# Jev란 무엇인가?｜ChatGPT와는 완전히 다른 ‘대화하지 않는 AI’ 입문 강좌

> https://bookfactory.kr/board/news/18157
> 게시판: 뉴스
> 작성자: admin
> 작성일: 2026-09-23T02:31:23.144Z

---

![見出し画像](https://assets.st-note.com/production/uploads/images/316085716/rectangle_large_type_2_3efd9f4ce378c2ef9a98eac699ae4113.png?width=1280)

요즘 자주 화제가 되는 'Jev'가 대체 뭘까? 하고 新에게 들은 이야기가 재미있어서 공유합니다. 저와 함께 '아는 척'해 봅시다.

9월 16일에 이런 포스트가 올라왔습니다.

> 
> 
> ChatGPT를 공동 발명한 이후, 저는 계속 스스로에게 물었습니다. 왜 초인급 채팅 모델들이 AGI로 이어지지 않았을까?
> 저는 지난 2년간 비공개로 모델을 훈련하는 새로운 방식(RLCD)과 오늘 저희가 공개하는 새로운 유형의 프론티어 AI 모델을 구축해 왔습니다: Jev
> • 20-200배 더 빠름
> • 40-400배…
> pic.twitter.com/JSybNG2BKJ — Diogo Almeida (@CompleteSkeptic) 2026년 9월 15일
> 

이게 뭘까 싶어 보고 있었는데, 요즘 화제가 되고 있길래 新에게 자세히 물어봤습니다. ※이 기사는 2026년 9월 21일 시점의 정보를 바탕으로 합니다.

## 요즘 자주 보이는 Jev가 도대체 뭐야?

![画像](https://assets.st-note.com/img/1789997545-36Aefbg7FNZuRntEQa1J8PGw.png?width=1200)

먼저 결론부터 말하자면, Jev는 ChatGPT나 Claude처럼 인간과 대화하기 위한 AI가 아니다.

글을 읽고 "이것은 어떤 종류인가", "어느 정도 해당하는가", "다음에는 어디로 나아갈 것인가"와 같은 판단을 내놓는 AI다. 게다가 내놓은 답은 사람이 읽는 문장이 아니라 소프트웨어가 그대로 사용할 수 있는 데이터로 되어 있다. 여기가 Jev를 이해하는 첫 입구가 된다.

이 기사는 2026년 9월 21일 현재의 공개 자료를 바탕으로 작성되었다. Jev는 공개된 지 얼마 되지 않아 향후 사양이 변경될 가능성이 있다.

## Jev는 “글을 쓰는 AI”가 아니다

Jev는 TypeSafe AI가 2026년 9월 15일에 발표한 최초의 “System One Model”이다.

공식 설명에 따르면, 입력된 문장이나 데이터를 읽고 미리 정해진 형식으로 판단과 확률을 반환하는 모델이라고 한다.

예를 들어, 기업에 다음과 같은 문의가 들어왔다고 가정해 보자.

> 
> 
> 3일 전부터 결제 시스템과의 연동에 실패하고 있습니다. 매출에도 영향이 미치고 있습니다. 긴급히 확인해 주세요.
> 

ChatGPT라면 상황을 설명하거나 답장을 만들거나 가능한 원인을 나열할 수 있다. Jev에는 그 대신 질문과 답변 후보를 준비한다.

![画像](https://assets.st-note.com/img/1789997661-xRAWs70nPfEDriBKVSZTwQmG.png?width=1200)

그러면 Jev는 예를 들어 다음과 같은 결과를 반환한다.

“불편하시겠네요. 먼저 설정을 확인해 주세요”라고 답하지 않는다. 대신 문의 관리 시스템은 이 데이터를 보고 자동으로 기술 부서의 긴급 큐로 보낼 수 있다.

나라면 Jev를 "문장의 의미를 읽을 수 있는 매우 빠른 판정 부품"이라고 설명하겠다. 똑똑한 챗봇이라기보다는 프로그램의 분기에 AI의 판단을 넣기 위한 모델이다.

## 세 가지 질문 형식

현재 Jev가 제공할 수 있는 답변에는 기본이 되는 세 가지 형식이 있다.

![画像](https://assets.st-note.com/img/1789997689-T4uFz1C6hVSatnbG9rY7gcIy.png?width=1200)

Choice라면, 선택된 답뿐만 아니라 각 선택지의 확률과 확신도도 반환한다.

스코어는 ‘낮음·중간·높음’과 같은 단계를 직접 정하고, 그 사이 어디에 해당하는지를 수치로 반환한다.

Noul은 '예'일 확률을 0부터 1까지의 값으로 반환한다. 0.95라면 강한 '예', 0.05라면 강한 '아니요', 0.5 근처라면 판단을 내리지 못한 것으로 해석할 수 있다.

공식 문서에서는 복잡한 문제를 한 번에 생각하게 하는 것보다, ‘긴급성이 있는가’, ‘환불을 요구하고 있는가’, ‘어느 부서 담당인가’와 같은 작은 질문들로 분해하는 방식이 권장되고 있다.

## 왜 빠른가

평소에 사용하는 LLM은 문장을 한 토큰씩 순서대로 생성한다.

