---
source_url: https://www.nobodywho.ai/posts/jev-in-25-lines/
source_title: "Jev in 25 lines of Python"
source_site: "NobodyWho"
source_published_at: 2026-09-22
hero_image: https://www.nobodywho.ai/assets/images/blog/2026/jev-in-25-lines/jev.png
tags: python,language-models,classification
generated_at: 2026-09-23T12:02:10.409Z
model: claude-haiku-4-5
---
# Jev の 25 行 Python 実装をNobodyWhoが公開

NobodyWho が、言語モデル Jev を 25 行の Python コードで実装する手法を公開した。Qwen3-0.6B-GGUF モデルを使用してメール分類を実演している。

リード段落: NobodyWho は 2026 年 9 月 22 日、Jev 言語モデルの簡潔な Python 実装例をブログ投稿で示した。この実装は入力を分類し、各カテゴリの確率を出力する。コード例ではメールを「正規」「スパム」「フィッシング」の 3 種類に分類する。

## 実装の概要

この実装では Hugging Face の Qwen3-0.6B-GGUF モデルを使用する。必要な環境は Python >=3.12 であり、huggingface-hub、llama-cpp-python、numpy の依存パッケージが必要である。モデルは 512 トークンのコンテキストウィンドウと Q8_0 量子化レベル 8 で設定されている。

## 分類出力と確率値

コード例はメール分類タスクでロジット値とログ確率値、最終的な確率値を出力する。Legitimate は 0.031、Spam は 0.084、Phishing は 0.885 の確率値を生成した。最も高い確率を示す Phishing カテゴリが優先される。

## Jev の特性

NobodyWho は Jev を「高速」「ローカル実行」「ユーザーデータを外部に送信しない」と説明している。同団体の全作業はオープンソースであり、GitHub リポジトリで公開されている。

> 「皆がJevについて話している。Twitter では誰もが Jev について、それが大規模言語モデルと AI パラダイムの次のフロンティアであると述べている。我々はそうとは思わない。」

*この記事は元記事の事実のみに基づいて自動生成されました。*

## 出典

NobodyWho「Jev in 25 lines of Python」https://www.nobodywho.ai/posts/jev-in-25-lines/