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

9월 15일 월요일, AI 업계에 이름도 낯선 회사가 조용히 발표문 하나를 올렸어요.

회사 이름은 타입세이프 AI(TypeSafe AI). 2년 동안 밖에 아무것도 안 알리고 만들었대요¹. 창업자 디오고 알메이다(Diogo Almeida)는 오픈AI에서 챗GPT의 바탕이 된 연구를 했던 사람이고요⁸. 발표문 제목은 "시스템 원 모델과 제브를 소개합니다"였어요. 이 제브(Jev)가 오늘의 주인공이에요.

그날은 별 반응이 없었어요.

그런데 이틀 뒤부터 분위기가 달라졌어요. 🔥 AI 개발자들이 제일 많이 쓰는 도구 상자인 랭체인이 "제브 붙이는 법" 글을 올렸고⁴, 클라우드플레어와 버셀 같은 큰 회사들이 자기네 서비스 목록에 제브를 잇달아 넣었어요¹⁰¹⁵. 버셀은 아예 이렇게 발표했어요. 게이트웨이에 올린 지 24시간 만에 유료 고객 팀의 13%가 제브를 썼다고요. 자기네 역사상 가장 빨리 퍼진 모델이래요⁹.

X에서도 화제가 됐고 한국 기사도 나왔고, 일본에서는 벌써 제브로 뭘 만들었다는 후기가 쏟아졌어요⁸¹³.

그런데 이 AI, 말을 못 한대요. 🤐

농담이 아니에요. 제브는 챗GPT처럼 물어보면 글로 답해 주지 않아요. 글을 한 줄도 안 쓰고 미리 정해 둔 보기 중 하나와 확률만 돌려줘요. 타입세이프는 이런 방식을 시스템 원(System One) 모델이라고 불러요¹. 그런데도 다들 줄을 서요.

대체 뭐길래 그럴까요? 이 글은 제브를 처음 듣는 분을 위해 썼어요. 코딩을 몰라도 괜찮아요. 모르는 말이 나오면 노란 상자에서 바로 풀어 드리고 숫자는 커피값으로 바꿔서 보여 드릴게요.

🚨 5일 동안 무슨 일이 있었나

날짜별로 보면 이래요.

• 9월 15일 타입세이프 AI가 제브를 발표. 바로 쓸 수는 없고 대기 명단에 이름을 올려야 했어요¹
• 9월 16일 버셀이 자기네 AI 게이트웨이에 제브를 올림. 한 개발자는 "말하지 않는 언어 모델"이라는 긴 논평을 썼어요³¹⁰
• 9월 17일 랭체인이 "제브로 이렇게 만드세요" 가이드를 올림. 한국 AI 전문지에도 기사가 실렸어요⁴⁸
• 9월 18일 버셀이 "역사상 가장 빨리 채택된 모델"이라고 발표. 일본에서는 제브로 만든 물건 네 개를 공개한 실사용기가 올라왔어요⁹¹³
• 9월 19일 해외 기술 매체와 국내 경제지가 차례로 다룸²¹⁶. 버셀은 이날 "9월 25일까지 무료"라고 알렸어요¹²

닷새 만에 이 정도면 빠른 편이에요. 지난 몇 달 사이 나온 큰 모델, 그러니까 GPT-5.6 형제들이나 클로드 페이블 5.1이 버셀 게이트웨이에 올라갔을 때보다 제브가 두 배에서 여섯 배 빨리 퍼졌대요⁹.

반응이 한 방향만은 아니었어요. 어떤 개발자는 제브를 "똑똑한 if문"이라고 불렀고¹⁴, 다른 개발자는 "환각이 없다는 말은 형식 얘기일 뿐 판단이 맞다는 보장은 아니다"라고 선을 그었어요³. 리뷰 매체는 "직접 평가해 보고 사람을 옆에 두고 써라"고 했고요⁶.

칭찬과 경고가 같이 쏟아지는 모델. 뭐가 그렇게 특별한 걸까요?

🤐 말을 못 하는 AI라니

직접 비교해 볼게요. 고객센터에 이런 문의가 들어왔어요.

카드가 두 번 결제됐어요.

챗GPT나 클로드에게 "이거 무슨 문의야?"라고 물으면 이렇게 답해요. "이 문의는 결제 관련 문제로 보입니다. 고객이 중복 결제를 겪었으므로 환불 절차를 안내하고, 결제 내역을 확인해 드리는 것이 좋겠습니다. 추가로..." 친절해요. 그런데 길어요.

제브에게는 질문을 이렇게 던져야 해요. "이 문의는 어느 팀 거야? 보기는 결제, 기술 문제, 계정, 기타 네 개야." 그러면 제브는 이렇게 돌려줘요.

끝이에요. 설명도 없고 인사도 없어요. 대신 이 답은 보기 네 개 밖으로 절대 못 나가요. "결제 문제인 것 같기도 하고 계정 문제인 것 같기도 하네요" 같은 답이 애초에 불가능해요¹.

