Selfish Club
← Selfish Magazine

Jev(제브)란? 글 대신 판단만 하는 AI 모델 정리

젬마

결론부터: Jev(제브)는 글을 쓰지 않고 「고르기 · 점수 매기기 · 예/아니오」만 하는 AI 모델이에요. 미국 스타트업 TypeSafe AI가 2026년 9월 15일에 공개했어요. 답마다 「이 답이 맞을 확률」을 같이 주고, 아주 싸고 빨라요. 문의 분류 · 리뷰 분류 · 리드 등급처럼 작은 판단을 하루에 수백, 수천 번 해야 하는 1인 창업자와 자동화를 만드는 사람에게 맞는 이야기예요. 글을 써 주는 AI를 찾는다면 Jev는 답이 아니에요.

이 글은 셀피쉬클럽이 2026년 9월 21일 기준으로 정리해 멤버들과 나눈 소식을, 10월 24일에 공식 블로그 · 평가 페이지 · 보도로 다시 확인해 고친 것이에요. 공개 뒤 한 달 사이에 투자 규모 · 버전 · 경쟁 제품이 크게 바뀌어서, 바뀐 값은 확인한 날짜와 함께 적었어요.

셀피쉬크루 코멘트

Jev가 뭐길래? 글 안 쓰는 AI 이야기 — 개념, 활용 사례, LLM 위키와의 연결, 커뮤니티 반응을 정리했습니다.

Jev(제브)는 무엇이고, 누가 만들었나요?

Jev는 TypeSafe AI라는 미국 스타트업이 만든 AI 모델(코드로 불러 쓰는 API 서비스)이고, 사람이 정리한 방법론이 아니에요. 회사를 세운 사람은 OpenAI에서 ChatGPT가 사람 말을 잘 따르게 만든 연구(RLHF, 사람의 평가로 AI를 가르치는 방법)에 참여했던 디오고 알메이다예요. 「System One 모델」이라는 이름도 이 회사가 처음 붙였어요.

가장 큰 특징은 문장을 한 글자도 쓰지 않는다는 거예요. 우리가 미리 정해 준 보기 중에서 고르거나, 기준표에 맞춰 점수를 주거나, 예/아니오 확률을 돌려줘요. 시험으로 치면 ChatGPT · Claude 같은 LLM(대형 언어 모델, 글을 한 글자씩 써 내려가는 AI)은 서술형 답안지를 쓰는 학생이고, Jev는 OMR 카드에 마킹만 하는 학생이에요.

비교ChatGPT · Claude 같은 LLMJev
하는 일글 · 코드 · 요약 무엇이든 써요고르기 · 점수 · 예/아니오만 해요
답 내는 방식한 글자씩 이어서 써서 느리고 비싸요보기 전체에 한 번에 확률을 매겨요
틀리는 방식보기에 없는 답을 지어낼 때가 있어요보기 밖의 답은 못 내지만, 틀린 보기를 고를 수는 있어요
답 모양가끔 형식이 깨져요(표를 달라 했는데 문장이 오는 식)정해 둔 형식으로만 와요
Jev가 푸는 문제 세 종류: 보기 중 하나 고르기, 기준표대로 점수 매기기, 예/아니오 확률 알려 주기.
Jev는 글을 쓰지 않고 이 세 가지만 해요

Jev가 푸는 문제는 세 종류예요

  • 고르기: 「이 메일은 광고 · 문의 · 불만 중 뭐야?」 보기 중 하나를 골라요. 회사 블로그 기준 보기는 한 번에 255개까지예요.
  • 점수 매기기: 「이 리뷰는 얼마나 화가 나 있어? 1~5점」 기준표에 맞춰 점수를 줘요.
  • 예/아니오: 「이 댓글 스팸이야?」 참일 확률을 알려 줘요.

이름에 담긴 뜻

「System One」은 심리학자 대니얼 카너먼이 말한 빠른 직감(시스템 1)과 느린 숙고(시스템 2)에서 따왔어요. 길게 고민하는 일은 LLM에게, 번개처럼 판단하는 일은 Jev에게 맡기자는 뜻이에요.

「Jev」는 1800년대 영국 경제학자 윌리엄 스탠리 제번스(Jevons)에서 왔어요. 증기기관이 석탄을 덜 쓰게 좋아졌더니 오히려 석탄 사용량이 늘었다는 「제번스의 역설」로 유명해요. 판단 한 번 값이 아주 싸지면, 지금까지 「AI 쓰기엔 아깝다」던 곳까지 AI가 들어갈 거라는 회사의 기대가 담겨 있어요.

Jev는 얼마나 싸고 빠른가요?

2026년 10월 24일 기준 입력 100만 토큰(토큰은 AI가 글을 세는 단위, 한국어로는 대략 글자 조각)당 0.042달러이고, 답(출력)은 무료예요. 응답 시간은 0.07~0.5초로 발표됐어요. 다만 아래 숫자는 대부분 회사가 직접 잰 값이에요.

