결론적으로
2026년 9월, 실리콘밸리의 스타트업 TypeSafe AI가 “Jev”라는 새로운 AI 모델을 발표했습니다. 뉴스 헤드라인만 놓고 보면 “Claude보다 193배 빠르다, 신규 AI 등장”처럼 보였으며, ChatGPT, Claude, Gemini의 경쟁자가 나타난 것처럼 보였습니다.
하지만 실제로 내용을 살펴보면, Jev는 “글쓰기 AI”가 아닙니다. 미리 정해진 선택지 중에서 확률과 함께 “판단”만을 반환하는 완전히 다른 장르의 AI입니다. ChatGPT나 Claude, Gemini와 같은 제품과 비교하는 것이 아니라, 오히려 그것들과 함께 사용하여 “부품”과 같은 존재에 가깝습니다.
이 글에서는 Jev가 무엇인지, 왜 桁違い로 빠르고 저렴한지, 그리고 실무에서 어떻게 활용할 수 있을지를 최대한 전문 용어를 줄여 정리합니다.
제브(Jev)를 만든 사람은 누구일까요?
Jev를 개발한 TypeSafe AI는 샌프란시스코 거점을 기반으로 하는 AI 연구소입니다. 창업자이자 CEO인 디오고 알메이다는 원래 OpenAI 연구자였으며, ChatGPT의 기반이 된 학습 방법인 “RLHF”의 공동 개발에 관여한 것으로 알려져 있습니다. 에릭 가프니, 사샤 셩과 함께 회사를 설립했으며, DCVC 등으로부터 총 40억 엔 규모의 시드 자금을 유치했습니다. 이는 AI 업계의 시드 투자 중에서도 상위 1%에 해당하는 규모로, 발표 이전부터 큰 주목을 받았습니다.
알메이다 씨는 발표에서 “지능은 소프트웨어의 이면에서 조용히 작동해야 한다”는 취지의 말을 했습니다. 즉, 인간과 대화하는 챗봇이 아닌 개발자가 앱 내부에 통합하는 부품으로서의 AI를 만들고자 하는 것입니다. 이러한 방향성이 뒤에 설명할 Jev의 설계 자체와 직결됩니다.
비슷하게 “Jev”라는 이름은 “제보네즈의 역설”이라는 경제학 개념에서 유래한 것이라고 합니다. 이는 “무언가가 효율화되고 저렴해질수록 오히려 전체 이용량이 늘어나 총 소비량이 증가한다”는 현상을 지칭합니다. AI가 桁違い하게 저렴해지면 AI를 사용하는 상황 자체가 폭발적으로 늘어날 것이다 라는 창업 팀의 사상이 회사 이름이나 모델명에도 반영된 것이라고 할 수 있습니다.
제브가 무엇이 새로운지
ChatGPT, Claude, Gemini는 모두 “문맥을 생성하는 AI”입니다. 질문하면, 문장이라는 형태로 답변을 반환해 줍니다.
제브는 이 “글쓰기” 기능 자체를 가지고 있지 않습니다. 대신, 다음 3가지 유형의 질문 형식에만 답변합니다.
- 선택: 사전에 준비된 선택지(최대 255개) 중에서 1개를 선택하여 확률에 따라 반환합니다.
- 점수: 2부터 10단계까지의 척도로 점수를 매겨주세요.
- 뉴: “예/아니오” 확률을 0부터 1까지의 값으로 반환
예를 들어 문의 이메일이 도착했을 때 “담당 부서는 어디인지”, “긴급도는 높은지”, “고객은 만족하고 있는지”와 같은 여러 질문을 1회 요청으로まとめて 판단할 수 있습니다. 반환되는 것은 문장이 아닌 숫자와 확률만입니다.
TypeSafe는 이러한 AI를 “System One 모델”이라고 부릅니다. 인간의 사고에는 깊이 생각하는 “System Two”와 반사적으로 판단하는 “System One”이 있다는 심리학의 분류에 비추어 짓지어진 이름입니다. 문서를 다듬는 ChatGPT나 Claude가 “System Two에 가깝다”고 하면, Jev는 방대한 판단을 즉시 처리하는 “System One”의 역할을 수행한다는 위치에 있습니다.
구체적인 사례를 통해 더 쉽게 이해할 수 있습니다.
예를 들어 고객 지원팀에 다음과 같은 문의 이메일이 도착했다고 가정해 보겠습니다.
지난주 주문한 상품이 아직 배송되지 않았습니다. 급하게 필요해서 오늘 중으로 상황을 알려주세요.
ChatGPT나 Claude에게 이 문장을 건네주면 상황을 요약하거나 답장 초안을 만들어 줍니다. 이것은 ‘글을 쓰는’ 작업이라야말로 가장 잘하는 분야입니다.
