アーキテクチャのコストレビュー
ラベル向けのJev vs GPT-5.4 Nano：100万件あたりのコストはどちらが安い？
Jevの入力料金は100万トークンあたり$0.042で、ここで価格を比較したどの小型LLMのバッチ入力料金よりも低くなっています。判断は、追加コストでLLMが何を提供するかにかかっています。
直接回答
ラベルだけを得るなら、Jevは今回価格を算出したすべてのアイテムサイズで安くなります。500トークンの場合、100万アイテムあたり$21で、GPT-5.4 nanoの$125、Claude Haiku 5.5またはGPT-6 Lunaの$60と比べられます。バッチのLunaでも$30です。理由や複数のフィールドが必要な場合、またはテストで、77カテゴリのあるテストが見つけた精度差（Jev 79.0%に対し、2つのOpenAIモデルが83.9%と86.2%）が示された場合は、LLMを選んでください。
決定の概要
| 判断領域 | 重要なポイント |
|---|---|
| 300-token item | Jev $12.60 · Haiku 5.5 / Luna $40（バッチ $20）· nano $85（バッチ $42.50） |
| 500-token item | Jev $21 · Haiku 5.5 / Luna $60（バッチ $30）· nano $125（バッチ $62.50） |
| 2,000トークンのアイテム | Jev $84 · Haiku 5.5 / Luna $210（バッチ $105）· nano $425（バッチ $212.50） |
| 料金（OpenRouter、3 Nov 2026） | Jev $0.042 入力 / $0 出力 · Haiku 5.5とLuna $0.10 / $0.50 · nano $0.20 / $1.25 · バッチはそれぞれ半額 |
| Context | Jev 262,144 · nano 400,000 · Haiku 5.5 1,000,000 · Luna 1,050,000 |
| Output | Jev：選択肢と確率 · LLM：要求した任意のテキスト |
3つのアイテムサイズでの計算
各LLMの行は、100万件あたりの入力トークン × 入力レートに、20トークンのラベル × 出力レートを加えたものです。100万件の20トークンラベルは2,000万出力トークンです。nanoでは$25（$1.25 × 20）、Haiku 5.5またはLunaでは$10（$0.50 × 20）かかります。Jevの回答にはコストがかかりません。
300トークンの場合：Jev 300 × $0.042 = $12.60。Haiku 5.5またはLuna $30 + $10 = $40。Nano $60 + $25 = $85。500トークンの場合：Jev $21、HaikuまたはLuna $50 + $10 = $60、nano $100 + $25 = $125。2,000トークンの場合：Jev $84、HaikuまたはLuna $200 + $10 = $210、nano $400 + $25 = $425。
バッチは両方のLLMレートを半減させます。これにより、3つのサイズでHaiku 5.5またはLunaは$20、$30、$105、nanoは$42.50、$62.50、$212.50になります。Jevはどのサイズでも依然として安くなります。なぜなら、その$0.042の入力レートは、最も安いLLMの$0.05のバッチ入力より低いからです。
OpenTweetの2xという数字がここで意味するもの
OpenTweetの計算ページでは、ラベルだけの場合、GPT-5 nanoはJevの約2倍のコストとされていました。11月3日の定価と当社の500トークン前提では、GPT-5.4 nanoはJevの約6倍（$125 ÷ $21 = 5.95）になります。当社は彼らのトークンや価格の前提を突き合わせていません。いずれにせよ要点は変わりません：トークン価格だけを見れば、決定モデルのほうが安いのです。
小さなLLMが高い請求に見合う場面
ユーザーが読む理由。Jevは文ではなく、選択肢と確率を返します。サポート担当者が「請求です。顧客が二重請求に言及しているためです」を必要とする場合、LLMなら1回の呼び出しでそれを返します。
複数のフィールドを一度に。メッセージから注文番号、日付、製品名を抽出することは、選択ではなく抽出です。Haiku 5.5 に500トークンのアイテムで150トークンの JSON オブジェクトを要求すると、アイテム100万個あたり $50 + $75 = $125 かかります。Jev はどの価格でも自由テキストフィールドを返せません。
