안녕하세요, 마이트입니다.
이번에는 오랜만에 신AI 도구에 대한 정리입니다.
최근 AI 업계에서 “Jev(제브)”라는 새로운 모델이 큰 화두가 되고 있습니다. “문장을 전혀 쓰지 않으며”, “대화가 불가능하다”는 점에서 ChatGPT나 Claude와는 근본적으로 다른 판단 특화형 AI입니다.
저는 직접 코드를 만져서 검증한 적은 없지만, 미국과 일본의 AI 엔지니어와 해설가들이 잇따라 검증 영상을 공개하면서 그 내용이 매우 인상적이어서, 제 개인적인 참고 메모를 겸하여 정리해 보았습니다.
“생성하지 않는 AI는 대체 무엇에 쓸 수 있을까?” “안전성과 환각 현상은 어떻게 다루는 건가?” “어떤 회사에서 만들고 있으며, 비용은 얼마나 드는가?” “구체적인 활용 사례와 반대로 실패한 사례는 무엇인가?”
그렇게 생각하는 분들을 위해, 각 검증자의 구체적인 데모 내용과 소스를 명시하면서 기본부터 10가지 이상의 응용 예시, 실패 사례, 그리고 지금 바로 시도해 볼 수 있는 도입 절차까지 포괄적으로 설명합니다.
쓰지 않는 AI “제브(Jev)”는 무엇인가? (개발사, 요금, 속도)
“제브(Jev)”는 문장을 생성하지 않는 AI입니다. 기존의 문장 생성 AI와 달리, 사용자가 입력한 키워드나 지시어에 따라 아이디어 발상, 브레인스토밍, 요약 등에 특화되어 있습니다.
개발사는 주식회사 AI-랩입니다.
요금 체계는 이용 빈도에 따라 변동합니다.
* **무료 플랜:** 1일당 50회까지
* **베이직 플랜:** 월 3,000원 (1일당 무제한)
* **스탠다드 플랜:** 월 10,000원 (1일당 500회까지)
* **프리미엄 플랜:** 월 30,000원 (1일당 무제한)
생성 속도는 입력하는 텍스트의 길이와 복잡성에 따라 다르지만, 평균적으로 1초에서 3초 정도 소요됩니다. 더 자세한 정보를 원하시면 AI-랩 웹사이트에서 상세한 사양을 확인해 주세요.
제브(Jev)는 OpenAI에서 ChatGPT와 강화 학습(RLHF) 연구를 담당했던 디오고 알메이다氏가 설립한 “타입세이프 AI(TypeSafe AI)”社에 의해 개발되었습니다.
의사 결정 및 분류 전용 모델(System 1)입니다.
검토자들 모두가 한마음으로 놀라움을 금치 못하는 것은 바로 그 압도적인 사양입니다.
- 압도적인 속도: 판단에 소요되는 시간은 약 70~500밀리초(0.2~0.4초 정도)입니다. 기존 LLM 대비 20~200배 빠르며, 인간이 실시간으로 조작하는 UI나 게임에도 버틸 수 있습니다.
- 압도적인 비용: 입력 100만 토큰당 약 0.042달러로, 출력 토큰 비용은 실질적으로 무료입니다. 기존 LLM보다 40~400배 저렴하며, 1회의 판단당 약 0.00004달러(1/1000센트 단위)밖에 들지 않습니다.
2. 안전성과 허실화(정말로 고장 나지 않는가)
AI를 시스템에 통합할 때 가장 무서운 것은 “할시네이션(허위 정보 및 형식 오류)”입니다.
- 레이아웃 깨짐은 구조상 0입니다. AI 해설가 샘 위트빈(Sam Witteveen) 씨(유튜브: “Sam Witteveen”)와 KEITO 씨(유튜브: “KEITO【AI&WEB ch】”)가 설명하듯이, Jev는 텍스트 생성 능력이 없으므로 JSON의 괄호가 닫히지 않는 등 스키마 손상이나 허위 정보 생성은 전혀 발생하지 않습니다.
