
個人ツールを「Jev」を使って作ったら結構料金かかるのだろうか?を試算してみた
普段から自分で使うちょっとした効率化ツールやスクリプトを自作していると、ふと「ここ、AIに判断させたら自動化できるのにな」と思う瞬間があります。
たとえば、溜まったメールの緊急度判定や、集めたWebクリップの自動仕分けのような作業です。
ですが、従来のLLMのAPIを使おうとすると、レスポンスの遅さやJSONのパース崩れ、そして何より「ツールを常時動かしたらいくら請求が来るのだろう」というコストの不安が頭をよぎり、結局手を付けずに終わってしまうことも少なくありませんでした。
そんな中、型安全AI(TypeSafe AI)として話題になっている「Jev」というモデルの存在を知りました。
「出力が無料で、入力も桁違いに安いらしい」という話を聞き、もしこれで個人ツールをガンガン動かしたら月いくらになるのか、私が普段一番使い倒しているGoogleの自律型エージェント「Antigravity」のログをベースに試算してみました。
結論から言うと、個人で何も気にせず使い倒したとしても、月額およそ3,000円〜4,500円(約21〜30ドル)程度という、想像以上に現実的な金額に収まりそうだということが分かりました。

そもそもTypeSafe AI「Jev」とは何なのか?
「Jev」について知るには、公式の解説や紹介動画を見るのが一番わかりやすいと思います。
要は、Groq APIのようにWeb上でアカウントを作成し、APIキーを取得して、自分の書いたプログラム(PythonやGo、Node.jsなど)の中に組み込んで呼び出す仕組みです。
ただし、今までのChatGPTやClaudeのようなLLMとは、使い方の前提が大きく違っています。
自然言語でおしゃべりするのではなく、「イエス・ノー」の真偽値やカテゴリ分類などの判断を受け取る
出力結果と一緒に「確信度(確率スコア)」がセットで返ってくる
人間向けのだらだらとした長い文章を返さないため、めちゃくちゃ高速で、しかも驚くほど安い
従来のLLMだと、「この文章は緊急ですか? JSONで {"is_urgent": true} とだけ答えてください」と必死にプロンプトで縛っても、たまに余計な挨拶が混ざってプログラムがエラーで止まったり、確信がないのに嘘をつく(ハルシネーション)問題がありました。
Jevはそうしたチャット用途ではなく、最初から「プログラムの中に組み込む判定エンジン」として設計されているようです。
確信度が高ければ自動で処理を進め、スコアが低ければ人間の確認に回す、といった安全な分岐がコード上で綺麗に書けるようになっています。
なお、私自身まだ実際にAPIを叩いて本番稼働させたわけではなく、現時点で動画や公式ドキュメントから把握した情報に基づいています。
正しい解釈や実際の挙動については、実際に自分で手を動かしてツールを組んでみてから、また改めてご報告できればと思います。

Antigravityの「過去30日のリアルログ」をベースに試算してみる
では、このJevを使って日常の判断ツールや自動化スクリプトを作った場合、一体どのくらいのお金がかかるのでしょうか。
「10億トークンあたり42ドル(100万トークンあたり0.042ドル)、出力トークンは無料」と言われても、普段の生活で何億トークンと言われてもピンとこない方が大半だと思います。
そこで今回は、私が普段何も考えずにすべての開発作業やPC操作を任せている相棒、Googleの自律型コーディングエージェント「Antigravity」の利用実績をベースに計算してみることにしました。
私が最もハードにLLMを消費している環境をそのまま当てはめれば、個人利用における「上限の目安」が見えるはずだからです。

私のMacのローカル環境に残っている直近30日間の生ログを調べたところ、以下のようなすさまじい数字が出てきました。
集計期間:過去30日間
アクティブセッション数:140セッション
総実行ステップ数(ツールの実行を含む):4,335ステップ
モデルへのAPIリクエスト総回数:約3,811回
累積入力文字数(プロンプト・履歴・ファイル内容など):約21.6億文字
総出力文字数(推論ログ+回答):約483万文字
なぜ個人で1ヶ月使っただけで、入力文字数が21億文字(トークン換算で約5億〜7億トークン)にも達するのか不思議に思うかもしれません。
自律エージェントは過去の対話履歴や読み込んだファイル、ターミナルの実行結果を、リクエストのたびに丸ごとコンテキストとして送り直すからです。
後半のステップになると、1回の判定のために十数万トークンを毎回送信し続けることになります。
これだけ重い使い方を前提に、Jevの料金を当てはめてみました。
実際に計算してみたら、驚くほど現実的な金額だった
Jevの公式アナウンスによる料金体系は以下のとおりです。
入力トークン料金:100万トークン(1M tokens)あたり 0.042 ドル
出力トークン料金:完全無料(0.00ドル)
為替レート:1ドル ≒ 145〜150円で換算
この条件で、先ほどのAntigravity級のハードな使い方(月間約5億〜7億入力トークン)をそのままJevに流し込んだ場合の金額を試算してみました。

割引が一切効かず、すべてのトークンを愚直に満額支払ったとしても、月額わずか3,000円〜4,500円程度です。
もし現代のLLMインフラで標準的になりつつあるプロンプトキャッシュ(同一コンテキストの再送割引)が効くのであれば、月額1,000円前後にまで下がってしまいます。
一般的なLLMだと、出力トークンの単価は入力の3〜5倍ほど高く設定されているのが普通です。
そのため、「思考プロセスを長く取らせる」「大きなコードやデータを生成させる」たびにお財布が痛む構造になっていました。
しかし、Jevのように「出力完全無料」で入力単価がここまで低いと、どれだけ大量のステップを回してもコストの跳ね上がりが極めてマイルドに抑えられます。

個人ツールの「判断ノード」として組み込むのが面白そう
この試算結果を見て、私は「これなら個人の日常ツールに組み込む選択肢として、かなり現実的だな」と感じました。
AntigravityのようにPC全体を動かす巨大なエージェントを丸ごと置き換えるのは用途が違いますが、日常で使っている自作スクリプトの「人間の判断が必要だった部分」をJevに任せるのはとても相性が良さそうです。
たとえば、以下のようなミニツールの作成です。
毎朝届く数十通のメルマガや通知から、本当に今日対応すべきものだけを判定するスクリプト
日々Obsidianに放り込んでいる殴り書きメモを、タグやフォルダに自動分類するバックグラウンド処理
Webスクレイピングで集めたデータが、自分の探している条件に合致しているかを確率付きでフィルタリングする処理
これらを従来のLLMでやろうとすると、APIキーの従量課金が怖くて「1日1回だけ」とケチケチ動かすことになりがちでした。
しかし、月数百円〜数千円でこれだけの回数を叩けるなら、数分おきにバックグラウンドで監視させておくような常駐ツールも気兼ねなく作れます。
もちろん、まだ日本語のニュアンス判定の精度がどの程度実用に耐えるのか、タスクのスキーマ定義をどれくらい柔軟に受け付けてくれるのかといった技術的な検証課題は残っています。
それでも、「自然言語で会話するAI」から「コードの一部として確実に確率を返すAI」へと道具の役割を切り替えてみるアプローチは、個人開発の幅をぐっと広げてくれそうです。
次はこれをどうぞ
高速なAPIを個人開発ツールに組み込んで日常を自動化する楽しさと、外部APIに依存する開発ならではの向き合い方を書いた記事です。
現場の業務自動化やAIツールの活用相談について、詳しくは【自己紹介・お仕事のご相談】をご覧ください。
もし少しでも参考になりましたら、下の「スキ(♡)」を押していただけると、次の記事執筆や検証の大きな励みになります!