それはすでにスタックにあります。ラベルが既に行っている呼び出しに便乗する場合、限界コストは追加の出力トークン20個です：Luna ではアイテム100万個あたり $10。別途 Jev を呼び出すと $21 かかり、それよりも高くなります。
精度、そして誤ったラベルの価値
Kai Waehnerは、Jevが79.0%、名前のない2つのOpenAIモデルが83.9%と86.2%だった独立した77カテゴリの意図テストを引用し、その差を有意だと述べています。記事にはサンプルサイズが示されていません。77択はどの小さなモデルにとっても難しく、したがってこれはLLMが最も勝ちやすいケースです。
自分のテストで4.9ポイントの差（79.0%対83.9%）が出た場合、それは100万件あたり49,000件多い誤ラベルになります。Haiku 5.5は100万件の500トークン項目あたり、Jevより$39高くつきます（$60 − $21）。$39 ÷ 49,000は約$0.0008です。誤ったラベルを1件修正するのにそれ以上のコストがかかるなら、より高いモデルは元が取れます。nanoの場合、その数字は$104 ÷ 49,000で、約$0.002です。
- 誤ったラベルで人が30秒を失う：より正確なモデルを使う
- 誤ったラベルがチケットを次善のキューに送るだけ：Jevの価格が勝つ可能性が高い
- 不明：Jevの低確率の回答をLLMに回し、残りはそのままにする
両方を使う分担
最も安い設定は、多くの場合カスケードです。Jev がすべてをラベル付けし、確率のしきい値を下回るものは Haiku 5.5 に送られます。500トークンのサイズでアイテムの15%がしきい値を下回る場合、アイテム100万個あたりの請求額は Jev の $21 に LLM の $9（$60 の15%）を加えた $30 になります。
これはJev単独より$9高く、Haiku 5.5単独より$30安くつきます。LLMは難しいケースだけを見ます。カットオフは最初の1週間の直感ではなく、ラベル付きサンプルから設定してください。
月1,000万件のラベルを1年分
月1,000万ラベルにするには、500トークンの数値を10倍にします。Jevは月$210、つまり年$2,520かかります。Claude Haiku 5.5またはGPT-6 Lunaは月$600、つまり年$7,200、バッチなら月$300かかります。GPT-5.4 nanoは月$1,250、つまり年$15,000、バッチなら月$625かかります。
したがって、その量でnanoからJevに移行すると年$12,480、Haiku 5.5からなら$4,680節約できます。移行する前に、それを精度のセクションで述べた追加の誤ラベルのコストと比べてください。
コードで何が変わるか
LLMでは、ラベルセットはプロンプト内にあり、パーサーが応答を読み取ります。Jevでは、ラベルセットは型付き質問の選択肢リストになり、回答は選択肢ごとの確率を伴う選択として返ってきます。パーサーと、不正な形式のときに再試行する分岐は不要になります。
Jevは、あなたが列挙した選択肢からしか選べません。LLMが「どれでもない」と答えることがあるなら、それを選択肢として追加してください。そうしないと、そうしたケースは最も近いラベルに押し込まれます。その後、ラベル付きセットをもう一度実行し、各誤答の確率を読み取ってください。それが、ケースをLLMに送るためのカットオフをどこに設定すべきかを教えてくれます。
重要なポイント
- →ラベルだけが必要なら、Jev は当社が価格を調べたすべての項目サイズで安価です。500 トークンの場合、100 万項目あたり $21 で、GPT-5.4 nano の $125、Claude Haiku 5.5 または GPT-6 Luna の $60 に対して安くなります。バッチの Luna でも $30 です。理由や複数のフィールドが必要な場合、またはテストで、ある 77 カテゴリのテストが見つけた精度差が示される場合は LLM を選んでください：Jev は 79.0% で、2 つの OpenAI モデルの 83.9% と 86.2% に対してです。
- →ラベルが 1 つだけ必要で、誤ったラベルのコストが約 0.1 セント未満なら Jev に移行し、そうでなければラベル付きセットで両方を実行して追加のエラーをコスト換算してください。
- →77 カテゴリのテストは OpenAI モデル名やサンプルサイズを明示していないため、その差は nano について測定された事実ではなく、テストする理由として扱ってください。
What users report
Users split on whether a decision model beats a cheap small LLM: Jev wins on latency, but some find small LLMs accurate and cheap enough when speed doesn't matter.