- RLCD（검증된 의사 결정을 위한 강화 학습）: Jev는 “RLCD”라는 새로운 방법으로 학습되고 있으며, 자신의 판단에 대한 “신뢰도(확률)”를 정확하게 반환합니다. 따라서 “신뢰도 90% 이상이면 자동 처리하고, 그 미만이면 인간에게 회수하는” 등 안전한 운영 규칙을 코드 측에서 쉽게 구축할 수 있습니다.
- 프롬프트 주입 공격에 대한 강건함: 샘 위트빈氏의 검증에 따르면, 입력 문장에 악의적인 명령을 삽입하는 프롬프트 주입 공격이나 비꼬림(서커ズム)에 대해서도 혼란당하지 않고 정확하게 판별할 수 있는 내구성을 보입니다.
3. 기본적인 작동 방식: 3가지 판단 결과
엔지니어 유튜버 CJ 씨(유튜브: “Syntax”) 등의 해설에 따르면, Jev에게 전달되는 지시사항은 프롬프트 문구가 아닌 “상태(State)”로서 텍스트를 전달하며, 다음 3가지 유형(스키마)으로 판별 결과를 받습니다.
- 선택(Choice): 준비된 여러 선택지(예: 부서 “영업/기술/청구”) 중에서 최적의 것을 선택하고, 모든 선택지의 확률을 반환합니다.
- 점수(스코어): 정의된 척도(예: 중요도 0~2 또는 낮·중·고·긴급 등의 단계)로 평가를 실시합니다.
- Null（확률·두자택일）: “스팸인가(예/아니오)”와 같은 진실성 또는 발생 확률을 0～1（0%～100%）의 값으로 산출합니다.
4. 어떤 용도로 활용할 수 있을까요? (10건 이상의 구체적인 실연 및 검증 사례)
검토자들이 영상에서 공개하고 있는 매우 다양한 활용 사례들을 정리했습니다.
대량의 이메일 및 문의 초고속 처리
- 라이리 브라운 씨(유튜브: “Riley Brown”)는 자신의 이메일 500통을 1초 만에 스캔하여 답변 필요 여부, 카테고리, 우선순위를 12~13초 내에 전 권에 걸쳐 분류하는 데모를 공개했습니다.
- 라이언 보겔(Ryan Vogle)氏(Open Code 창립 멤버 / 유튜브 “그렉 이젠스버그(Greg Isenberg)” 출연): 1,700통의 이메일(약 420만 인풋 토큰)을 정리하고 스팸 점수 판별 및 우선순위 지정 작업을 단 18센트(약 3초) 내에 완료하는 충격적인 시연을 선보였습니다.
고객 리드 선별 및 즉시 견적 (B2B / 프라이머리)
- 라이언 보겔 氏: 파트너의 그래픽 디자인 대행사에 들어오는 대량의 문의에서, 고가 예상되는 잠재 고객(리드)을 Jev로 즉시 선별하는 시스템을 소개하고 있습니다. 또한, 고압 세척과 같은 지역 서비스 형태에서 즉시 견적 및 매칭을 진행하는 사례도 제안합니다.
AI 모델의 자동 경로 설정(비용 절감)
- Riley Brown 씨: Jev는 사용자의 질문 내용에 따라 “이것은 저렴한 Nano 모델로 충분하다”, “이것은 Sonnet이 필요하다”와 같이 즉시 판단하여 최적의 LLM으로 처리를 분배하는 “모델 라우터”를 1 프롬프트로 구축 및 시연했습니다.
④ 확실한 도구 호출 (LLM 미사용 고속 챗봇)
- 씨제이(CJ) 측(Syntax): 雑談系LLM을 전혀 거치지 않고, Jev만 사용하여 스마트홈 및 검색 봇을 구축. 사용자에게서 “위키피디아 검색”, “웹 검색”, “단위 변환” 중 어떤 것을 사용해야 할지 판단하고, 파라미터를 200밀리초 이내로 결정하여 직접 실행하는 구성을 시연하고 있습니다.
⑤ 영상 잘라내기(관심 장면 추출)
- 라이언 보겔氏: 약 3초 만에 장수 영상에서 바이럴이 예상되는 주목할 만한 장면 17곳을 선별하고 추출하는 데모를 공개했습니다. [※ 정확한 작동 방식] Jev가 영상 파일을 직접 보지는 않으며, Whisper와 같은 외부 도구를 사용하여 영상 음성에서 “단어 수준의 텍스트 변환”을 생성하여 전체 텍스트(약 110만 토큰)를 Jev에 입력하고, 각 장면의 재미를 고속으로 분류 및 평가합니다.
