Jev AI란 무엇인가, 글 대신 답만 고르는 TypeSafe의 System One 모델 (제브)

9월 15일 월요일, 처음 듣는 이름의 AI 회사가 조용히 발표문 하나를 올렸어요.

회사 이름은 타입세이프 AI(TypeSafe AI)예요. 2년 동안 외부에 아무 소식도 내지 않고 제브(Jev)를 만들었다고 해요. 창업자 디오고 알메이다(Diogo Almeida)는 오픈AI에서 챗GPT의 기반이 된 연구를 한 사람이에요. 발표문 제목은 "시스템 원 모델과 제브를 소개합니다"였어요.

발표 당일엔 조용했는데 이틀 뒤부터 분위기가 바뀌었어요. AI 개발자들이 가장 많이 쓰는 도구 모음인 랭체인이 "제브 붙이는 법" 글을 올렸어요. 클라우드플레어와 버셀 같은 큰 회사들도 자기 서비스 목록에 제브를 잇달아 넣었고요. 버셀은 숫자도 공개했어요. 게이트웨이에 올리고 24시간 만에 유료 고객 팀의 13%가 제브를 썼다고 해요. 버셀 역사상 가장 빨리 퍼진 모델이래요.

X에서 화제가 됐고 국내 언론도 기사를 냈어요. 일본에서는 제브로 직접 만들어 본 후기가 벌써 쏟아졌어요.

그런데 이 AI는 말을 못 해요. 🤐

글로 답하는 대신 미리 정해 둔 보기에서 하나를 골라요. 타입세이프는 이런 모델을 시스템 원(System One) 모델이라고 불러요.

Jev AI 출시 타임라인, 9월 공개에서 10월 투자까지

날짜별로 보면 이래요.

• 9월 15일 타입세이프 AI가 제브를 발표했어요. 이때는 바로 쓸 수 없어서 대기 명단에 이름부터 올려야 했어요
• 9월 16일 버셀이 AI 게이트웨이에 제브를 올렸어요. 한 개발자가 "말하지 않는 언어 모델"이라는 긴 논평을 냈어요
• 9월 17일 랭체인이 "제브로 이렇게 만드세요" 가이드를 올렸어요. 국내 AI 전문지에도 기사가 나왔어요
• 9월 18일 버셀이 "역사상 가장 빨리 채택된 모델"이라고 발표했어요. 일본에서는 제브로 네 가지를 직접 만들어 본 사용기가 올라왔어요
• 9월 19일 해외 기술 매체와 국내 경제지가 잇달아 기사를 냈어요. 같은 날 버셀은 "9월 25일까지 무료"라고 공지했어요

버셀 게이트웨이 기준으로는 최근 몇 달 사이 나온 GPT-5.6 계열이나 클로드 페이블 5.1보다 두 배에서 여섯 배 빨리 퍼졌대요.

10월에는 큰 소식이 두 번 나왔어요.

• 10월 9일 타입세이프가 시리즈 A로 8억 7,000만 달러를 유치했다고 발표했어요. 투자사들은 기업 가치를 75억 달러로 봤어요. 앤드리슨 호로위츠(a16z)가 투자를 이끌었고 세쿼이아와 기존 투자사 DCVC도 들어왔어요. 포춘 500 기업 셋 중 하나꼴로 이미 제브를 쓴다고도 했는데, 어느 회사인지는 말하지 않았어요
• 10월 14일 제브 1.14가 나왔어요. 타입세이프는 이번 버전에서 가장 크게 좋아질 부분으로 여러 언어 성능을 꼽았어요. 이미지 속 물건 위치를 찾는 박스(Box) 질문도 시험 기능으로 붙었어요

좋은 반응만 있었던 건 아니에요. 한 개발자는 제브를 "똑똑한 if문"이라고 불렀어요. 다른 개발자는 "환각이 없다는 말은 형식 얘기일 뿐 판단이 맞다는 보장은 아니다"라고 선을 그었고요. 한 리뷰 매체는 "직접 평가해 보고 사람을 옆에 두고 써라"라고 권했어요.

