Jev 모델이란 — 텍스트를 생성하지 않는 AI, TypeSafe System One의 주장과 조건

1. 핵심 요약

용어를 먼저 정합니다. System One 모델은 TypeSafe AI가 붙인 이름으로, 심리학자 대니얼 카너먼의 "빠르고 직관적인 사고(System 1)"에서 따왔습니다. 개발사의 정의는 "소프트웨어가 바로 쓸 수 있는 빠르고 구조화된 결정을 내리도록 만든 프론티어 모델"입니다 [2]. Jev는 그 첫 모델의 이름입니다. 구조화된 결정이란 "이 문의는 환불·배송·기타 중 어디인가", "이 로그는 1~5점 중 몇 점인가", "이 주장은 근거와 맞는가" 같은 답이 미리 정해진 형태의 질문입니다. RLCD(Reinforcement Learning for Calibrated Decisions)는 개발사가 Jev를 학습했다고 밝힌 방법의 이름으로, 발표문은 "System One 작업에서 인식론적으로 정직한 확률을 내도록 최적화했다"고만 적었고 논문이나 기술 보고서는 공개되지 않았습니다.

이 글의 수치는 개발사 홈페이지·문서·평가 페이지에 적힌 값 그대로이며, 배수는 개발사가 계산한 값입니다. 자체 측정은 없습니다.

2. Jev와 System One 모델은 무엇인가

보통의 LLM은 어떤 질문을 받아도 토큰을 한 개씩 순서대로 생성해서 답합니다. 분류 질문에도 "이 문의는 환불 요청으로 보입니다. 왜냐하면…" 하고 문장을 씁니다. 개발사는 이것을 "자기회귀 생성에 높은 세금을 낸다"고 표현합니다 [6]. 답이 한 단어면 되는 질문에도 문장 길이만큼의 시간과 토큰을 쓴다는 뜻입니다.

Jev는 이 생성을 포기합니다. 문서의 표현대로 System One 모델은 "답장을 쓰지 않고, 코드를 만들지 않고, 자기 추론의 설명을 생성하지 않습니다" [2]. 대신 미리 정한 선택지별 확률 분포를 반환합니다. 선택지가 세 개면 세 개의 확률이, 5단계 점수면 다섯 개의 확률이 나옵니다. 코드는 그 확률을 읽어 분기하면 됩니다.

회사 배경도 적어 둡니다. 창업자 Diogo Almeida는 OpenAI 출신으로, 사람의 피드백으로 언어 모델을 조정하는 방법을 정리한 InstructGPT 논문(arXiv 2203.02155)의 공저자입니다. 이 사실은 arXiv 저자 명단에서 확인했습니다 [7]. The Register는 회사가 4,000만 달러를 조달했다고 보도했습니다 [5]. Jev는 2026-09-17 현재 대기 명단을 통한 얼리 액세스 상태이고, Python·JavaScript SDK와 HTTP API가 문서화되어 있습니다 [2].

3. API로 보면 — 세 가지 질문과 두 가지 숫자

문서 기준으로 질문 유형은 세 가지이며, 세 유형 모두 같은 입력 형식을 사용합니다. 판단할 대상인 state(문자열, JSON 객체, 배열)와 질문 하나 이상을 보냅니다 [2].

Choice와 Score가 돌려주는 숫자는 두 종류입니다. probabilities는 선택지 전체에 걸친 확률 분포이고, confidence는 문서의 표현으로 "모델 답변의 확률 분포에서 계산한 통계값"입니다 [2]. Noul은 확률 하나만 돌려주므로 confidence가 따로 없습니다. 분포가 한 선택지에 몰려 있으면 confidence가 높고, 퍼져 있으면 낮습니다. 문서는 confidence를 세 구간으로 나눠 쓰라고 권합니다. 높으면(고위험 작업이면 0.9 이상) 자동 처리, 중간이면 확인을 거치고, 낮으면(0.5 미만) 사람이나 다른 시스템으로 넘기라는 것입니다. 단, "올바른 임계값은 도메인과 그 용도에서의 모델 성능에 따라 다르다"고 못박았습니다 [2].

