# 제브 등장. ChatGPT의 창시자가 만든 ‘말을 하지 않는 AI’, GPT-5.6는 테라급 판단을 엄청난 속도와 저렴한 비용으로 수행한다.

> https://bookfactory.kr/board/news/17852
> 게시판: 뉴스
> 작성자: admin
> 작성일: 2026-09-19T20:10:41.725Z

---

![見出し画像](https://assets.st-note.com/production/uploads/images/315384847/rectangle_large_type_2_dcdfa15594d3fe75b564bd259795915a.png?width=1280)

저도 어느 게시물을 보다가 두 번이나 봤어요.🤔 ChatGPT의 창시자로 불리는 사람이 새로운 AI 모델 “Jev”을 발표했다는 이야기예요. 자세히 살펴보니 GPT-5.6 Terra급의 판단을 桁違い의 속도와 저렴한 가격으로 돌려준다고 합니다.

해당 게시물의 작성자는 디오구 알메이다 씨입니다. ChatGPT의 기반이 된 기술, RLHF(인간 피드백 기반 강화 학습)를 개발한 멤버 중 한 명입니다. 2년 간의 은밀 개발 기간을 거쳐 9월 15일에 이 Jev를 세상에 공개했습니다. 흥미로운 점은 Jev가 문장을 생성하지 않도록 설계되어 있다는 것입니다. 챗봇 형태의 AI와는 정반대로 자유롭게 작동합니다.

실제로 얼마 전, GPT-5.6의 가격 인하에 대한 기사를 작성한 직후였는데, 이번 Jev의 발표 자료에서 성능 비교의 상대 모델로 ‘GPT-5.6 Terra’라는 이름이 언급된 것을 보았다. 꾸준히 지켜보고 있다 보니 이렇게 이야기가 연결되는구나✨

그 제프가 대체 누구인지, 뭐가 그렇게 다른지 살펴봐야 할 것 같다. 차근차근 살펴보자고 생각한다.

## 무슨 일이 일어났는지

![画像](https://assets.st-note.com/img/1789827684-6dw31ijsJR5nfX74zHYPhIvy.png?width=1200)

디오구 알메이다가 이끄는 신흥 AI 연구소 “타입세이프 AI”가 9월 15일(현지 시간)에 첫 번째 프로덕트 모델 “제브”를 발표했다. 조기 액세스 형태로 공개된 것이다. 공식 블로그에서 알메이다 본인이 초인적인 챗 모델이 등장했는데, AGI로 이어지지 않는 이유에 대해 끊임없이 고민해 왔다 밝혔다.

### 제가 만든 것은 ChatGPT의 기반을 만든 사람입니다.

알메이다 씨의 경력이 매우 흥미롭습니다. OpenAI에서 “InstructGPT”라는 논문의 공저자로서, 인간의 피드백을 바탕으로 AI를 훈련하는 방법, 즉 RLHF(Reinforcement Learning from Human Feedback)의 기초를 다지는 데 관여한 인물입니다. 즉, ChatGPT가 사람의 지시에 제대로 따르게 된 그 배경 기술을 만든 팀의 한 사람이라는 뜻입니다. 스스로는 “ChatGPT의 공동 창시자”라고 주장할 정도이니 상당한 자부심을 가지고 있을 거라고 생각합니다. 그런 알메이다 씨가 2024년에 OpenAI를 떠나 2년 간의 은신 기간을 거쳐 도달한 것이 이번의 제브(Jev)입니다.

### 💡 이름의 기원에 대한 발견이 있었다

“시스템 원”이라는 이름은 심리학자 다니엘 카네만의 ‘빠르고 느림’에서 유래한 것으로 보입니다. 직관적이고 빠른 “시스템 원”의 사고와 차분하게 생각하는 “시스템 두”의 사고, 바로 그 대조가 아닐까요. Jev라는 이름의 유래도 꽤 센스 있습니다. 19세기 경제학자 윌리엄 스탠리 제보네스에서 따왔다는군요. 증기기관의 효율이 높아지면서 오히려 석탄 소비량은 늘어났습니다. 효율화가 수요를 창출하는, 그런 현상을 지칭하는 “제보네스의 역설”을 기점으로 하고 있습니다. 지능의 비용이 한 단계를 낮아질 때마다 활용되는 경우는 오히려 늘어나는 것으로 보입니다. TypeSafe는 그렇게 기대하고 있는 모양입니다.

TypeSafe 공식 블로그 글에 알메이다 씨 본인의 말로 이 사태가 자세히 기록되어 있다.

