はじめに

Jev系で画像を扱えるOSSモデルであるimajevを手持ちのMacBook Pro（M4 Pro）で試す方法を紹介する。imajevは、判断特化型AIのJevと互換性のあるリクエスト・レスポンス形式を採用し、Jevにはない画像入力にも対応している。本記事ではuvとMLXでローカル起動し、画像内のノートPCの台数を判定する。

動作確認環境

MacBook Pro（M4 Pro）
- メモリ：24GB
uv
- version: 0.12.22 (Homebrew 2026-10-01 aarch64-apple-darwin)

方法

Python本体の準備と仮想環境の作成をまとめて行うため、今回はuvを使用する。uvはインストール済みとする。
公式ドキュメントのQuickstartでは、uvを使っていないので、コマンドを一部変更してuvで実行する。

uvでPythonの仮想環境を作成

最初に、imajevを任意のワークスペースにクローンする。

git clone https://github.com/mohit67890/imajev
cd imajev

uvでPython 3.11の仮想環境を作成する。

uv venv --python 3.11

以下のようにメッセージが出ればOK。

Using CPython 3.11.17
Creating virtual environment at: .venv
Activate with: source .venv/bin/activate

仮想環境を有効にする。

source .venv/bin/activate

仮想環境を有効にすると、プロンプトに (imajev) が表示される。
仮想環境内で、依存関係をインストールする。

uv pip install -e ".[serve,mlx]"

必要なパッケージがインストールされる。

インストールログ（クリックで展開）

Resolved 56 packages in 1.12s
      Built imajev @ file:///Users/{username}/Documents/GitHub/
Prepared 56 packages in 22.81s
Installed 56 packages in 167ms
 + annotated-doc==0.0.5
 + annotated-types==0.8.0
 + anyio==4.15.1
 + certifi==2026.7.22
 + cffi==2.1.1
 + charset-normalizer==3.5.2
 + click==8.5.0
 + fastapi==0.142.2
 + filelock==4.0.9
 + fsspec==2026.9.0
 + h11==0.16.0
 + hf-xet==1.6.0
 + httpcore==1.0.9
 + httpx==0.28.1
 + huggingface-hub==1.33.0
 + idna==3.20
 + imajev==1.0.0 (from file:///Users/{username}/Documents/GitHub/imajev)
 + jinja2==3.1.6
 + llguidance==1.9.1
 + markdown-it-py==4.2.0
 + markupsafe==3.0.3
 + mdurl==0.1.2
 + miniaudio==1.71
 + mlx==0.32.3
 + mlx-audio==0.5.7
 + mlx-metal==0.32.3
 + mlx-vlm==0.7.1
 + numpy==2.4.6
 + opencv-python==5.0.0.93
 + opentelemetry-api==1.45.0
 + packaging==26.3
 + pillow==12.3.0
 + pycparser==3.0
 + pydantic==2.13.5
 + pydantic-core==2.46.5
 + pygments==2.21.0
 + python-multipart==0.0.32
 + pyyaml==6.0.3
 + regex==2026.9.29
 + requests==2.34.2
 + rich==15.0.0
 + safetensors==0.8.0
 + scipy==1.17.1
 + sentencepiece==0.2.2
 + shellingham==1.5.4
 + sounddevice==0.5.6
 + starlette==1.7.0
 + tokenizers==0.23.2
 + tqdm==4.70.1
 + transformers==5.18.0
 + typer==0.27.2
 + typing-extensions==4.16.0
 + typing-inspection==0.4.4
 + urllib3==2.8.0
 + uvicorn==0.54.0
 + websockets==17.1

モデルをダウンロード

ここでは、imajev-4Bをダウンロードする。

まず、ベースモデルのQwen3.5-4Bをダウンロードする。

python scripts/download_model.py --model 4b

以下のようにダウンロードが開始される。

Downloading Qwen/Qwen3.5-4B@851bf6e806efd8d0a36b00ddf55e13ccb7b8cd0a: 8.70 GiB
Downloading bytes:                                                          |  0.00B            Warning: You are sending unauthenticated requests to the HF Hub. Please set a HF_TOKEN to enable higher rate limits and faster downloads.                                  | 0/12 [00:00<?, ?it/s]
Fetching 12 files: 100%|████████████████████████████████████████| 12/12 [04:10<00:00, 20.90s/it]
Download complete: █████████████████████████████████████████████████████████| 8.07GB, 14.7MB/s  /Users/{username}/Documents/GitHub/imajev/.cache/huggingface/hub/models--Qwen--Qwen3.5-4B/snapshots/851bf6e806efd8d0a36b00ddf55e13ccb7b8cd0a
Download complete: █████████████████████████████████████████████████████████| 8.07GB, 14.7MB/s  
Reconstruction complete: 100%|█████████████████████████████████████| 9.34GB / 9.34GB, 87.3MB/s