4. 개발사가 낸 숫자와 그 조건

숫자는 세 곳에 흩어져 있습니다. 홈페이지의 배수, 가격표, 그리고 별도 도메인의 평가 페이지입니다. 각각 조건이 다릅니다.

홈페이지의 배수

홈페이지는 "193.6배 빠르고 444.6배 싸다"를 내걸고 "System One 작업의 워크플로 기준"이라는 각주를 달았습니다 [1]. 발표문은 이 값이 아래 평가 페이지의 워크플로 비교에서 나왔다고 밝혔습니다 [1]. 평가 표로 계산해 보면(이 글의 파생값) Jev의 0.4초 대 Claude Sonnet 5의 78.1초가 약 195배, Jev의 0.0004달러 대 Claude Opus 5의 0.1761달러가 약 440배로, 홈페이지 수치와 같은 자릿수입니다. 표의 값이 반올림된 것이라 소수점까지 일치하지는 않습니다. 즉 속도는 표에서 가장 느린 모델, 비용은 가장 비싼 모델과 비교한 배수입니다. 같은 표의 Terra와 비교하면 약 25배 빠르고 76배 쌉니다.

홈페이지의 배수 옆에는 작은 비교표가 하나 더 있습니다. 한 건당 0.000081달러·0.114초(TypeSafe)와 0.01388달러·8.566초(LLM)입니다. 이것은 배수의 근거가 아니라 영상 데모의 값입니다 [1]. The Register는 발표문의 Doom 데모(게임 상태를 보고 다음 행동을 고르는 시연)에서 Jev가 0.114초, GPT-5.6 Terra가 8.566초였다고 전했습니다 [5]. 이 두 값의 비율은 약 75배와 171배(파생값)이며, 데모의 입력은 화면 이미지가 아니라 구조화된 게임 상태입니다.

가격

입력 토큰 10억 개당 42달러, 즉 100만 토큰당 0.042달러이고, 출력 토큰은 무료라고 공지했습니다. 홈페이지는 이 값이 Claude Fable 5.1의 입력 가격보다 238배 낮다고 적었습니다 [1]. The Register는 비교 대상으로 GPT-5.6 Terra의 입력 2달러·출력 12달러를 들었습니다 [5]. 가격은 얼리 액세스 기간의 값이며 바뀔 수 있습니다.

평가 페이지

개발사는 워크플로 네 종(보안 사고 분류, 에이전트 실행 기록 관측, 송장 처리, 고객 응대)에서 여러 모델을 돌린 결과를 공개했습니다 [3]. 표는 케이스당 값이며, 아래는 그중 워크플로 형태로 돌린 행입니다.

출처 [3]. Sol·Terra·Luna는 평가 페이지의 표기 그대로이며, The Register는 Terra를 GPT-5.6 Terra로 적었습니다 [5]. 같은 페이지에는 각 모델을 워크플로가 아니라 프롬프트 하나로 돌린 행도 있는데, 실린 여덟 모델 모두 워크플로 행보다 일치율이 낮고 비용과 시간은 큽니다. 예를 들어 Opus 5는 프롬프트 하나로 64.8%·0.3417달러·70.5초입니다.

이 표를 읽을 때 붙는 조건이 넷입니다.

