Vercel、Python向けAI SDKでJev対応

Vercelエンジニア

分類特化モデルの実装

用途別学習不要の分類器
選択肢と確信度のJSON返却
3種類の質問型に対応

実験で見えた適性と限界

英語とPythonの入力判定
手製分類器より安定した判定
コード生成では誤答が大半

導入と検証

uvでSDKを追加
用途別の精度検証が必須
詳細を読む

VercelのPythonチームは2026年10月2日、Python向けAI SDKの最新版で、汎用分類モデルJevを扱う実験的なevaluate() APIを公開しました。開発者はAI Gateway経由で、文字列やJSONを複数の選択式質問にかけ、型に沿った回答と確信度を高速に取得できます。狭い意思決定を低コストで自動化しやすくする一方、用途ごとの精度検証が前提です。

Jevは、大規模言語モデルを特定領域の追加学習なしで使える汎用分類器として動かします。生成文ではなく、開発者が定義した型と選択肢に従う構造化JSONを返すため、分類結果をアプリケーションの処理へ組み込みやすい設計です。

SDKの中心は実験的なevaluate()関数で、モデル、文字列または複雑なJSONの状態、質問の対応表を受け取ります。質問型は単一回答のChoiceQuestion、尺度評価のScoreQuestion、命題が真である確率を見積もるNoulQuestionの3種類です。

Vercelは実例として、入力途中の文字列がPythonか英語かを判定させました。著者の手製分類器より良好に見えたものの、入力途中の文字列連結式を英語と誤認する例があり、境界事例にはなお弱さが残ります。

別の実験では、Jevに選択を重ねさせて抽象構文木を組み立て、Pythonコードを生成しました。構文上は有効なコードに到達した一方、内容は大半が誤っており、分類器をコード生成へ転用する難しさも示しています。

導入はuv add aiでSDKを追加し、AI Gatewayキーを環境変数AI_GATEWAY_API_KEYに設定します。VercelはJevを狭い意思決定向けと位置づけ、実務採用前に個別用途で精度を試す必要があるとしています。