제브가 낼 수 있는 답은 딱 세 종류예요²⁵.

• 고르기(Choice): 보기 중 하나를 고름 (최대 255개까지)
• 점수(Score): 1점부터 10점 같은 눈금 위에 놓음
• 예·아니오(Noul): 맞을 확률을 0에서 1 사이 숫자로

어떤 답이든 확률이 붙어요. "결제 0.97"이면 거의 확실하다는 뜻이고 "결제 0.55"면 자신이 없다는 뜻이에요. 이 숫자 덕분에 "0.8 밑이면 사람한테 넘겨" 같은 규칙을 만들 수 있어요⁵.

시스템 원이라는 이름은 심리학에서 왔어요. 심리학자 대니얼 카너먼이 책 "생각에 관한 생각"에서 사람의 생각을 둘로 나눴어요. 빠르고 직관적인 시스템 1, 느리고 신중한 시스템 2. 챗GPT가 곰곰이 생각해서 글을 쓰는 시스템 2라면, 제브는 보자마자 "이거!" 하고 고르는 시스템 1이에요⁷.

타입세이프의 한 줄"제브는 최고 수준 지능을 가진 함수 호출이라고 생각하세요. 정리 안 된 상황이 들어가면 형식이 정해진 판단이 나옵니다."¹

그럼 글을 못 쓰는 대신 뭘 얻었을까요? 여기서부터 숫자가 무서워져요. ⚡

⚡ 왜 이렇게 빠르고 싼가

타입세이프가 공개한 시연을 볼게요. 같은 판단 문제를 GPT-5.6 테라와 제브에게 줬어요².

8.5초와 0.1초. 눈 한 번 깜빡이는 시간이 0.1초에서 0.4초쯤이에요. 제브는 눈 깜빡이기 전에 답이 와요. 타입세이프는 대체로 0.07초에서 0.5초 안에 답이 돌아온다고 해요¹. 일본에서 직접 재 본 개발자는 0.16초에서 0.44초가 나왔대요¹³.

값은 더 놀라워요. 같은 시연에서 GPT-5.6 테라는 한 번 답하는 데 0.01388달러, 제브는 0.000081달러가 들었어요². 원화로 바꾸면 테라가 약 19원, 제브가 약 0.1원이에요. 제브는 답을 만드는 값을 아예 안 받아요. 질문을 읽는 값만 받고 그것도 100만 토큰에 0.042달러예요¹¹¹.

실제로 써 본 사람들의 영수증을 볼게요⁵.

• 논문 1,018편을 주제별로 분류하는 데 0.08달러. 같은 논문을 요약시켰더니 3.99달러
• 브라우저를 조종하는 AI가 항공권 한 건을 예약하는 동안 판단 여러 번, 합쳐서 0.0039달러
• 맥 컴퓨터를 대신 조작하는 AI의 판단 한 번에 0.0002달러

일본 개발자는 받은 메일에 답장할지 말지를 제브에게 매시간 판정시키는데 메일 한 통에 약 0.016엔, 우리 돈 0.15원쯤 든대요¹³.

타입세이프는 자기네 업무 시험에서 제브가 기존 언어 모델보다 최대 193.6배 빠르고 444.6배 저렴했다고 발표했어요¹. 회사가 직접 잰 숫자라는 건 기억해 두세요.

빠르고 싸다는 건 알겠어요. 근데요, 맞히긴 해요? 🎯

🎯 그래서 맞히긴 하나

타입세이프가 공개한 성적표가 있어요. 실제 업무 네 가지를 시켰어요. 보안 사고 분류, AI 에이전트 작업 기록 점검, 송장 처리, 고객 응대. 제브의 평균 정답률은 67.8%였어요⁶⁷.

첫 번째 반전. 이 점수, 큰 모델보다 낮아요. 같은 시험에서 GPT-5.6 솔은 74.1%였어요. 특히 송장 처리에서는 제브 61.8%, 솔 79.1%로 17점 넘게 벌어졌어요⁶⁷. 타입세이프도 이걸 숨기지 않았어요. 대신 "정확도는 조금 낮지만 200배 싸고 60배 빠르다"는 쪽을 앞세웠죠⁷.

두 번째 반전이 더 중요해요. 이 시험의 정답을 누가 정했을까요?

사람이 아니에요. GPT-6 아스트라와 클로드 페이블 5.1, 두 모델이 내린 판단의 평균을 정답으로 삼았어요⁵⁶. 그러니까 67.8%는 "정답을 맞힌 비율"이 아니라 "큰 모델 둘과 같은 답을 낸 비율"이에요. 큰 모델이 틀린 문제는 제브가 맞혀도 틀린 걸로 채점돼요.