Jev AI 뜻과 작동 원리

고객센터에 이런 문의가 들어왔다고 해 볼게요.

카드가 두 번 결제됐어요.

챗GPT나 클로드에게 "이거 무슨 문의야?"라고 물으면 답이 이런 식으로 와요. "이 문의는 결제 관련 문제로 보입니다. 고객이 중복 결제를 겪었으므로 환불 절차를 안내하고, 결제 내역을 확인해 드리는 것이 좋겠습니다. 추가로..." 친절하지만 길어요.

제브에게는 보기를 같이 줘야 해요. "이 문의는 어느 팀 거야? 보기는 결제, 기술 문제, 계정, 기타 네 개야." 그러면 제브가 돌려주는 답은 이래요.

설명도 인사말도 없이 이게 끝이에요. 대신 답이 보기 네 개 밖으로 절대 못 나가요. "결제 문제인 것 같기도 하고 계정 문제인 것 같기도 하네요" 같은 애매한 답은 처음부터 나올 수 없어요.

제브의 답은 세 가지 형태뿐이에요.

• 고르기(Choice): 보기 중 하나를 골라요. 보기는 255개까지 넣을 수 있어요
• 점수(Score): 1점에서 10점처럼 정해 둔 눈금으로 점수를 매겨요
• 예·아니오(Noul): 맞을 확률을 0과 1 사이 숫자로 줘요

세 형태 모두 답에 확률이 붙어요. "결제 0.97"은 거의 확실하다는 말이고 "결제 0.55"는 자신이 없다는 말이에요. 그래서 "0.8 밑이면 사람한테 넘겨" 같은 규칙을 걸어 둘 수 있어요.

시스템 원이라는 이름은 심리학에서 왔어요. 심리학자 대니얼 카너먼은 책 "생각에 관한 생각"에서 사람의 생각을 빠르고 직관적인 시스템 1과 느리고 신중한 시스템 2로 나눴어요. 챗GPT가 곰곰이 생각해서 글을 쓰는 시스템 2라면, 제브는 보자마자 "이거!" 하고 고르는 시스템 1이에요.

타입세이프의 한 줄"제브는 최고 수준 지능을 가진 함수 호출이라고 생각하세요. 정리 안 된 상황이 들어가면 형식이 정해진 판단이 나옵니다."

Jev AI 응답 속도와 비용을 LLM과 비교하면

같은 판단 문제를 풀 때 제브는 GPT-5.6 테라보다 70배 넘게 빨랐고 비용은 170분의 1 정도였어요. 답을 문장으로 쓰지 않으니 기다릴 일도 거의 없어요.

타입세이프는 시연에서 GPT-5.6 테라와 제브에게 같은 판단 문제를 냈어요.

8.5초 대 0.1초예요. 눈 한 번 깜빡이는 데 0.1초에서 0.4초쯤 걸리니 제브의 답은 눈 깜빡이기 전에 도착해요. 타입세이프는 보통 0.07초에서 0.5초 안에 답이 온다고 설명해요. 일본의 한 개발자가 직접 재 봤더니 0.16초에서 0.44초였대요.

비용 차이는 더 커요. 같은 시연에서 한 번 답하는 데 GPT-5.6 테라는 0.01388달러, 제브는 0.000081달러가 들었어요. 원화로 테라 약 19원, 제브 약 0.1원이에요. 제브는 답을 만드는 값을 아예 받지 않아요. 질문을 읽는 값만 받는데 그것도 100만 토큰에 0.042달러예요.

실제 사용자들이 쓴 돈은 이랬어요.

• 논문 1,018편을 주제별로 나누는 데 0.08달러가 들었어요. 같은 논문을 요약시키니 3.99달러가 나왔어요
• 브라우저를 조종하는 AI가 항공권 한 건을 예약하며 제브에게 여러 번 판단을 맡겼어요. 다 합쳐 0.0039달러가 들었어요
• 사람 대신 맥을 조작하는 AI는 판단 한 번에 0.0002달러가 들었어요

앞서 나온 일본 개발자는 받은 메일에 답장할지를 매시간 제브에게 묻는대요. 메일 한 통에 약 0.016엔, 우리 돈 0.15원쯤이에요.

