---
title: shachipy20260926
tags: 
author: [miso_taku](https://image.docswell.com/user/miso_taku)
site: [Docswell](https://www.docswell.com/)
thumbnail: https://bcdn.docswell.com/page/GE8DMXWXED.jpg?width=480
description: 鯱.py × Unagi.py コラボイベント in 豊橋 登壇資料
published: September 26, 26
canonical: https://image.docswell.com/s/miso_taku/ZMQRWX-2026-09-26-154158
---
# Page. 1

![Page Image](https://bcdn.docswell.com/page/GE8DMXWXED.jpg)

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


# Page. 2

![Page Image](https://bcdn.docswell.com/page/LELM38NN7R.jpg)

P
2
お前、誰よ？


# Page. 3

![Page Image](https://bcdn.docswell.com/page/4JMYD6XQJW.jpg)

P
3


# Page. 4

![Page Image](https://bcdn.docswell.com/page/PJR94PNK79.jpg)

Jevとは何か？
P
4
一 言 で 言 う と 、 「 判断特化AI 」


# Page. 5

![Page Image](https://bcdn.docswell.com/page/PEXQ23N5JX.jpg)

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


# Page. 6

![Page Image](https://bcdn.docswell.com/page/3EK9MYNRED.jpg)

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


# Page. 7

![Page Image](https://bcdn.docswell.com/page/L73WY9VG75.jpg)

P
7
使い方の紹介


# Page. 8

![Page Image](https://bcdn.docswell.com/page/87DK5G8NJG.jpg)

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


# Page. 9

![Page Image](https://bcdn.docswell.com/page/VJPKG38NE8.jpg)

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


# Page. 10

![Page Image](https://bcdn.docswell.com/page/2EVV64NYEQ.jpg)

P
10
入力の具体例(JSON)


# Page. 11

![Page Image](https://bcdn.docswell.com/page/57GLN1KWEL.jpg)

P
11
出力の具体例(Response body)


# Page. 12

![Page Image](https://bcdn.docswell.com/page/4EQYQDNQJP.jpg)

P
12
PydanticAIとの連携


# Page. 13

![Page Image](https://bcdn.docswell.com/page/KJ4WNZGY71.jpg)

P
13
質問を型として宣言できる


# Page. 14

![Page Image](https://bcdn.docswell.com/page/LE1Y5RDN7G.jpg)

P
14
結果も型として帰ってくる


# Page. 15

![Page Image](https://bcdn.docswell.com/page/GEWG518MJ2.jpg)

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


# Page. 16

![Page Image](https://bcdn.docswell.com/page/47ZLNP8MJ3.jpg)

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。


# Page. 17

![Page Image](https://bcdn.docswell.com/page/YJ6W8MP5JV.jpg)

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