意思決定層（Decision Layer）のために設計

JJ-1 は、回答をトークン単位で逐次生成するのではなく、あらかじめ定義された選択肢を直接スコアリングし、ソフトウェアが次のアクションを決定するために利用できる確率値を返します。

JJ-1 は、以下の3つを重視して設計されています。

• 高速処理（Fast）：一般的なリクエストをミリ秒単位で処理。単一の NVIDIA B200 上で、約 8〜30 ミリ秒で処理を完了します。
• 目的特化型（Purpose-built）：日本企業の業務ワークフローにおける構造化された意思決定タスクに特化してファインチューニングされています。
• 構造化出力（Structured）：選択肢ごとの確率、Yes／No の確率、スコアなど、アプリケーションが直接利用できる形式で結果を出力します。

AI エージェントや SaaS 製品を開発するエンジニアにとって、こうした意思決定は、単一のワークフロー内で何度も発生します。

システムは、実際の業務処理が完了するまでに、リクエストの分類、緊急度の評価、振り分け先の選択、エスカレーションの要否の判断、次に実行するアクションの選択などを行う場合があります。

そのため、システムの規模が拡大するにつれ、処理の遅延時間（レイテンシー）と推論コストがますます重要になります。

日本企業の業務ワークフローに特化した設計

日本のビジネスで使われる言葉は、文脈によって意味が大きく変わることがあります。例えば「結構です」という表現は、会話の流れによって承諾にも辞退にもなります。

実際の会話事例を用いた検証では、JJ-1 は「結構です」という表現に含まれる承諾と辞退の意図を正確に判別し、ミリ秒単位で判断結果を出力しました。

日本で AI エージェントを導入・運用するなかで明らかになったのは、AI エージェントが実際の業務を担うようになると、絶えず意思決定を行う必要があるということです。一つのユーザーリクエストに対しても、実際の業務が完了するまでに複数の判断が必要になる場合があります。大規模な運用では、モデルを呼び出すたびに処理時間とコストが積み重なります。すべてを一つの巨大なモデルで処理することが、将来のあるべき姿ではありません。高度な推論や文章生成が必要な場合には、最適な生成 AI モデルを活用する。一方、リクエストの振り分け先、緊急度、エスカレーションの要否などを判断する場合には、意思決定に特化したモデルを使用する。JJ-1 は、まさに日本企業のための、こうした専門的な『意思決定層（Decision Layer）』を担うモデルとして開発しました。

— 樹林AI 創業者 兼 CEO　オオイ・ライス

ASIC および GPU 技術のインフラが持つ計算能力を活用することで、JJ-1 は日本のオープンソースエコシステムの民主化を推進します。JJ-1 は、世界最高水準のテキストモデルを日本国内のクラウドインフラ上で一貫して構築・学習させ、その成果を世界のより広範なコミュニティに還元できることを示す、優れた実例です。

— IEEE 信号処理学会（IEEE SPS）技術委員会委員 ハック・ヤン博士（Huck Yang, Ph.D.）

JJ-1 の利用方法とテクニカルレポート

樹林AI は、ベンチマークの評価手法、テスト条件、コスト比較などを詳しくまとめた「JJ-1 Technical Report」を、公式ウェブサイトで公開します。

テクニカルレポート：www.jurin.ai/tech-blog-research-jj-1
‍JJ-1は、本日より専用サイトにてお試しいただけます。