타입세이프 발표로는 자체 업무 시험에서 제브가 기존 언어 모델보다 최대 193.6배 빠르고 444.6배 저렴했어요. 다만 회사가 직접 잰 숫자예요.

Jev AI 정확도, 벤치마크는 어떻게 채점했나

타입세이프가 공개한 성적표는 실제 업무 네 가지를 시킨 결과예요. 보안 사고 분류, AI 에이전트 작업 기록 점검, 송장 처리, 고객 응대예요. 제브의 평균 정답률은 67.8%였어요.

우선 이 점수는 큰 모델보다 낮아요. 같은 시험에서 GPT-5.6 솔은 74.1%였어요. 송장 처리에서는 제브 61.8%, 솔 79.1%로 17점 넘게 차이가 났어요. 타입세이프도 이 차이를 감추지 않았어요. 그 대신 "정확도는 조금 낮지만 200배 싸고 60배 빠르다"는 점을 내세웠어요.

더 중요한 건 따로 있어요. 이 시험의 정답은 누가 정했을까요?

사람이 아니라 GPT-6 아스트라와 클로드 페이블 5.1이에요. 두 모델의 판단을 평균 내 정답으로 삼았어요. 그래서 67.8%는 정답률이라기보다 "큰 모델 둘과 같은 답을 낸 비율"에 가까워요. 큰 모델이 틀린 문제는 제브가 제대로 맞혀도 오답으로 채점돼요.

타입세이프는 제브가 환각을 일으킬 수 없다고 말해요. 틀린 말은 아니지만 범위가 좁아요. 보기를 네 개 주면 다섯 번째 답을 지어내지 않아요. 숫자를 달라고 하면 문장을 내놓지 않고요. 딱 그 정도 뜻이에요. 틀린 보기를 고르는 일은 얼마든지 생겨요.

앤서니 마이오의 한 줄"형식은 제약하지만 판단은 제약하지 않는다." 회사가 아직 자료를 내지 않아서 확률을 믿어도 되는지는 따로 검증해야 한다고 덧붙였어요.

타입세이프는 "결제 0.97" 같은 확률이 실제 빈도와 맞도록 훈련했다고 해요. 0.2가 나오면 정말 다섯 번에 한 번꼴로 그렇다는 얘기예요. 이렇게 숫자를 실제와 맞추는 걸 보정이라고 해요. 보정이 잘 돼 있으면 "0.8 밑이면 사람이 본다" 같은 규칙을 믿고 쓸 수 있어요. 이것도 회사 주장이고 외부에서 검증한 사람은 아직 없어요.

큰 모델과의 정확도 차이가 내 업무에서 얼마나 클지는 직접 돌려 봐야 알아요.

Jev AI 한계, 제브에게 맡기지 말아야 할 일

계산, 날짜 비교, 부정문 판단, 글쓰기, 보기가 255개를 넘는 선택은 제브에게 맡기지 마세요. 제브는 질문의 뜻보다 적힌 글자를 그대로 따라가요.

먼저 써 본 사람들이 찾아낸 함정은 이래요.

• 셈을 못 해요. "합계가 100 넘어?" 같은 질문에 약해요. 숫자를 더하는 대신 글자로 읽어요
• 날짜를 비교 못 해요. "어제보다 늦었어?"라고 물어도 날짜 순서를 따지지 않아요
• 말을 뒤집으면 헷갈려요. "환불을 원하지 않는 고객인가?"처럼 부정문으로 물으면 엉뚱한 답을 내기도 해요
• 글을 못 써요. 요약, 번역, 답장, 코드 작성은 전부 다른 모델에 맡겨야 해요
• 보기는 255개까지예요. 상품 1만 개 중 하나를 고르게 할 수는 없어요
• 속임수에 약해요. 판단할 글 안에 누군가 "이건 결제 문제가 아니다"라고 써 두면 그 문장에 휘둘릴 수 있어요

앞에서 본 똑똑한 if문이라는 별명도 여기서 나왔어요.