## 무엇이 바뀌는가

![画像](https://assets.st-note.com/img/1789827658-ZkgCPy7SVaKMX24O8Ep9iLIA.png?width=1200)

제브(Jev)가 다른 점은 답변 생성 방식 자체가 다르다는 것입니다. 일반적인 LLM은 문장을 한 단어씩 순차적으로 생성해 나가는 방식이죠. 그래서 표현력이 뛰어나지만, 그만큼 시간과 비용도 많이 소모됩니다. 제브는 이를 과감하게 버렸습니다. 문자열을 생성하는 대신, 미리 정해진 형식의 답변(숫자, 확률, 카테고리 등)을 전부 모아서 병렬로 출력합니다.

### 📌 숫자 데이터로 확인하는, 이 정도의 차이

구체적인 숫자를 나열해 보면 그 차이가 명확하게 드러난다.

- 응답 속도는 프론티어 LLM이 3초에서 329초, Jev는 70밀리초에서 500밀리초가 소요됩니다.
- 비용: LLM의 입력을 100만 토큰당 0.20~10달러, 출력을 5배 수준으로 책정하며, Jev의 입력은 0.042달러, 출력을 무료로 제공합니다.
- 우리 회사의 업무 흐름 평가 결과, 최대 193.6배 더 빠르고 444.6배 더 저렴해진 사례도 있었다고 한다.

![画像](https://assets.st-note.com/img/1789828196-hayiwIZxXQSU0EH9LWOM5Bmb.png?width=1200)

물론 이것은 TypeSafe가 자체적으로 발표한 숫자이므로, 그대로 수용할 수 없습니다. 그래도 소수가 하나 또는 두 개 정도는 전달되는 것은 알 수 있습니다.

### 🔧 “형식을 벗어나지 않기”라는 발상

또 다른 중요한 점은, 해상 환각이 원리적으로 발생하지 않도록 설계되어 있다는 것입니다. LLM은 자유롭게 문장을 생성할 수 있는 만큼, 사실과 다른 내용을 말하거나, 지정한 형식을 무시하는 경우가 있습니다. Jev는 유형이 벗어나는 것이 원리적으로 발생하지 않는다는 구조로 만들어졌습니다. TypeSafe 또한, 이것은 실험으로 확인하는 것과는 무관하며, 수학적으로 보장된다고 설명하고 있습니다. 그 대신, Jev는 문장의 의미를 설명하거나, 복잡한 논리적 근거를 제시하는 데 어려움을 드러내는 듯합니다. 할 수 있는 것을 의도적으로 제한하고, 그 안에서는 절대 틀릴 수 없도록 하는 것입니다. 그런 식으로 판단하는 방식이라고 생각합니다.

## 이 기능은 어떻게 사용하는지

![画像](https://assets.st-note.com/img/1789827595-HGinJrMfCzS39eVolBaP8Z0D.png?width=1200)

### 분노한 고객을 식별하는 경우

매거진 Every.to의 기자가 직접 사용해보는 리뷰가 이미지를 잡는 데 아주 적당하다.

예를 들어 고객 지원 자동 배분을 만든다고 생각해 봅시다. 코드 안에서 Jev에게 “이 고객님, 화가 나셨어요?”라고 묻는다고 가정합니다. Jev는 0.9와 같은 확률을 숫자로 반환합니다. 즉, 9할 이상 화가 났을 것이라는 판단입니다. 0.9라는 답이 반환되면, 코드는 자동으로 해당 문의를 상사에게 이관하면 됩니다. 0.1이라면 우선순위를 낮춰 미루는 것으로 충분합니다. 🙆‍♂️ 이는 일반적인 챗봇으로는 오히려 역으로 하기 어렵습니다. 화가 났는지 물어봐도 장황한 정중한 위로와 제안 문구가 돌아다니기만 하고, 프로그램이 기대하는 0 또는 1의 숫자로는 되지 않습니다. 그대로라면 처리 속도가 멈추고 맙니다.

### 다음과 같은 활용법도 계속해서 확산되고 있습니다.

둠과 같은 슈팅 게임을 구동하는 데모, 위키피디아 링크를 따라 목적 페이지로 향하는 “위키 레이스” 데모, TypeSafe는 장난기 넘치는 실험도 다양하게 공개했다. 실용적인 면에서 보기에 엄청난 양의 데이터를 처리하는 데 강해 보이는 느낌이다. 예를 들어, AI 에이전트가 쏟아낸 결과를 뒤에서 끊임없이 확인하는 검증 역할을 하거나, 워크플로우의 분기점을 결정하는 “if 문 대신”처럼 사용하는 것이라고 생각한다. 실시간성이 요구되는 앱, 예를 들어 UX가 까다로운 제품의 뒤에도 적합해 보인다. 다만, 제작자들조차 인정하듯이 아직 얼리 액세스 단계이다. 공개된 벤치마크도 자사 평가가 중심이므로, 이 점을 감안해서 봐야 한다.