Paraphrased from public posts, with the date and a link to each original. These are other people's accounts, not our tests, and we have not verified each one.
One user reported that Nano was unreliable on open-ended tasks but cheaper than larger models when the task was explicit and output rigidly structured, and usually faster.
Value · GPT-5.4 Nano · Hacker News, Sep 2026
A side-project developer said sorting a list into about 20 categories took 30-60 seconds on DeepSeek V4 Flash, while Jev did it in under a second at the same cost.
Switching · Jev · Hacker News, Sep 2026
A developer replaced a 5.6 Luna ranking sub-agent with Jev to filter retrieval results, reporting 5-10 seconds saved per round, no precision loss, and a slightly lower bill.
Switching · Jev · Hacker News, Oct 2026
One user said Luna still beat Jev on accuracy for their product; latency didn't matter to them and extra Luna tokens cost a negligible amount.
Quality · Jev · Hacker News, Oct 2026
A machine learning engineer said plain LLMs had already been cheap and serviceable zero-shot classifiers, so the excitement around Jev frustrated them.
Value · Decision models · Hacker News, Oct 2026
このページの作成方法
このページの価格は、2026 年 11 月 3 日に取得した OpenRouter のライブモデル API に基づいています。決定あたりのコストは状態トークン数に入力レートを掛けたもので（掲載されているすべての決定モデルでは出力が無料のため）、小規模 LLM のコストは記載されたラベル長をそのモデルの出力レートで加算します。OpenRouter のクレジット手数料は、該当する場合に別途表示しています。これらのページのために独自のベンチマークは実施しておらず、精度とレイテンシの数値はそれを測定したベンダーまたは第三者に帰属し、ベンダーの数値はベンダーの主張として明記しています。
よくある質問
Jev は GPT-5 nano より安いですか？
はい、単一ラベルの場合は。500 トークンの項目で 20 トークンのラベルの場合、GPT-5.4 nano は 100 万項目あたり $125、Jev は $21 です。バッチの nano は $62.50 です。
Claude Haiku 5.5 は Jev より安いですか？
いいえ。Haiku 5.5 は入力 100 万トークンあたり $0.10、出力 $0.50 なので、500 トークンのラベル 100 万件あたり $60、バッチなら $30 です。Jev は $21 です。
Jev は小規模 LLM と同じくらい正確ですか？
常にそうとは限りません。ある独立した 77 カテゴリのテストでは、Jev は 79.0% で、2 つの OpenAI モデルの 83.9% と 86.2% に対してでした。選択肢がより少なく明確であれば、差は消えるかもしれません。自分のケースでテストしてください。
Jev はラベルの理由を示せますか？
いいえ。返すのは選択肢と確率だけです。理由を LLM に尋ねるのは、誰かがそれを読む場合だけにしてください。
バッチ料金はいつ答えを変えますか？
LLM の請求額は半分になりますが、Haiku 5.5 と Luna のバッチ入力は 100 万あたり $0.05 で Jev の $0.042 より高いため、当社が価格を調べたすべてのサイズで Jev を上回ったままです。バッチは結果を待つことも意味します。
ラベルを nano から Jev に移すと、1 年でいくら節約できますか？
月 1,000 万件の 500 トークンラベルでは、nano は年間 $15,000、Jev は $2,520 で、$12,480 の節約です。バッチの nano では、節約額は $7,500 - $2,520 = $4,980 です。