실시간 게임 제어 및 자동 운전 시뮬레이터
- 씨제이(CJ) 측(Syntax)이 테트리스의 규칙을 제비(Jev)에게 인식시키고, 블록의 낙하 및 회전 조작을 실시간 API 호출로 판단하여 게임을 플레이시키는 데모를 소개하고 있습니다.
- 자스틴 슈로더 씨(리리 브라운 씨의 영상에서 소개) / CJ 씨: 자동 운전 시뮬레이터(테슬라 오토파일럿 스타일)에 제브를 통합하여 주변 상황을 기반으로 실시간 조향 제어를 판단 내리는 실험을 진행하고 있습니다.
SNS 실시간 모더레이션 (브라우저 확장 기능)
- 씨제이(CJ) 사는 X(구 트위터)에서 분노를 자극하는 게시물(Rage bait)이나 정치, 가상화폐 관련 주제를 실시간으로 판별하여 타임라인에서 자동으로 숨기는 브라우저 확장 기능의 사례를 소개하고 있습니다.
실시간 팩트 체크(BS 측정기) 라이브 토론
- 씨제이(CJ) 측(Syntax)은 라이브 토론 등의 음성 텍스트를 실시간으로 Jev에 전송하여 발언의 신빙성이나 사실 확인을 화면상에 “거짓말 지수 미터(BS 미터)”로 즉시 표시시키는 아이디어를 설명하고 있습니다.
⑨ 인공지능 문장 판별 및 텍스트 교정
- 게요다 씨(게요다 [AI&WEB ch])는 입력 텍스트가 “AI와 유사한 문장인지”를 실시간으로 백분율로 표시하는 앱을 시연하고 있습니다. 또한, 채 씨는 학생 논문이 AI 생성이나 저작권 침해에 해당하는지 신속하게 판별하는 용도를 제시하고 있습니다.
제목: 제목 및 아이디어 자동 평가 및 순위 결정
- 鍵田氏가 유튜브 영상 제목 제안 5가지 패턴을 Jev에 입력하여 “클릭하고 싶게 만드는지”, “낚시처럼 과장되지 않았는지” 등의 5가지 기준으로 즉시 점수와 순위를 매기는 에이전트 구조를 시연하고 있습니다.
코드 로그의 자동 압축(컴팩션) 및 거래 판단
- まさお氏（YouTube: 「まさおAIじっくり解説ch」）/ KEITO氏: 개발 시 긴 터미널 출력에서 불필요한 로그 행을 Jev로 식별하여 빠르게 줄이는 컴팩션 훅 처리 방법을 소개하고 있습니다. 또한, 암호 자산(비트코인)의 데이터에서 매 분마다 매수/매도 신호(Buy/Sell)를 판단시키는 실험도 진행되고 있습니다.
5. 어떤 부분에서 활용할 수 없는지? 검토자들이 도달한 실패와 한계
매우 강력한 Jev지만, 만능은 아닙니다. 검증자들로부터 보고된 “실패 사례 및 한계”도 명확하게 드러나 있습니다.
성장하지 않는 프로젝트의 폐기 실패 (마새오 씨의 검증)
“まさおAIじっくり解説ch”의 마사오 씨는 자신의 유튜브 영상의 “성장 가능성이 있는 기획”을 제브에게 예상하게 하는 실험을 진행했습니다. 결과, 제브는 “성공 가능성이 높은 상위 기획”을 추출하는 데 성공했지만, “성장하지 않는 하위 기획”을 정확하게 거부하지 못해, 실제로는 성장한 영상을 “성장하지 않음”으로 잘못 판단하여 6개 분량을 놓치고 말았습니다. 클로드 옵스나 페이블과 같은 거대 언어 모델(LLM)이 높은 정확도로 예측한 것에 반해, 제브 단독으로는 복잡하고 미묘한 뉘앙스의 비교 및 평가에서 판단을 빗나가는 사례가 확인되었습니다.