Jev 회사 발표 기준 가격과 속도: 입력 100만 토큰당 0.042달러, 출력 무료, 판단 한 번 약 0.0004달러, 응답 0.07~0.5초.
회사가 발표한 값이에요 — 독립 검증은 아래 표를 보세요
항목값누가 말했나
입력 가격100만 토큰당 $0.042 (10억 토큰당 $42)회사 홈페이지 · 블로그 (10/24 확인)
출력 가격무료 — 글을 안 쓰니 출력이 없어요회사 (10/24 확인)
판단 한 번약 $0.0004 — 1만 번 해도 4달러 정도회사 평가 페이지 (10/24 확인)
응답 시간0.07~0.5초회사 (10/24 확인)
LLM 대비193.6배 빠르고 444.6배 싸다회사 자체 시험의 최고치
독립 시험 한 건추출 작업 하나에서 Claude Fable 5.1보다 약 25배 빠르고 약 580배 쌌어요외부 매체 Every (Forkast 인용 · 작업 1종만)

회사가 비교한 LLM 가격은 입력 100만 토큰당 0.2~10달러, 출력은 그 5배쯤이에요. 그래서 판단만 필요한 일에 LLM을 쓰면 「글로 답을 쓰는 값」까지 내는 셈이 돼요.

게임 데모도 같은 이야기를 해요. 회사는 텍스트로 바꾼 둠(Doom) 게임을 1초에 약 10번 판단하며 시간당 약 7달러로 돌렸다고 밝혔어요. 사용자들이 만든 마인크래프트 봇은 2분 플레이에 약 1센트, 드론 시뮬레이션은 15분에 약 10센트가 들었다는 보도가 있어요(9월 21일 확인 · 모두 실제 기계가 아닌 시뮬레이션).

Jev는 어디에 쓸 수 있나요? 1인 창업자 활용 예시

「정해진 보기 안에서 빨리, 많이 판단해야 하는 일」에 써요. 핵심 공식은 하나예요 — 판단은 Jev, 글쓰기는 LLM. Jev는 혼자서 답장을 쓸 수 없어서, 문의를 분류한 뒤 답장 초안은 LLM이 쓰는 식으로 함께 써요.

발표 · 보도된 사례

  • 고객 문의 자동 배정: 문의가 들어오면 어느 팀으로 보낼지, 얼마나 급한지, 환불 요청인지를 한 번에 판단해요.
  • 이메일 분류: 한 스타트업 CTO가 제미나이와 비교해 봤더니 정확도는 제미나이가 조금 높았지만 비용은 제미나이가 10~20배 비쌌다고 해요. 그가 가장 반긴 점은 확률을 돌려준다는 것이었어요.
  • 위험한 명령 거르기: 버셀(Vercel)은 명령어 안전 검사에 쓰던 모델을 Jev로 바꿔 5~18배 빨라졌다고 TechCrunch가 전했어요.
  • AI 감시 요원: AI 에이전트가 이상한 행동을 하거나 누가 AI를 속이려(탈옥) 하는지 싸게 계속 지켜봐요.
  • 모델 교통정리 · 도구 고르기: 「쉬운 일은 싼 모델, 어려운 일은 비싼 모델」로 나누거나, 에이전트가 수십 개 도구 중 지금 쓸 것을 골라요. 랭체인(LangChain)이 9월 17일 이 두 쓰임새를 담은 공식 가이드를 냈어요.
  • 게임 · 로봇 · 드론 데모: 1초에도 여러 번 판단해야 해서 LLM으로는 느리고 비쌌던 자리예요.

셀피쉬클럽이 떠올린 응용 (검증 전)

  • 리뷰 · 댓글 대량 분류: 리뷰 수천 개를 「배송 불만 · 품질 불만 · 칭찬」으로 나누고 화난 정도를 점수로 매겨요.
  • 인플루언서 후보 1차 거르기: 프로필 정보를 주고 「우리 브랜드 톤에 맞나?」를 예/아니오 확률로 받아요. 확률이 애매한 것만 사람이 봐요.
  • 리드 등급 매기기: 신청서 내용을 보고 「바로 연락 / 뉴스레터 / 보류」 중에 골라요.

한 가지 알아 둘 점이 있어요. 2026년 10월 24일 기준 Jev는 「얼리 액세스(먼저 써 보는 단계)」이고, 채팅 앱이 아니라 코드나 자동화 도구에서 API로 부르는 방식이에요. 비개발자라면 API를 부를 수 있는 자동화 도구를 쓰거나 개발자의 도움이 필요해요.

Jev와 LLM 위키는 어떻게 연결되나요?

LLM 위키가 쌓아 가는 과정 안의 「작은 판단」을 Jev가 맡고, 실제 글쓰기는 LLM이 맡는 조합이 가능해요. 다만 이건 셀피쉬클럽의 해석이에요. TypeSafe가 「LLM 위키와 함께 쓰라」고 공식적으로 말한 자료는 9월 21일에도, 10월 24일 다시 볼 때도 찾지 못했어요.

LLM 위키가 뭐예요?