次に、imajev-4bのアダプタと確率校正用ファイルなどをダウンロードする。

hf download mohit67890/imajev-4b --local-dir adapters/imajev-4b

以下のようにダウンロードが開始される。

int: A new version of huggingface_hub (2.1.1) is available! You are using version 1.33.0.
Hint: The `hf-cli` skill is not installed. Run `hf skills add -g` to teach your AI agents how touse the `hf` CLI.
Downloading bytes:                                                          |  0.00B            Still waiting to acquire lock on /Users/{username}/Documents/GitHub/imajev/adapters/imajev-4b/.cache/huggingface/.gitignore.lock (elapsed: 0.1 seconds)                          | 0/32 [00:00<?, ?it/s]
Still waiting to acquire lock on /Users/{username}/Documents/GitHub/imajev/adapters/imajev-4b/.cache/huggingface/.gitignore.lock (elapsed: 0.1 seconds)
Warning: You are sending unauthenticated requests to the HF Hub. Please set a HF_TOKEN to enablehigher rate limits and faster downloads.
Fetching 32 files: 100%|████████████████████████████████████████| 32/32 [00:33<00:00,  1.06s/it]
Download complete: █████████████████████████████████████████████████████████|  929MB, 15.9MB/s  ✓ Downloadedion complete: 100%|█████████████████████████████████████|  983MB /  983MB, 57.0MB/s  
  path: /Users/{username}/Documents/GitHub/imajev/adapters/imajev-4b
Download complete: █████████████████████████████████████████████████████████|  929MB, 15.9MB/s  
Reconstruction complete: 100%|█████████████████████████████████████|  983MB /  983MB, 57.0MB/s

全てのダウンロードが完了すればOK。

起動

Apple Silicon搭載Macでは、--backend mlxをつける。

PYTHONPATH=src:scripts python scripts/playground/server.py \
  --backend mlx \
  --model-bundle artifacts/model-qwen4b.json \
  --adapter adapters/imajev-4b/mlx \
  --calibration adapters/imajev-4b/calibration.json \
  --model-name imajev-4b \
  --port 8765

以下のようなメッセージが出ればOK。

backend=mlx model=imajev-4b adapter=adapters/imajev-4b/mlx load_seconds=5.9 readout_codes=256 prompt_layout=standard

ブラウザで、http://localhost:8765/にアクセスして以下のような画面が出ればローカルサーバーの起動成功である。

動作確認

画像を使って動作確認する。今回は、COCOデータセットから、ノートPC（laptop）の台数を数える問題を解かせる。

Imagesには以下の3枚を1枚ずつアップロードし、同じ質問で個別に実行する。次の画像を試す際は、前の画像を削除して入れ替える。

今回は画像だけで判断するため、Stateには空のJSONオブジェクト {} を入力する。

State

{
}

Questionsは以下のようにする。

Questions

{
  "laptop_count": {
    "type": "choice",
    "instructions": "画像にノートPCは何台ありますか？ 外付けモニターは数えないでください。",
    "criteria": {
      "0": null,
      "1": null,
      "2": null,
      "3_or_more": "3台以上"
    }
  }
}

confidence はモデルが返す確信度であり、実測した正解率ではない
3_or_more は正確な台数ではなく「3台以上」という分類

以下のように結果が表示される。

各画像に対する結果を以下の表に示す。
なお、処理時間は画面に表示された処理時間を記載した。

laptop_count	confidence	処理時間（ms）
1	97%	1917
2	94%	1958
3_or_more	89%	1822

今回試した3枚では、ノートPCの台数を「1台」「2台」「3台以上」に分類できた。処理時間は今回の実行では約1.8〜2.0秒だった。

まとめ

uvとMLXを使い、MacBook Pro（M4 Pro）でimajev-4bを動かした。今回試した3枚では、ノートPCの台数を指定した選択肢に正しく分類でき、処理時間は約2秒だった。今後は、物体が小さい画像や一部が隠れた画像でも試し、誤答や判断保留の傾向を確認したい。

参考