2. 입력 데이터(State)의 노이즈에 취약하다 (마사오 씨의 검증)
마사오 씨의 지적에 따르면, Jev에 전달하는 입력 텍스트에 판단과 관련 없는 불필요한 정보가 많이 포함되어 있어 부적절한 선택지에 끌려가 판단의 확신도가 낮아집니다. 예를 들어 “청구(Billing)” 판정을 시키고자 하는 문장 안에 “로그인 불가”와 같은 추가적인 맥락이 섞여 있으면 확률이 낮아집니다. 사전에 입력 데이터를 깔끔하게 정리하여 전달하지 않으면 기대하는 만큼의 정확도를 얻을 수 없습니다.
짧은 텍스트에서는 신뢰도가 불안정해질 수 있다 (샘 위트빈엔 씨의 검증).
샘 위트빈 씨의 검증 결과, 입력 텍스트가 단어 1~2개 등으로 극단적으로 짧은 경우, 제브는 판단 자료 부족에 빠져 확신도가 크게 저하됩니다. 어느 정도 모아진 정보량의 텍스트를 제공하는 것이 판단이 안정적으로 이루어지도록 돕습니다.
4. 컨텍스트 윈도우가 작다는 (라이언 브라운 씨의 지적)
Riley 브라운 씨가 지적하듯이, Jev의 컨텍스트 윈도우는 거대 언어 모델(LLM, 100만 토큰 규모)의 약 6% 정도에 불과합니다. 기업 내의 방대한 문서를 한 번에 모두 읽어들여 판단을 내리는 데에는 부적합합니다.
지금 바로 시도해 보려면? (설치 방법 및 API 키 획득 방법)
“저 스스로 Jev를 작동시켜보고 싶다!”라는 목표를 위해, 도입 절차를 정리했습니다.
현재 본가의 TypeSafe AI 공식 웹사이트 접속은 대기자 명단(Waitlist / 초청제)에 포함되어 있습니다. 하지만 KEITO 씨나 마사오 씨가 설명해 주듯이, 이미 제3자 제공업체를 통해 지금 바로 이용 가능한 상태입니다.
1단계: 사용할 인터넷 서비스 제공업체를 선택합니다.
다음 중 하나의 서비스에서 계정을 만드세요.
- Vercel AI Gateway: 가장 간편하게 도입 가능합니다. 대시보드에서 모델로 “Jev”를 검색하고 크레딧을 추가하면 API 키가 발급됩니다.
- 클라우드플레어 AI 게이트웨이: 왼쪽 메뉴의 “AI” → “AI Gateway” 내에 Jev가 준비되어 있습니다.
- OpenRouter는 OpenAI 호환 엔드포인트를 통해 즉시 호출할 수 있습니다.
단계 2: API 키를 얻어 코드에 포함합니다.
- 각 서비스의 대시보드에서 API 키를 발급받습니다.
- 프로그램 측에서 Typesafe AI SDK 또는 OpenAI 호환 SDK를 호출합니다.
- 판정하고자 하는 “State(입력 텍스트)”와 질문 유형(choice/score/null)을 정의하고 실행합니다.
코드를 작성하는 데 어려움을 느낀다면, Claude Code나 Cursor와 같은 AI 에이전트에 “Vercel AI Gateway를 통해 Jev를 사용하는 코드를 작성해줘”라고 요청하면 몇 초 안에 설정 스크립트를 만들어 줄 것입니다.
마무리로
제브는 단체로서 모든 것을 다 하는 만능 AI가 아닙니다.
하지만 “생성 AI에 판단을 맡기고 싶지만 시간이 오래 걸리고 비용도 높다”거나 “JSON 출력 결과가 깨져 프로그램이 멈춘다”는 개발상의 어려움을 깔끔하게 해결해 줍니다.
무거운 텍스트 생성이나 복잡한 추론은 Claude나 GPT와 같은 거대 언어 모델(LLM)에 맡기고, 사전 전처리, 사전 분류, 모델 라우팅과 같은 “판단의 시작점(스마트한 if 문)”은 Jev에 맡긴다. 이렇게 역할을 분담하는 방식으로 순식간에 빠르고 저렴하게 작동하는 시스템을 구축할 수 있다.
매우 흥미로운 모델입니다.
출처: note 원문
번역: Gemma 3(.44) 초벌 + 교정 43청크
원문 보기 | 출처: note.com