最近話題のJevはBigQueryのAI関数を安くできるのか？

概要

意思決定特化型の軽量モデル「Jev」をBigQuery環境で検証し、Gemini 2.5 Flash-Liteと同等の精度を保ちつつ、コストを約4割、レイテンシを約半分に削減できることを示した比較記事。

詳細内容

本記事は、判断・選択に特化した小規模AIモデル「Jev」と、Google CloudのGemini各モデルをBigQuery上でのデータ分類タスクで比較した技術検証レポートです。Stack Overflowの質問タグ分類（200件）を用いた実験において、Jevは86.5%の精度を記録し、Gemini 2.5 Flash-Lite（86.0%）を僅かに上回る結果となりました。特筆すべきは費用対効果で、Jevは理論上の推論コストをGemini 2.5 Flash-Liteより約41%削減し、中央レイテンシも約2倍高速化しています。また、最新のGemini 3.1 Proとの比較では、Proが最高精度（87.0%）を出したものの、コストがJevの約61倍に跳ね上がることも判明。BigQueryのRemote Functionを利用した実装方法や、構造化出力を扱う際の注意点など、実務的な知見が豊富に盛り込まれています。

元記事を読む他のサマリーを見る