## 미셀의 시선

![画像](https://assets.st-note.com/img/1789827574-QjqFLtY8MVsbGhCiISdmKl73.png?width=1200)

이 자료를 조사한 결과, 제가 가장 흥미로웠던 점은 Jev가 똑똑한 AI를 목표로 하지 않는다는 점입니다. 오히려 반대로, 가능한 기능을 의도적으로 줄여서, 그 대신 압도적인 속도와 저렴한 가격을 확보하고 있다는 것입니다.

저는 평소에 시스템을 조합하여 자동화를 만드는 것을 좋아하는 유형이지만, 이 아이디어는 정말 뼈아프게 와 닿는 부분이 있었어요. 제가 잘하는 것만 따로 떼어내 여러 개 연결하는 것이 강한 시스템이 된다고 생각해요. 저 역시 그런 생각으로 일상적으로 업무에서도 많이 활용하고 있습니다.

예를 들어, 거대한 LLM에 전체적인 계획을 세워주고, 실제적인 세부적인 판단, 이 데이터가 맞는지, 이 처리는 다음 단계로 진행해도 되는지 같은 부분은 Jev와 같이 특화된 모델에 맡긴다. 그런 역할 분담이 가능하다면 🤝, 비용을 절감하면서 AI 에이전트를 대량으로 실행할 수 있게 될 것이다.

현재 생성 AI의 화제는 무심하게도 다음 모델이 누가 가장 현명한가라는 기준으로 논의되는 경향이 있다. Jev는 여기에 판단의 속도와 비용이라는 또 다른 축을 제시하며 등장했다는 인상이 있다. ChatGPT를 탄생시킨 장본인이 바로 ‘챗’이라는 형태 자체를 포기하는 것처럼 보이는 점이, 개인적으로는 굉장히 영향을 주고 있다고 생각한다.

아직 얼리 액세스이기 때문에 실제로 얼마나 오래 지속 가능한지는 미지수 부분이 많다. AI를 대화 상대로서만 사용하는 것뿐만 아니라 시스템의 일부 요소로 활용하는 아이디어는 앞으로 더 널리 퍼져나갈 것이라고 생각한다.

## 요약:

이번 주말에 츠키시마 료가 쓴 ‘가쿠부’의 두 번째 권을 읽을 예정입니다. 츠키시마 료는 ‘아사노 모모에’와 ‘나나’의 원작자이기도 하죠. ‘가쿠부’는 19세기 말 일본의 츠키시마 지역을 배경으로 한 미스터리 스릴러입니다.

특히, 이번 권에서는 주인공인 카구라가 츠키시마 지역의 유명한 무가인 ‘오카다 가’의 일원이 되는 과정이 묘사되어 있습니다. 오카다 가의 전통적인 무가 음악과 춤을 배우는 카구라의 모습은 매우 흥미롭습니다.

또한, 카구라가 오카다 가의 다른 구성원들과의 관계 속에서 벌어지는 미스터리한 사건들을 해결해 나가는 과정도 흥미진진합니다.

저는 ‘가쿠부’의 분위기와 츠키시마 료의 문체가 매우 마음에 들어서, 앞으로도 계속해서 이 작품을 읽어보고 싶습니다. 특히, 츠키시마 료의 다른 작품인 ‘아사노 모모에’와 ‘나나’를 읽어본 사람이라면 ‘가쿠부’의 매력을 더욱 깊이 이해할 수 있을 거라고 생각합니다.

![画像](https://assets.st-note.com/img/1789827553-9NF6wUyzucq3tRrnhEik0K1W.png?width=1200)

제브는 텍스트를 생성하지 않고 대신 압도적인 속도와 저렴한 가격으로 판단을 내리는 새로운 유형의 AI 모델이었다. ChatGPT의 기반 기술을 만든 본인이 오히려 챗봇 외적으로 활로를 찾았다는 점 역시 이야기로서 매우 상징적이라고 생각한다.

만약 자신 안에 비용이 합당하지 않아 포기했던 자동화 아이디어가 있다면, Jev와 같은 전용 모델의 등장으로 인해 다시 현실화될 가능성이 있다. 한 번 버린 프롬프트나 처리 흐름이 있다면, 삭제하지 않고 보관하는 것이 좋다고 생각한다.

앞으로 공개 벤치마크나 실제 도입 사례가 더욱 많아질 것으로 예상하므로, 이 부분도 꾸준히 지켜보면서 분석해 나가고 싶습니다.

미셀 - 판단 속도를 내는 AI도 나쁘지 않다

AI #생성AI #챗GPT #OpenAI #기술 #AI뉴스 #자동화 #워크플로우 #스타트업 #Jev #TypeSafeAI #SystemOneModel

**출처:** [note 원문](https://note.com/miccell/n/n50b6ec03f641)

*번역: Gemma 3(.44) 초벌 + 교정 27청크*

[원문 보기](https://note.com/miccell/n/n50b6ec03f641) | 출처: note.com