앞서 출력한 단어를 받아 다음 단어를 결정하기 때문에, 긴 문장을 쓸수록 시간과 계산량이 많이 필요하다. 소프트웨어에서 사용할 경우에는, 반환된 문장에서 필요한 답을 추출하고 지정된 형식을 지키고 있는지 확인하는 처리도 필요하다.

Jev는 자유로운 문장을 만들지 않는다. 답의 형태는 처음부터 정해져 있다. 여러 질문도 동일한 입력에 대해 병렬로 평가한다.

TypeSafe AI는 Jev의 응답 시간이 약 70~500밀리초이며, System One형 업무에서는 기존 LLM보다 40~200배 빠르다고 설명하고 있다. 입력 100만 토큰당 0.042달러이며, 출력은 무료이다.

“어떤 일이든 ChatGPT보다 200배 빠르다”는 의미가 아니다.

분류, 채점, 배분과 같은 Jev에 특화된 업무로 비교한 수치다. TypeSafe AI 자체도 자사 평가이며, 공개하고 있는 큰 성능 차이는 실제 이용 사례 중에서도 높게 나온 결과라고 설명하고 있다.

대화나 소설, 복잡한 추론을 200배 빠르게 할 수 있는 모델이 아니다. 그런 작업을 버리고 한정된 판단에 특화했기 때문에 빠른 것이다.

## “인간의 뇌 자체를 모델로 삼은 AI”인가

Jev에 대해서는 "인간의 뇌 자체를 모델로 한 것"이라는 설명도 눈에 띈다. 현재의 공식 자료에서는 그 정도까지는 읽어낼 수 없다.

System One이라는 이름은 대니얼 카너먼의 『생각에 관한 생각』으로 널리 알려진, 인간의 빠르고 직관적인 사고인 ‘시스템 1’에서 따온 것이다.

Jev는 시간을 들여 복잡한 문제를 생각하는 모델이 아니라, 재료가 주어지면 짧은 판단을 빠르게 내놓는다. 그 역할을 인간의 시스템1에 빗댄 것일 뿐, 인간의 뇌를 재현했다는 설명이 아니다.

공식 발표에서는 새로운 모델 구조, 병렬 샘플러, ‘RLCD(Reinforcement Learning for Calibrated Decisions)’라는 학습 방법을 사용했다고 밝히고 있다. 핵심은 뇌의 재현이 아니라 확률이 부여된 판단을 소프트웨어에 직접 전달하는 설계다.

## “할루시네이션 0%”라면 틀리지 않는 걸까

여기는 Jev의 설명에서 가장 오해하기 쉬운 부분이다.

TypeSafe AI는 '할루시네이션이 없다'고 홍보하고 있다. 하지만 이는 'Jev의 판단은 반드시 맞는다'는 의미가 아니다. 공식 블로그에는 0%라는 숫자는 실제로 측정한 오답률이 아니라, 지정한 출력 형식과 반드시 일치하는 것이 보장되기 때문이라고 쓰여 있다. 사지선다 문제로 생각하면 이해하기 쉽다. Jev는 A부터 D까지밖에 없는 문제에서 갑자기 긴 작문을 시작하거나 '답은 E입니다'라고 답하지 않는다. 반드시 A부터 D 중에서 답한다. 다만 A가 정답인 문제에서 B를 고를 수는 있다. 존재하지 않는 선택지를 만들어내지 않는다. 지정된 데이터 형식을 깨뜨리지 않는다. 그런 점에서는 자유로운 문장을 생성하는 LLM보다 소프트웨어에 내장하기 쉽다.

한편, 문의를 오해하거나 잘못된 분류를 선택할 가능성은 남아 있다. “할루시네이션 0%”보다는 “출력 형식 오류가 0%”라고 해석하는 편이 실태에 가깝다.

## 확률이 높으면 신뢰할 수 있는가

Jev는 답과 함께 확률이나 확신도를 반환한다. 이를 활용하면 확신도가 높은 사안만 자동 처리하고, 중간 정도이면 사람에게 확인을 요청하고, 낮으면 중단하는 설계를 할 수 있다. 그럼에도 확신도가 0.95인 한 건이 95%의 확률로 정확하다고 단순하게 말할 수는 없다.

확률 보정은 수많은 유사한 예측을 묶어 살펴보았을 때 높은 확률을 매긴 그룹일수록 실제 정답률도 높아지도록 조정하는 것이다. 개별 답변의 정확성을 보장하는 숫자가 아니다.

현재 Jev 1.13은 작성된 질문을 상당히 문자 그대로 해석한다. 계산, 개수 세기, 날짜 비교에도 약하다. 관련 없는 정보를 대량으로 넣으면 정확도가 떨어지고, 입력 내 악의적인 지시에 영향을 받을 가능성도 있다. 공식 약점 목록에는 이러한 점도 솔직하게 적혀 있다.

영어가 주요 학습 언어이며, 일본어를 포함한 CJK 문자는 영어와 동일한 품질이라고는 할 수 없다. 일본어로 사용할 경우에는, 출력된 확률을 살펴보는 데 그치지 않고 일본어의 실제 데이터로 검증할 필요가 있다.