반면에 Jev에게 전달할 때는 답변 문구가 아닌, 다음과 같은 질문을 동시에 던집니다.
- 선택: 담당 부서는 “배송”, “환불”, “상품 불량”, “기타” 중 하나입니다.
- 점수: 긴급도를 1부터 5단계로 평가
- Noul: 불만 발생 가능성(0~1)
제브는 이러한 모든 것에 대해 문장 대신 “배송: 92%”, “긴급도: 4”, “불만 발생 확률: 0.71”과 같은 수치만을 즉시 제공합니다. 그 후 시스템 측에서 이 수치를 바탕으로 담당자 배정 및 우선순위 지정까지 자동적으로 수행하는 방식으로 진행됩니다. “문장을 생각하는” 부분과 “기계적으로 분류하는” 부분을 자신이 잘하는 AI에 각각 맡기는 방식이라고 할 수 있습니다.
왜 엄청나게 빠르고 저렴한가
Jev의 최대 특징은 속도와 비용입니다. 공식 발표에 따르면, 다른 최첨단 모델과 비교했을 때 최대 100배 빠르고, 처리 건당 비용 또한 크게 낮다고 합니다.
이 방식의 핵심은 단순함에 있으며, “문장 생성”을 하지 않는 데 있습니다. ChatGPT나 Claude와 같은 일반적인 AI는 답을 1글자(정확히는 1 토큰)씩 순차적으로 생성하며, 100자 답을 반환한다면 내부적으로는 100번의 계산을 순차적으로 반복하는 것과 같습니다.
제브는 답을 쓰지 않기 때문에 이러한 반복 계산이 거의 발생하지 않습니다. 입력을 읽어들이고, 준비된 선택지에 확률을 할당하는 것뿐이므로 기본적으로 1회분의 계산으로 완결됩니다. 게다가 여러 질문을 묶어서 던지면, 각각을 개별적으로 묻는 것보다 훨씬 저렴하고 빠르다는 보고도 있습니다. (한 번의 검증에서는 13개의 질문을 묶는 것으로, 개별적으로 묻는 것보다 10배 정도 빠르고 10배 이상 저렴해졌다고 합니다.)
생성하는 행위를 전적으로 생략하는 것이 속도의 본질입니다.
실제 성능은 어느 정도인가
속도와 저렴함은 좋지만, 핵심은 판단의 정확성입니다.
TypeSafe 자체에서 자체 공개한 업무 흐름 평가 결과, Jev의 정확도 일치율은 67.8%였습니다. 이는 동일사의 GPT-5.6 Terra나 Claude Sonnet 계열 모델과 유사한 수준입니다. 하지만 가장 정확한 모델(GPT-5.6 Sol: 74.1%, Claude Opus 5: 73.1%)에는 미치지 못했습니다.
즉, “지능” 측면에서 보면 Jev는 최첨단 모델에 다소 뒤쳐집니다. 반면, 1건당 처리 비용은 약 0.0004달러 수준이며, 처리 시간은 약 0.4초 정도로, 압도적으로 비용 대비 성능이 높다는 구조입니다.
여기 한 가지 주의해야 할 점은, 이 67.8%라는 숫자를 측정하기 위한 “정답” 자체가 OpenAI와 Anthropic 계열 모델의 답변을 바탕으로 만들어졌다는 지적이 엔지니어 커뮤니티로부터 제기된다는 점입니다. 평가 기준의 수립 방식에 따라 유리·불리한 결과가 나올 수 있으므로, “공식 발표 숫자는 그대로 맹신하지 않고, 우선 자신의 용도에서 직접 시험해 보는” 자세가 필요합니다.
요금 측면만을 고려한다면, 공개된 기준으로 입력 100만 토큰당 단가는 대략 다음과 같습니다 (Jev는 출력 자체는 무료).
- 제브: 약 0.042달러 (판정 특화, 출력 무료)
- GPT-5 nano: 약 0.05달러 (일반용 저가형)
- 클로드 하이쿠 4.5: 약 1.00달러 (일반용·경량 모델)
- 클로드 소네트 5：약 2.00달러 (일반/개발 용도)
일반 모델의 경량 버전(nano)은 거의 동일한 수준까지 저렴하며, 개발에서 흔히 사용되는 모델들과 비교하면 수십 배 저렴한 가격입니다. 하지만 비교 대상 모델이나 요금제에 따라 배율은 크게 달라지므로, “◯배 저렴하다”는 숫자 자체보다는 “평가 목적에 상당히 공격적인 가격 설정이 이루어지고 있다”는 방향으로 이해하는 것이 실용적입니다.
ChatGPT, Claude, Gemini는 모두 거대 언어 모델(LLM)이지만, 각자 다른 특징과 강점을 가지고 있습니다.
