Jevエコシステム観察（第4回）：4日間で見えたインフラ層、ディレクトリ、クローン、プラットフォームの採用

本シリーズの第1回では、モデルはリリースから4日以内にインフラとして展開されうるという結論に至りました。本記事では、そのインフラレイヤーの構成を検証します。データは2026年9月15日から9月19日にかけて実施した10回のスキャンに基づいており、スター数や各種指標はその時点のスナップショットとして記録し、第三者の数値は作者による報告をそのまま掲載しています。

5層構造

9回目のスキャンによる推計では、約500のリポジトリが5つの層にまたがっています。公式デモ約10件、プラットフォーム統合15件、スタンドアロンアプリケーション50件、エージェントツール90件、SDKおよび各言語のロングテールパッケージ300件です。注目すべきは絶対数よりもスピードで、すべての層でリリースから72時間以内にプロジェクトが登場しています。

ディレクトリ経済：最も急速に台頭するビジネス

5つのアグリゲーションサイトが、それぞれ異なるポジショニングで共存しています。madewithjevは178件のビルドをインデックスし、各ビルドにコストとレイテンシのデータ、ツイートの埋め込み表示を付けています。awesomejevは488件を掲載し、合計21,644スターを集める現時点で最大のディレクトリです。risetiveは作者を明記した98件を収録し、jevableは目新しさに特化、typesafeai.appは検証可能な成果物の基準を満たす30件のみを掲載しています。GitHubには、初期からあるawesome-typesafeに加え、少なくとも5つの新しいawesome-jevリストがあります。なお、2023年の古いリポジトリがトレンドに便乗して名前を変更している例（498スター）もあるため、内容の鮮度は個別に確認する必要があります。当社の事例コレクションでは、こうしたソースを区別して記載しています。

クローンエコシステム：合計4,000スター超、公式はゼロ

この4日間で最も活発だったのはオープンソースによる再現です。SemIf（1,647スター、RTX 3090上でオープンソースのセマンティック判断レイヤーをローカル実行）、jevlike（905スター、選択肢をアテンション機構用のクエリベクトルに変換する同等のアーキテクチャをリバースエンジニアリング）、NanoJev（451スター、エンドツーエンドの学習パイプラインを備えた教育用実装）、そしてOpenJevがあります。OpenJevはvLLMで単一ステップのデノイズを実行して解答用紙を埋める実装で、201項目のベンチマークで公式の191点に対し198点を記録しました（作者による報告）。さらに、LangChainのメンテナーが書いたセルフホスト型の代替実装もあります。これらのクローンは合計4,000スターを超えますが、いずれもJevの公式リリースではありません。当社の事例コレクションでは分類したうえで個別にラベル付けしています。コミュニティではすでに名称の混同やライセンスをめぐる議論も起きています。

プラットフォームレベルでの採用：判断レイヤーがデフォルトに

単体のプロジェクトよりも強いシグナルは、プラットフォームから生まれています。Vercelのオープンソース評価ツールeve（スナップショット時点で5,253スター）はJevをデフォルトの評価モデルに採用し、LanceDBは公式のリランカーを提供、LiteLLMは公式のパススルードキュメントを公開、Pydantic AIにはTypeSafe Modelのページが設けられ、n8nはローコードノードを導入しました。交通系アプリケーションは本番環境向けのプルリクエストでリランキングを統合し、LangfuseとBraintrustは評価パイプラインに組み込んでいます。配信チャネルも同時に整いました。OpenRouterは統一料金に対応し、VercelとNetlifyのAIゲートウェイでは設定不要で利用できます。モデルのリリースからインフラのデフォルトになるまでの期間は、4日にまで短縮されました。

新規参入者への示唆

注目すべき教訓は3つあります。第一に、ディレクトリ経済は需要密度を直接示す指標です。72時間以内に異なるポジショニングの5サイトが登場したことは、満たされていない検索ニーズが実際に存在することを示しています。どの初期エコシステムでも、網羅的かつ検証可能な情報集約という立ち位置には価値があります。第二に、個人のプロジェクトよりもプラットフォームでの採用を注視すべきです。スタンドアロンアプリケーションは放棄されることがあっても、デフォルト設定は残り続けます。第三に、インフラの時代には見極める力が中核的なスキルになります。ディレクトリには、公式、統合済み、クローン、トレンド便乗型のリポジトリが混在しているため、スター数よりもエビデンスの階層を優先して評価する必要があります。これが、当社がA/B/C分類と3時間ごとの再スキャンを採用している理由です。

当社の事例コレクションでは、引き続きこの記録を更新していきます。レビュー、センチメント、価格、リーダーボードの安定した収集など、判断レイヤーへのデータ入力を整備する場合は、統合データAPI連携ガイドから始めてください。判断レイヤーを信頼すべきでないケースについては、前回の記事で解説しています。