## Jev는 제멋대로 행동하는 AI가 아니다

Jev 단독으로 메일을 보내거나 주문을 중단시키거나 기계를 움직이는 것은 아니다. Jev가 내놓는 것은 판단 결과다. 그 결과를 받은 주변 프로그램이 실제 처리를 수행한다. 그래서 위험성을 볼 때도 ‘말하지 않는 AI가 갑자기 행동한다’고만 생각해서는 다소 거칠다. 봐야 할 것은 누가 선택지를 정했는지, 어느 수준의 확신도부터 자동 실행하는지, 틀렸을 때 멈출 수 있는지, 어떤 권한과 연결되어 있는지다. 판단을 틀리더라도 확인 화면 하나를 다르게 표시하는 정도라면 되돌릴 수 있다. 송금, 채용, 부정 판정, 의료 같은 처리와 직결시키면, 같은 한 번의 오판이라도 의미가 달라진다. Jev의 속도와 저렴함은 판단을 대량으로 처리할 수 있다는 뜻이기도 하다. 설계가 나쁘면, 실수도 같은 속도로 확산된다.

## AI 파트너와는 관계가 없는 것인가

Jev 자체는 AI 파트너가 되지 않는다. 자유로운 문장을 만들지 않고, 대화를 이어가지 않으며, 인격을 드러내는 말도 돌려주지 않기 때문이다. 다만, AI 파트너의 이면으로 들어갈 가능성은 있다. 어떤 기억을 대화로 꺼낼지, 어떤 도구를 사용할지, 고성능 추론 모델로 전환할지, 답변을 그대로 내놓을지 확인 단계로 넘길지. 이러한 작은 판단에 Jev와 같은 모델을 사용하는 것은 생각해 볼 수 있다. 그 경우 사용자가 대화하고 있는 상대는 지금까지와 같은 생성 AI로 보인다. 그러나 대화에 무엇을 가져오고, 어디에서 멈추고, 다음에 무엇을 할지는 겉으로 보이지 않는 다른 모델이 고르고 있을지도 모른다.

내가 Jev에 관해 신경 쓰이는 것은 대화 AI를 대신할 수 있는지 여부가 아니다. 지금까지 채팅창에 보였던 AI의 판단이 소프트웨어 내부로 들어가 인간에게는 결과만 보이게 된다는 점이다.

Jev에 대해 처음 짚어둘 것은 세 가지면 충분하다.

- 글을 쓰는 AI가 아니라, 판단을 내리는 AI
- “할루시네이션 0%”는 “오답 0%”가 아니다
- Jev 단독으로 행동하는 것이 아니라, 주변 프로그램이 판단을 내린다

이 세 가지를 이해하고 있으면, “LLM이 아니다”, “200배 빠르다” 같은 말을 보더라도 무엇이 빠른지, 무엇을 버렸는지, 어디에 주의해야 하는지를 놓치지 않을 수 있다.

## 주요 참고 자료

- TypeSafe AI: System One Models & Jev 소개
- 타입세이프 인공지능 문서: 시스템 원
- TypeSafe AI Docs: 프리미티브
- TypeSafe AI Docs: 신뢰도
- 안녕하세요! 번역해 드리고 싶은데 61/66에 해당하는 일본어 원문 본문이 함께 전달되지 않았어요. 원문을 붙여넣어 주시면 바로 자연스럽고 정확한 한국어로 번역해 드릴게요.

## 마쓰다의 소감

테츠메모님과 니나가와님이 Dev 활용법 등에 대해 포스트했으므로, 여기에서도 자세히 배우실 수 있습니다.

> 
> 
> 📝Jev는 대단해 보이는데, Jev 사례가 많은 가운데 가장 궁금한 건 결국 이런 거잖아요. "그래서 Jev를 도대체 어떻게 쓰면 되는 거야?"라는 질문에 정통으로 답해주는 기사. 감사합니다! https://t.co/JgvLeutoFu pic.twitter.com/CrDByCBw5v — 테츠메모|AI 도해×검증|뉴스레터 (@tetumemo) 2026년 9월 20일
> 

> 
> 
> Jev라는 것이 화제인데, 접하게 되는 정보는 개요나 응용뿐이고 정작 중요한 ‘어떻게 하면 사용할 수 있는지’를 모르겠다😇는 분들을 위해 Qiita 글을 남겨 두었습니다. 아주 간결한 입문 글입니다. #Jev 5분 만에 Jev 입문(바로 사용하기) https://t.co/DV9fipISfX #Qiita — 二名川 (@Ninagawa123) September 19, 2026
> 

약 17,000 tokens/sec이 도대체 얼마나 빠른지 체험할 수 있는 챗은 여기입니다.

![画像](https://assets.st-note.com/img/1789998198-LQFewbNClYWhgdktPR4mfTUv.png?width=1200)

**출처:** [note 원문](https://note.com/paopaocafe/n/n8f96a683ee90)

*번역: Gemma 3(.44) 초벌 + 교정 38청크*

[원문 보기](https://note.com/paopaocafe/n/n8f96a683ee90) | 출처: note.com