ChatGPT는 OpenAI에서 개발한 모델로, 2022년 11월부터 공개된 버전부터는 GPT-4라는 더욱 강력한 모델을 기반으로 합니다. GPT-4는 이전 버전보다 훨씬 더 복잡하고 미묘한 지시를 이해하고, 창의적인 콘텐츠 제작 능력도 크게 향상되었습니다. 특히, 이미지 이해 능력과 코딩 능력도 뛰어나며, 다양한 분야에서 활용될 수 있다는 점이 큰 장점입니다.
Claude는 Anthropic에서 개발한 모델로, ‘안전성’을 최우선으로 설계되었습니다. Claude는 사용자의 프라이버시를 보호하고, 유해하거나 편향된 답변을 생성하지 않도록 훈련되었습니다. 또한, 긴 텍스트를 처리하는 능력도 뛰어나며, 특히 법률, 금융, 의료 등 전문적인 분야에서 활용하기에 적합합니다.
Gemini는 Google에서 개발한 모델로, 멀티모달(Multi-modal) AI라는 특징을 가지고 있습니다. 즉, 텍스트뿐만 아니라 이미지, 오디오, 비디오 등 다양한 형태의 데이터를 이해하고 생성할 수 있습니다. Gemini는 Google 검색 엔진과 연동되어 있어, 실시간 정보 검색 능력이 뛰어나며, 다양한 작업을 수행하는 데 유용합니다.
각 모델은 서로 다른 강점을 가지고 있으며, 어떤 모델이 더 좋다고 단정하기는 어렵습니다. 사용 목적과 필요에 따라 적합한 모델을 선택하는 것이 중요합니다. 예를 들어, 창의적인 콘텐츠 제작이나 코딩 능력이 필요하다면 ChatGPT를, 안전성과 전문적인 정보 처리가 중요하다면 Claude를, 다양한 형태의 데이터를 활용하고 실시간 정보 검색 능력이 필요하다면 Gemini를 선택하는 것이 좋습니다.
현재 ChatGPT는 GPT-4를 기반으로 하고 있으며, 월 구독 모델을 통해 접근할 수 있습니다. Claude는 무료 버전과 유료 버전으로 제공되고 있으며, 유료 버전은 더 많은 기능을 제공합니다. Gemini는 Google One 구독을 통해 접근할 수 있으며, 다양한 Google 서비스와 연동되어 있습니다.
이 글을 읽고 알 수 있듯이, 근본적으로 비교 대상이 맞지 않습니다. 간략하게 정리하면 다음과 같습니다.
- ChatGPT, Claude, Gemini: 문장 작성, 요약, 코드 생성, 상담 등 인간과의 대화나 창작 활동을 폭넓게 수행하는 범용 AI.
- 제브: 사전에 결정된 선택지 중에서 대량의 판단을 고속·저비용으로 내리는 데 특화된 전용 AI
예를 들어 “이메일 답변 작성”이나 “기획서 구성 검토”와 같은 작업은 여전히 ChatGPT, Claude, Gemini의 강점 분야입니다. 반면에 “받은 이메일을 어떤 부서에 분류할지”, “이 데이터가 이상치인지 아닌지”와 같이 정답이 정해져 있는 대량 판별은 Jev와 같은 전용 모델의 역할이 필요합니다. 이 두 모델은 경쟁 관계라기보다는 시스템 내에서 역할을 분담하는 관계에 가깝다고 할 수 있습니다.
실무에서는 어떻게 활용할 수 있을까요
TypeSafe는 다음과 같은 용도로 주로 고려되고 있습니다.
- 문의 이메일 및 오류 로그의 우선 배분
- AI 에이전트가 행동하기 전후의 점검(위험한 조작을 하지 않았는지 확인하는 등)
- 검색 결과 및 RAG(사내 문서 검색)에서 후보 문서를 사전에 좁혀 봅니다.
- 청구서 및 행정 처리 과정에서의 예외 감지
- 생성한 문장이 사내 정책에 위반되는지 확인한다.
실제로 Jev를 AI 에이전트에 통합한 검증 사례에서는, 에이전트가 잘못된 스킬(기능)을 선택하는 비율이 16.8%에서 7.3%까지 감소했다는 보고도 있습니다. AI 에이전트는 사용자의 지시를 받아 여러 기능(스킬) 중에서 적절한 것을 선택하고 실행하는 시스템인데, 이 “어떤 스킬을 사용해야 하는가”라는 판단 자체를 잘못하는 경우가 많습니다. Jev를 그 판단 직전에 한 번 켜서, 오작동을 미리 줄일 수 있다는 것이죠. “AI 에이전트의 판단 실수를, 또 한 단계 낮은 AI로 이중 검사하는” 방식에 적합해 보입니다.
