 約0.96ドル | 約0.36ドル |
| 10万件 | 約1.7ドル | 約9.6ドル | 約3.6ドル |
| 100万件 | 約17ドル | 約96ドル | 約36ドル |

単価は2026年10月時点で、Clef-flashは入力100万トークンあたり0.09ドルです。Clefのページに載っているのは入力の単価だけです。Workers AIには[1日1万ニューロンの無料枠](https://developers.cloudflare.com/workers-ai/platform/pricing/)があり、Clefなら1日約1,100判断ぶんにあたります。**月100万件でも、JevとClefの差は約80ドル**です。[1判断あたりの費用の出し方](https://www.waltsu.co.jp/magazine/ai/jev-implementation/)は別記事で解説しています。

## 日本語はまだ測られていない

3つとも、日本語での正答率は公表されていません。分かっているのは次の範囲です。

- **Jev**: 英語が主な学習言語で、日本語を含むCJKも扱えるが同等ではないと[公式が明記](https://docs.typesafe.ai/models)
- **Ollaya**: Layaの多言語版が100以上の言語に対応。日本語の正答率の記載は無い
- **Clef**: 公式ページにもモデルカードにも、対応言語の記載が無い

**日本語の業務で使うなら、自社の実データで測るまで結論は出せない**のが現状です。

## 置き場所の決め方

性能を比べる前に、次の3つで候補を絞ります。

- **データを社外に出せるか**: 出せないならOllayaしか残らない
- **入力に画像があるか**: あるならClefか、Ollayaの画像対応モデルが候補
- **GPUを用意できるか**: できないなら、Ollayaは小さいモデルに限られる

どれにも当たらないなら、評価の材料が最も多い本家APIから始めるのが手堅い選択です。

## 【プロの視点】速さは測った場所の数字

判断モデルの比較は、ミリ秒の数字で語られがちです。ところが同じJevの速さが、出どころで大きく違います。[TypeSafe自身は70〜500ミリ秒](https://typesafe.ai/blog/introducing-system-one-models-and-jev)、Ollayaが引いた第三者の計測は236〜276ミリ秒、Cloudflareの計測では中央値524.1ミリ秒でした。

逆向きの例もあります。Clef-flashはCloudflareの計測で中央値38.8ミリ秒ですが、OllayaがRTX 4090で動かすと5問で532ミリ秒です。**同じモデルでも、どこで誰が測ったかで桁が変わる**のです。

数字は人の手を渡るたびにも誤りが入ります。社内に回ってきたOllayaの画面の写しではRTX 4070と読めましたが、公式サイトの表記はRTX 4090でした。型番が1つ違えば、速さの見込みもずれます。

見るべきは他社の表ではなく、自社の回線と機材に自社の文面を投げた結果です。明日やる最初の一歩は、手元の比較表の数字すべてに、誰がどの機材で測ったかを書き足すことです。

![同じJevとClef-flashの速さが、TypeSafe、Ollaya、Cloudflareの計測で大きく違うことを示した横棒グラフ](https://www.waltsu.co.jp/wp-content/uploads/2026/10/jev-local-clef03-2.png)

## 【waltsu視点】乗り換えられる形で始める

3つが同じ形で呼べることの価値は、安さや速さより試しやすさにあります。接続先を変えるだけで同じ質問を別のモデルに投げられれば、比べる手間が減ります。

waltsuが編集の軸にしているのは、試行回数を増やすことです。1つの置き場所に決め打ちすると、比べるたびに作り直しが生じ、試す回数が減ります。**質問の書き方を自社の資産にして、置き場所は差し替えられる部品として扱う**のが、この局面での組み方です。[Jevで自社ブログを採点した事例](https://www.waltsu.co.jp/magazine/ai/jev-article-scoring/)は別記事で紹介しています。

明日やる最初の一歩は、過去の日本語の問い合わせを50件選び、人が付けた正解と一緒に保存しておくことです。この50件があれば、どの置き場所を試すときも同じ物差しで答え合わせができます。

![自社の質問セットと正解付きの日本語データを手元に持ち、置き場所を差し替えながら同じ物差しで比べる流れを示した図](https://www.waltsu.co.jp/wp-content/uploads/2026/10/jev-local-clef04-2.png)

## まとめ

Jevを本家以外で動かす選択肢に、手元で動かすOllayaと、Cloudflareが公開したClefが加わりました。どちらもJevと同じ形で呼べますが、動くのは別のモデルで、データの行き先と料金、入力が違います。

決める順番は、データを外に出せるか、画像があるか、GPUを用意できるかで候補を絞り、最後に自社の日本語データで測ることです。判断モデルの置き場所選びや、比べるための評価データづくりに迷う場面が出てきたら、waltsuが業務の切り分けから検証の設計までご支援します。

## よくある質問

**Q. OllayaでJevそのものは動く？**  
A. 動きません。Ollayaが動かすのは、Jevと同じ形で答える他の開発者の公開モデルです。

**Q. Ollayaは無料で使える？**  
A. 本体はApache-2.0で、従量課金もありません。ただしGPU付きの機材と電気代は自社の負担で、モデルごとのライセンスも確認が要ります。

**Q. ClefはJevより高い？**  
A. 2026年10月時点で、Clefの入力単価はJevの約5.7倍、Clef-flashは約2.1倍です。月100万件でも差は数十ドルの範囲です。

**Q. 日本語で使える？**  
A. 3つとも日本語の正答率は公表されていません。自社の日本語データを、人の判断と突き合わせてから決めます。

**Q. どれから試せばいい？**  
A. データを社外に出せないならOllaya、出せるなら本家APIかClefです。質問を同じ形で書いておけば、後から置き場所を替えても書き直しは要りません。

## 執筆者

**小洞 映**（システムエンジニア）公共系システムのSEとしてキャリアをスタートし、可用性と正確性が最優先される領域で設計・運用の基礎を固める。その後Web業界へ転向し、AWS上のインフラ構築・運用からバックエンド開発、フロントエンド実装までを一貫して担当。70万人規模のユーザーを抱えるtoCサービスを、設計から開発まで一貫して手がけた実績を持つ。現在はテックリードとして、保険業界向けサービスの技術選定・障害対応・チームの技術判断を担っている。

プロフィール: https://www.waltsu.co.jp/magazine/supervisor/hayuru-kobora/

この記事は waltsu 公式ブログの記事（https://www.waltsu.co.jp/blog/jev-local-clef/）をもとに再編集したものです。