shachipy20260926

話題のAI Jevと PydanticAI mi so _t ak u 2026/9/26

P 2 お前、誰よ？

P 3

Jevとは何か？ P 4 一 言 で 言 う と 、 「 判断特化AI 」

Jevとは何か？ 直感的な速い思考を使ったAIモデル 既存のLLMより200倍速く、400倍安い 人間の判断や意思決定における二重過程理論の システム1「直感的な速い思考」、システム2「論理 P 5 的な遅い思考」のうち、前者だけを担当するモデル

Jevと生成型LLMの比較表 Jev 生成型LLM 主な用途 分類、ルーティング、検証 文章生成、エージェントタ スク 入力 テキスト テキスト、画像、マルチ モーダル 出力 型付き判断と確率 テキスト、構造化出力、関 数呼び出し 応答速度 70～500ms 数秒～数分 入力コスト $0.042(1Mトークン) $0.05～10(1Mトークン) 出力コスト 無料 $0.4～50(1Mトークン) ※生成型LLMの料金はChatGPTを参考 P 6 200倍速く、400倍安いというのもあながち嘘ではない

P 7 使い方の紹介

２つの入力 state questions 判断対象となる文章 stateに対して判断し P 8 たいこと

Score Noul 事前に定義した候 順序付きの基準に 正しい確率を0から 補から1つを選ぶ 沿って採点する 1で返す P Choice 9 3つの質問タイプ

P 10 入力の具体例(JSON)

P 11 出力の具体例(Response body)

P 12 PydanticAIとの連携

P 13 質問を型として宣言できる

P 14 結果も型として帰ってくる

AIエージェントの「判断ポイント」 にJevを組み込める Pydantic AIのcapabilityや hookの仕組みにそのまま乗る ので、エージェント実行中の 判断をJevに任せられます。 P 15 Jevを判断ルーターとして使う

まとめ Jevは文章生成LLMではなく、高速に動作する判断モデル です。入力は判断対象となるstateと、そのstateについ て評価するquestionsで構成される。questionsには Choice、Score、Noulの3種類がある。 PydanticAIと組み合わせることで、これらの質問を Pydanticの型として宣言でき、Jevの判断結果を型付き Pythonオブジェクトとして扱える。また、JevはAIエー P 16 ジェント内の高速な判断レイヤーとして利用できる。

参考資料 TypeSafe公式 https://docs.typesafe.ai/introduction Pydantic公式 TypeSafe https://pydantic.dev/docs/ai/models/typesafe/ 既存の LLM が CPU なら、 Jev はその GPU 版みたいなやつ by mizchi https://zenn.dev/mizchi/articles/jev-is-gpu-for-llms 高速判断AI Jevのユースケースとオープン実装を雑にまとめる by からあげ https://zenn.dev/karaage0703/articles/jev-use-cases-open-implementations P 17 今話題のAI「Jev」って何？ 宇宙最速で学ぶ会(スライド) by みのるん https://speakerdeck.com/minorun365/konwadai-no-ai-jev-tte-nani-uchuusaisoku-de-manabu-kai

• https://docs.typesafe.ai/introduction
• https://pydantic.dev/docs/ai/models/typesafe/
• https://zenn.dev/mizchi/articles/jev-is-gpu-for-llms
• https://zenn.dev/karaage0703/articles/jev-use-cases-open-implementations
• https://speakerdeck.com/minorun365/konwadai-no-ai-jev-tte-nani-uchuu-