TypeSafe AI의 Jev: 문장 대신 결정을 돌려주는 모델

고객 문의를 어느 팀으로 보낼지, 입력된 정보가 특정 조건을 충족하는지 판단해야 한다고 해보자. 챗봇이 설명문을 쓰면 소프트웨어는 그 문장을 다시 해석해야 한다. TypeSafe AI의 Jev는 이 단계를 줄이기 위해 만들어졌다. 애플리케이션의 상황 정보와 미리 정의한 질문을 받아, 프로그램이 바로 처리할 수 있는 형식으로 답한다. TypeSafe는 첫 ‘System One’ 모델인 Jev를 2026년 9월 얼리 액세스로 선보였다. 1210

문장을 생성하는 대신, 정해진 형식으로 답한다

일반적인 언어 모델은 결과적으로 하나의 결정만 필요할 때도 응답을 토큰 단위로 생성한다. Jev는 트랜스포머 기반 모델이지만, 사용 방식이 다르다. 개발자가 상황 정보와 함께 답의 허용 형식을 지정하는 **유형이 정해진 질문(typed question)**을 보낸다. Jev는 제시된 항목 중 하나를 고르거나, 기준에 따라 점수를 매기거나, 예·아니요 질문에 확률로 답할 수 있다. 핵심은 사람이 읽을 설명보다 코드가 사용할 결과에 있다. 5710

Jev는 결정에 확률 또는 확신도 정보도 덧붙인다. 여기서 *확률 보정(calibration)*은 비슷한 확신도로 내린 판단이 실제로 얼마나 자주 맞는지를 그 수치가 잘 반영하도록 하는 목표를 뜻한다. 애플리케이션이 자동 처리와 사람의 검토 사이에서 기준을 정하는 데 도움이 될 수 있지만, 높은 확신도가 정답을 보장하지는 않는다. 출력 형식을 제한하면 예상 밖의 형태로 답하는 문제는 막을 수 있어도, 형식에 맞는 오답까지 없앨 수는 없다. 5912

누가 만들었고, 성능에 대해서는 무엇이 알려졌나

TypeSafe의 공동 창업자이자 CEO인 디오구 알메이다(Diogo Almeida)는 이전에 오픈AI에서 일했다. 에리크 가프니(Erik Gafni)와 사샤 셩(Sasha Sheng)도 공동 창업자로 소개된다. 회사는 자동화 작업 상당수에 긴 설명문보다 빠르고 바로 활용할 수 있는 판단이 필요하다고 본다. 101520

TypeSafe는 Jev의 학습법을 **‘보정된 결정을 위한 강화학습’(RLCD)**이라고 부르며, 새로운 아키텍처와 병렬 샘플러도 언급한다. 다만 공개된 설명만으로는 학습법의 효과나 여러 작업에서 확률이 얼마나 잘 보정되는지 독립적으로 평가하기 어렵다. 112

보도된 가격은 입력 토큰 100만 개당 0.042달러이며 출력 토큰에는 요금을 매기지 않는다. 처음부터 끝까지의 응답 시간은 약 70~500밀리초로 전해졌다. 이는 보고된 제공 조건과 속도이지, 모든 사용 환경에서 보장되는 수치는 아니다. TypeSafe는 Jev가 목표로 삼은 결정 작업에서 기존 대규모 언어 모델에 가까운 성능을 내면서 훨씬 빠르고 효율적이라고 주장한다. 실제 이점의 크기는 작업과 비교 대상에 따라 달라지며, 폭넓은 독립 검증 자료는 아직 제한적이다. 12814

지금 쓸 수 있나, 다음 모델은 나오나

Jev는 호스팅 방식의 얼리 액세스 모델로 제공돼 왔으며, HTTP API와 파이썬·자바스크립트 개발 도구(SDK)가 소개됐다. 모델 가중치나 직접 서버에 설치해 운영하는 방식은 공개되지 않았다. 출시 뒤 접근 범위가 얼마나 넓어졌는지는 보도마다 달라, 얼리 액세스를 누구나 내려받을 수 있는 공개 배포로 받아들여서는 안 된다. 2719

초기 보도에는 개발자들의 실험과 서비스 연동 사례가 등장한다. 한 보도는 개발자 플랫폼 버셀이 Jev를 자사 AI Gateway에서 가장 빠르게 채택된 모델이라고 평가했다고 전한다. 이는 초기 관심을 보여주지만, 이용이 지속될지 또는 TypeSafe의 성능 주장이 독립적으로 검증됐는지를 입증하지는 않는다. 1620

TypeSafe는 Jev를 더 넓은 ‘System One’ 모델군의 첫 제품으로 소개한다. 그러나 후속 모델의 구체적인 사양이나 확정된 출시일은 제시된 자료에서 확인되지 않는다. 현재 Jev를 가장 분명하게 구별하는 것은 범용 글쓰기보다 소프트웨어가 곧바로 사용할 수 있는 구조화된 결정에 집중한 인터페이스다. 17