• 기준 레이블이 정답이 아닙니다. 평가 페이지의 표현대로 "기준 레이블은 GPT-6 Astra와 Claude Fable 5.1이 둘 다 높은 사고 설정으로 모든 질문에 답한 결과의 평균"입니다 [3]. 그러니 위의 일치율은 "두 최상위 모델과 얼마나 같은 답을 냈는가"이지 "얼마나 맞았는가"가 아닙니다. 사람이 붙인 정답은 없습니다.
• 비교 모델은 기본 추론 설정으로 실행했습니다. 기준을 만든 두 모델을 뺀 나머지는 "제공사의 기본 추론 설정"으로 돌렸습니다 [3]. 추론에 쓰는 시간을 늘리면 다른 모델의 일치율과 실행 시간도 함께 바뀝니다.
• 비교 LLM도 구조화 출력으로 묶여 있습니다. 발표문에 따르면 워크플로 비교의 LLM은 "System One LLM 래퍼"를 거쳐 개발사 API와 호환되는 구조화된 결정만 내도록 제한됐습니다 [1]. 따라서 표의 시간 차이는 문장 생성 대 판정의 차이가 아니라, 같은 질문을 받은 LLM과 Jev의 차이입니다. 다만 래퍼 안에서 LLM이 추론 토큰을 얼마나 생성했는지는 공개되지 않았습니다.
• 워크플로 구조가 개발사의 것입니다. 네 워크플로 모두 Choice·Score·Noul 질문으로 쪼개져 있습니다. Jev가 답할 수 있는 형태로 문제를 먼저 잘라 둔 셈입니다. 표에서 모든 모델이 "워크플로"로 돌릴 때 나아진 것은 문제를 작은 판정으로 쪼개는 것 자체의 효과이기도 합니다. 이 효과는 Jev 없이도 얻을 수 있습니다.
• 케이스 수와 데이터가 공개되지 않았습니다. 페이지에 워크플로별 케이스 수가 없고, 데이터셋을 내려받을 방법도 적혀 있지 않습니다. 결과를 재현할 수 없습니다.

5. Hacker News가 따진 세 가지

발표 글은 Hacker News에서 1,793점과 474개 댓글을 받았습니다(2026-09-17 확인) [6]. 반응의 큰 줄기는 셋이었고, 창업자가 직접 답했습니다.

네 번째로, 여러 댓글이 RLCD 논문이 없다는 점을 지적했습니다. 발표문은 학습 방법의 이름과 효과만 적었고, 데이터, 모델 크기, 기반 모델, 학습 절차는 공개하지 않았습니다. 2026-09-17 기준 arXiv와 회사 사이트에서 관련 논문을 확인하지 못했습니다. 이 글도 RLCD에 대해서는 이름 이상을 쓰지 않습니다.

6. 이미 있는 방법과 어디가 다른가

"분류·점수·예/아니오"는 새 문제가 아닙니다. 개발자가 지금 쓰는 네 가지 방법과 나란히 놓으면 Jev의 자리가 보입니다.

Jev가 강점으로 내세우는 것은 "레이블 데이터 없이, 선택지를 바꿔 가며, 확률과 함께"라는 세 조건을 동시에 만족한다는 점입니다. 작은 분류기는 데이터가 필요하고, 구조화 출력 LLM은 느리며, 임베딩은 확률이 아닙니다. 대신 파인튜닝한 분류기가 자기 데이터에서 내는 정확도를 Jev가 낸다는 근거는 아직 없습니다.

비교를 직접 해 볼 도구는 개발사가 내놨습니다. typesafe-ai/system-one-adapter-python은 MIT 라이선스 어댑터입니다 [4]. 같은 Choice·Score·Noul 질문을 받아 OpenAI 호환 API나 Anthropic API의 구조화 출력으로 답하게 합니다. 제공사의 원래 구조화 출력 모드를 쓰거나, JSON 모드에 검증 실패 시 재시도를 붙이는 방식 중 고를 수 있고, 확률 모드에서는 LLM이 낸 분포를 합이 1이 되도록 다시 맞춰 줍니다. 즉 Jev 접근 권한이 없어도 자기 워크플로를 세 가지 질문으로 쪼개 LLM으로 돌린 기준선은 오늘 만들 수 있습니다. 나중에 Jev를 받으면 같은 코드로 바꿔 끼워 비교하면 됩니다.