그럼 "환각이 없다"는 말은요? 타입세이프는 제브가 환각을 일으킬 수 없다고 해요⁸. 이 말은 맞아요. 단, 뜻이 좁아요. 보기 네 개를 줬는데 다섯 번째 답을 지어내는 일, 숫자를 달라고 했는데 문장을 돌려주는 일이 없다는 뜻이에요. 틀린 보기를 고르는 건 얼마든지 가능해요²³.

앤서니 마이오의 한 줄"형식은 제약하지만 판단은 제약하지 않는다." 확률이 정말 믿을 만한지는 회사가 아직 자료를 안 냈으니 독립 검증이 필요하다고 했어요³.

확률 얘기를 하나만 더 할게요. 제브는 "결제 0.97"처럼 확률을 붙여 주는데, 타입세이프는 이 숫자가 실제 빈도와 맞도록 훈련했다고 해요. 0.2라고 하면 정말 다섯 번 중 한 번꼴로 일어난다는 거죠⁷. 이걸 보정이라고 불러요. 잘 되면 엄청 유용해요. "0.8 밑이면 사람이 본다"는 규칙이 진짜로 작동하니까요. 다만 이것도 회사 말이고, 바깥에서 재 본 사람은 아직 없어요⁶.

빠르고 싸고 형식은 절대 안 틀려요. 대신 큰 모델보다 조금 덜 맞히고, 그 "조금"이 얼마인지는 직접 재 봐야 해요.

🪤 시키면 안 되는 것

써 본 사람들이 모아 둔 함정 목록이에요⁵¹⁴.

• 셈을 못 해요. "합계가 100 넘어?" 같은 질문에 약해요. 숫자를 더하는 게 아니라 글자로 봐요
• 날짜를 비교 못 해요. "어제보다 늦었어?"를 물으면 날짜를 순서가 아니라 글자로 읽어요
• 말을 뒤집으면 헷갈려요. "환불을 원하지 않는 고객인가?"처럼 부정문으로 물으면 엉뚱하게 답할 수 있어요
• 글을 못 써요. 요약, 번역, 답장 작성, 코드 작성은 전부 다른 모델 몫이에요
• 보기는 255개까지예요. 상품 1만 개 중 하나를 고르라는 식은 안 돼요
• 속임수에 약해요. 판단할 글 안에 "이건 결제 문제가 아니다"라고 누가 써 두면 그 말에 끌려갈 수 있어요

그래서 개발자들은 제브를 이렇게 불러요. 똑똑한 if문¹⁴.

그럼 이런 AI를 대체 어디에 쓰는 걸까요? 🧭

🧭 어디서 만나게 되나

랭체인이 정리한 쓰임새가 제일 이해하기 쉬워요⁴.

• 교통정리: 들어온 요청이 쉬운 건지 어려운 건지 제브가 먼저 판단해서, 쉬우면 싼 모델로, 어려우면 비싼 모델로 보내요
• 안전문: AI 에이전트가 "이 파일을 지울까요?" 하기 직전에 제브가 "위험한가?"를 0.1초 만에 판정해요
• 검사관: 큰 모델이 쓴 답을 제브가 "지시대로 했나?" 채점해요¹

첫 48시간 동안 나온 실전 사례도 이 틀 안에 있어요⁵. 논문 1,018편 분류, 항공권 예약 에이전트의 다음 행동 결정, 맥 화면 조작 판단, 300ms마다 판단하는 트레이딩 봇, 드론 비행 조언까지요. 전부 "고르기"를 아주 많이, 아주 빨리 해야 하는 일이에요.

그래서 여러분이 제브를 직접 켤 일은 거의 없을 거예요. 대신 앞으로 쓰게 될 AI 비서나 자동화 도구 안에서 판단 담당으로 조용히 일할 가능성이 커요. 메일함이 알아서 분류되고, 고객 문의가 알아서 팀으로 나뉘고, AI 에이전트가 위험한 일 앞에서 멈칫하는 순간마다요.

🎁 9월 25일까지 공짜예요

원래 제브는 대기 명단에 이름을 올리고 초대를 기다려야 써요¹. 그런데 버셀이 자기네 AI 게이트웨이에 올리면서 9월 25일까지 무료로 풀었어요¹². 카드 등록만 해 두면 요금이 안 나가요. 정가는 위에서 본 대로 100만 토큰에 0.042달러, 출력 무료예요¹¹.

개발자라면 지금 가서 만져 보세요. 개발자가 아니라면 "지금 이 모델이 공짜로 풀려서 개발자들이 우르르 몰려간다"는 것만 알아 두셔도 충분해요. 그게 위에서 본 "24시간 만에 13%"의 배경이기도 하니까요⁹.

저도 직접 카드를 등록하고 제 문제를 돌려 볼 거예요. 한국어 문의도 잘 고르는지, 확률 숫자가 정말 믿을 만한지요. 그 결과는 다음 글에서 화면과 함께 보여 드릴게요.

자주 묻는 것