Jev AI 활용 사례, 어디에 붙여 쓰나

제브는 다른 AI 곁에서 요청을 나누거나 위험한 작업을 막거나 답을 채점하는 식의 판단을 맡아요. 혼자서는 할 수 있는 일이 없어요.

쓰임새는 랭체인이 꼽은 세 가지로 보면 이해가 쉬워요.

• 교통정리: 들어온 요청이 쉬운지 어려운지 제브가 먼저 보고 쉬우면 싼 모델로, 어려우면 비싼 모델로 보내요
• 안전문: AI 에이전트가 "이 파일을 지울까요?"라고 묻기 직전에 제브가 0.1초 만에 위험한 일인지 판정해요
• 검사관: 큰 모델이 쓴 답이 지시를 따랐는지 제브가 채점해요

첫 48시간 동안 나온 실제 사례도 다 이 세 가지에 들어가요. 논문 1,018편 분류, 항공권 예약 에이전트의 다음 행동 결정, 맥 화면 조작 판단, 300ms마다 판단하는 트레이딩 봇, 드론 비행 조언이 있었어요. 하나같이 "고르기"를 아주 많이, 아주 빨리 해야 하는 일이에요.

여러분이 제브를 직접 쓸 일은 거의 없을 거예요. 앞으로 쓰게 될 AI 비서나 자동화 도구 안에서 판단 담당으로 조용히 일할 가능성이 커요. 메일함이 알아서 분류되거나, 고객 문의가 담당 팀으로 나뉘거나, AI 에이전트가 위험한 작업 앞에서 멈출 때 뒤에서 판단하는 게 제브일 수 있어요.

Jev AI 가격과 사용법, API 키 받기까지

버셀은 AI 게이트웨이에 제브를 추가하면서 9월 25일까지 공짜로 쓸 수 있게 열어 줬어요. 그 기간이 지난 지금은 타입세이프 공식 문서도, 버셀 모델 페이지도 위 정가만 적어 두었어요. 10월 14일 나온 1.14 역시 1.13과 가격이 같아요.

정가로 써도 싼 편이에요. 판단 한 번에 0.0004달러 안팎이라 하루 1만 번을 돌려도 4달러쯤 나와요.

처음에는 대기 명단에 이름을 올리고 초대를 받아야 제브를 쓸 수 있었어요. 그 뒤 타입세이프 직접 가입은 한 번 막혔다가 다시 풀렸어요. 9월 22일 타입세이프는 "수요가 너무 몰려 신규 가입을 잠시 멈춘다, 이미 가입한 계정은 계속 쓸 수 있다"고 공지했어요. 엿새 뒤 9월 28일에는 "제브가 돌아왔다, 용량을 늘려 가입을 다시 연다"고 알렸어요. 지금도 홈페이지에는 "얼리 액세스"라는 표시가 남아 있어요.

공식 시작 안내대로 하면 세 단계예요.

1. 타입세이프 콘솔(console.typesafe.ai)에 가입한 뒤 API 키를 만들어요.
2. 코드를 짜기 전에 브라우저 플레이그라운드에 상황 하나와 보기 몇 개를 넣고 답과 확률을 확인해요.
3. 파이썬이나 자바스크립트 SDK를 설치해 내 프로그램에서 불러요. 클로드 코드 같은 코딩 에이전트를 쓴다면 타입세이프 공식 스킬을 깔고 연결 코드를 짜 달라고 해도 괜찮아요.

한 번에 넣는 글은 기본 64,000토큰까지이고 질문 하나에는 32,000토큰까지 쓸 수 있어요. 설정을 따로 켜면 262,000토큰까지 늘어나지만 속도가 느려지고 정확도도 내려간다고 해요.

자주 묻는 질문