7. 언제 써볼 만한가

8. 오늘 적용할 체크리스트

• LLM 호출 중 "답이 짧은 판정"을 세어 봅니다. 라우팅, 분류, 예/아니오 검사가 전체 호출의 몇 퍼센트이고 토큰을 얼마나 쓰는지 봅니다. 이 비율이 작으면 Jev로 바꿔도 절감이 작습니다.
• 그 판정을 Choice·Score·Noul 세 형태로 다시 씁니다. 이 작업 자체가 프롬프트를 명확하게 만듭니다. 개발사 표에서 모든 모델이 워크플로 형태에서 나아진 이유이기도 합니다.
• 정답 데이터를 먼저 만듭니다. 사람이 붙인 레이블 없이는 어떤 모델의 일치율도 해석할 수 없습니다. 개발사 평가에도 사람 레이블은 없습니다.
• 어댑터로 LLM 기준선을 잽니다. system-one-adapter-python으로 지금 쓰는 모델의 정확도·지연·비용을 같은 질문 형태에서 기록합니다 [4].
• confidence 임계값은 자기 데이터로 정합니다. 문서의 0.9·0.5는 예시입니다. 구간별로 실제 정답률을 그려 보고 자동 처리 구간을 정합니다.
• 속도 배수는 자기 호출로 다시 잽니다. 비교 대상은 문장을 생성하는 LLM이 아니라 구조화 출력을 켠 LLM이어야 합니다. 그래야 실제로 바뀌는 값이 나옵니다.
• 외부 API 의존성을 운영 위험에 포함합니다. Jev는 한 회사의 호스팅 API입니다. 대체 경로(어댑터로 LLM 폴백)를 처음부터 코드에 남겨 둡니다.

9. 아직 결론이 아닌 것

• 독립 측정이 없습니다. 이 글의 모든 성능·비용 수치는 개발사가 만들고 개발사가 공개한 것입니다. 제3자 벤치마크는 2026-09-17 기준 확인하지 못했습니다.
• 기준 레이블이 모델의 합의입니다. GPT-6 Astra와 Claude Fable 5.1의 평균이 정답을 대신합니다. 두 모델이 같이 틀리는 케이스는 표에서 "맞은 것"으로 잡힙니다.
• RLCD의 실체를 모릅니다. 논문, 기술 보고서, 모델 크기, 기반 모델이 공개되지 않았습니다. "보정된 확률"이라는 주장의 근거도 아직 없습니다.
• 보정 지표가 없습니다. 평가 페이지는 일치율·비용·시간만 싣고, 확률이 실제 정답률과 맞는지는 싣지 않았습니다. confidence 기반 자동 처리의 근거는 사용자가 직접 만들어야 합니다.
• 배수는 비교 상대에 따라 달라집니다. 193.6배·444.6배는 개발사 워크플로 표에서 가장 느린 모델과 가장 비싼 모델을 골라 나눈 값이고, Doom 데모의 두 값을 나누면 75배·171배입니다. 비교 LLM은 구조화 출력 래퍼를 거쳤지만 추론 토큰 수는 공개되지 않았습니다.
• 가격과 한도는 얼리 액세스 기준입니다. 입력 0.042달러/100만 토큰, 출력 무료는 2026-09-17 홈페이지 값이고, 요청 한도와 입력 크기 한도는 문서에서 확인하지 못했습니다.
• Hacker News 댓글은 여론이지 측정이 아닙니다. 5절의 비판은 논리적으로 타당하지만, 그것을 뒷받침하는 실측 역시 댓글에는 없었습니다.
• 한국어 성능은 언급이 없습니다. 문서와 평가 페이지 어디에도 지원 언어나 한국어 결과가 없습니다.

10. 참고자료

모두 2026-09-17 확인했습니다. [1]~[4]는 개발사 자료이며 이해관계가 있습니다. [5]와 [6]은 2차 출처입니다.

편집 기준: 개발사 수치는 전부 "개발사 주장"으로 표기하고 그 측정 조건을 수치보다 먼저 두었습니다. 학습 방법 RLCD는 논문이 없어 이름 이상을 쓰지 않았습니다.