개인 개발이나 소규모 팀이라도, 예를 들어 자작 챗봇에 문의가 왔을 때의 초반 분류나, 생성한 콘텐츠를 공개하기 전의 간단한 검토 등 “매번 ChatGPT나 Claude에 풀 기능을 사용해서 판단시키는 것보다 훨씬 많은 양이지만, 사람으로 하기에 수가 너무 많다”는 상황은 생각보다 많습니다. 그러한 세밀한 판단 작업을 위한 장소로, Jev와 같은 전용 모델은 잘 어울릴 것 같습니다.
시작하기 전에 알아두어야 할 주의사항
좋은 면만 있는 것은 아닙니다. 실제로 고려할 경우에는 다음 사항에 유의해야 합니다.
- 정확도의 높이는 정답률이 아닐 수 있습니다. Jev가 제공하는 “확신도 80%”라는 수치가 실제로 80%의 확률로 정확한 결과를 보장하는 것은 아닙니다. 자사의 데이터로 검증(흔히 ‘섀도우 모드’ 운영으로 불림) 후 본격적인 운영에 투입하는 것이 안전합니다.
- 이미지에 해당하지 않습니다 (2026년 9월 현재): 엄밀히 말해 구조화된 텍스트 데이터가 전제입니다.
- 선택지의 설계가 모든 것이다. 질문의 선택지 자체의 구성 방식이 좋지 않다면, 아무리 정답을 선택하려 해도 그렇지 않다.
- 대체재로서의 만능은 아니라는 점을 강조합니다. 한 연구에서는 Jev의 제안이 에이전트의 본질적인 올바른 판단을 흐리게 만든 사례가 보고되었습니다. “주인공을 교체하는” 대신 “보조적인 요소로 통합하는” 방식이 권장됩니다.
저기, 그 그림 정말 멋지지 않아요? 이 그림을 그렸다는 건 사실 제 상사인 다나카 씨거든요. 다나카 씨는 그림 그리는 데 엄청나게 자신 있고, 항상 다양한 작품을 만들고 있어요.
하지만 다나카 씨가 그린 그림은 조금 독특한 느낌이 있어서, 어딘가 불안한 분위기가 있는 거예요.
처음에는 다나카 씨가 그린 그림을 칭찬해주었지만, 그 후 다나카 씨가 그린 그림을 계기로 회사에서 여러 가지 문제가 생기기 시작했어요.
예를 들어, 어떤 직원이 갑자기 사직하거나, 프로젝트가 중단되는 식으로요.
처음에는 다나카 씨가 그린 그림이 원인이라고 생각하지는 않았지만, 잘 생각해보니 다나카 씨가 그린 그림에는 분명히 어떤 메시지가 담겨 있는 것처럼 느껴졌어요.
그 메시지가 회사에 나쁜 영향을 주고 있을 수도 있다고 생각하기 시작했어요.
그래서 저는 다나카 씨에게 그 그림에 대해 이야기해보려고 했어요.
다나카 씨는 처음에는 당황했지만, 결국 그 그림이 자신에게 있어서의 “마음의 상처”를 상징하고 있다는 것을 고백해줬어요.
다나카 씨는 과거에 어떤 사건으로 큰 마음의 상처를 입은 적이 있었거든요.
그 사건의 자세한 내용은 다나카 씨는 입을 굳혔지만, 그 사건이 다나카 씨의 그림에 반영되어 있다는 것을 알 수 있었어요.
저는 다나카 씨의 마음의 상처를 이해하고, 함께 해나가는 과정에서 다나카 씨는 조금씩 기운을 되찾아갔어요.
그리고 회사에서의 문제들도 점차 해결되어서 정리되었어요.
이 그림을 그린 다나카 씨의 용기와, 우리가 함께 극복해나간 어려움을 저는 절대 잊지 않겠습니다.
제브는 ChatGPT, Claude, Gemini와 같은 ‘글쓰기 AI’를 대체하는 것이 아니라, ‘대량의 판단을 고속·저비용으로 처리하는’이라는 별개의 분야에 특화된 AI입니다. 속도와 비용 절감은 실체이지만, 공식 벤치마크 숫자는 발표 기관에 따라 다르므로, 맹신하기보다는 자신의 용도에서 검증하는 자세가 필요합니다.
이미 AI 에이전트나 챗봇을 운영하고 있으며, “판단만 대량으로 처리하는 부분”에서 비용과 속도 문제에 직면하고 있는 사람들에게는 선택지 중 하나로 알아두면 유용한 기술이라고 생각합니다.
출처: note 원문
번역: Gemma 3(.44) 초벌 + 교정 39청크
원문 보기 | 출처: note.com