LLM 위키는 AI가 내 자료를 읽고 나만의 위키 백과를 직접 써서 계속 관리해 주는 방식이에요. 안드레이 카파시(OpenAI 창립 멤버, 전 테슬라 AI 총괄)가 2026년 4월 4일 깃허브에 공유한 아이디어예요. 질문할 때마다 자료를 처음부터 뒤지는 대신, 한 번 정리한 지식이 차곡차곡 쌓여요.

LLM 위키는 세 가지 일을 반복해요.

  1. 새 자료 넣기(ingest): 자료를 요약하고, 목차와 관련 페이지를 고쳐요.
  2. 질문하기(query): 위키에서 찾아 답하고, 좋은 답은 새 페이지로 남겨요.
  3. 점검하기(lint): 서로 부딪히는 내용, 낡은 내용, 빠진 연결을 찾아요.
LLM 위키에서 일을 나누는 흐름: 새 자료가 들어오면 Jev가 넣을 곳을 고르고, 부딪히는지 · 관련 있는지 판단하고, LLM이 페이지를 쓰고 요약한다.
판단은 Jev, 글쓰기는 LLM — 셀피쉬클럽이 정리한 나눔이고 공식 연동은 아니에요

어느 일을 누가 맡을 수 있나요?

위키 작업 속 판단판단 종류맡을 수 있는 쪽
새 자료를 기존 페이지 50개 중 어디에 넣을까?고르기Jev
이 자료가 기존 페이지 내용과 부딪히나? 이 페이지는 업데이트가 필요하나?예/아니오Jev
이 자료는 우리 주제와 얼마나 관련 있나? 1~5점점수Jev
위키 페이지를 쓰고, 요약하고, 연결 링크를 만드는 일글쓰기LLM

비유하면 LLM은 책을 쓰는 작가 겸 사서, Jev는 들어온 책을 초고속으로 분류해 책꽂이 번호를 붙여 주는 분류 로봇이에요. 비싼 작가를 분류 작업마다 부르지 않아도 되니 위키를 더 크게, 더 자주 관리할 수 있어요. Jev는 세상 지식보다 우리가 준 내용을 보고 판단하는 모델이라, 잘 정리된 위키 페이지가 좋은 재료가 돼요.

위키와 닮은 공식 데모도 있어요. TypeSafe는 위키백과 한 페이지에서 링크만 타고 목표 페이지까지 가는 「위키 레이싱」을 공개했어요. Jev가 더 적은 단계로 도착하는 경우가 많았다고 했지만, 비교 상대는 깊게 생각하는 모드를 끈 LLM이었어요.

Jev 커뮤니티 반응은 어땠고, 한계는 뭔가요?

「자동화에 딱 맞는 물건」이라는 반응과 「숫자가 과장됐다」는 반응이 함께 나왔어요. 공개 당일 해커뉴스(개발자 커뮤니티)에 올라온 소개 글은 10월 24일 기준 추천 약 2,000점 · 댓글 약 520개를 받았어요(9월 21일엔 1,500점 · 400개 남짓). 한국에서도 긱뉴스 · 파이토치 한국 사용자 모임에 소개 글이 올라왔어요.

반가워한 점

  • 확률을 돌려줘요. 「90% 이상이면 자동 처리, 애매하면 사람이 확인」 같은 규칙을 만들기 쉽다는 사용자 보고가 여러 건 있어요. 다만 몇 %에서 자를지는 직접 정해야 한다는 지적도 함께 나왔어요.
  • 형식이 안 깨져요. AI 답을 코드로 받다가 형식이 깨져서 다시 요청하는 코드를 짜던 개발자들이 특히 반가워했어요.
  • 「만들어 봤다」 후기가 쏟아졌어요. 레딧 · X에 데모 후기가 이어졌고, 공개 며칠 만에 그런 사례 30개를 모은 글도 올라왔다고 해요.

들은 이야기, 확인해 봤어요

들은 이야기판정확인한 내용 (2026-10-24)
환각(AI가 사실이 아닌 걸 지어내는 것)이 없어요좁은 뜻에서만 맞아요보기에 없는 답을 지어내지 못할 뿐, 틀린 보기를 자신 있게 고를 수는 있어요
LLM만큼 정확해요회사 기준으로도 차이가 있어요회사 평가에서 Jev 67.8%, GPT-5.6 Sol 74.1%. 송장 처리는 Jev 61.8% · Sol 79.1%로 차이가 컸어요. 채점 기준도 정답이 아니라 GPT-6 Astra와 Claude Fable 5.1 답의 평균과 얼마나 같은지예요
완전히 새로운 아이디어예요논란이 있어요예전 BERT 같은 모델로도 비슷한 걸 했다는 말이 나왔고, 한 AI 스타트업은 2025년 3월 논문에서 같은 생각을 먼저 냈다고 주장했어요. TypeSafe는 공개 답을 하지 않았어요
독립 시험에서 잘 나왔어요숫자는 사실, 해석은 조심78문항 독립 시험에서 Jev가 가장 높게 나왔지만, 문항이 적은 작은 시험이에요
작동 원리가 공개됐어요아직 아니에요새 구조와 「보정된 판단을 위한 강화학습(RLCD)」이라는 학습법 이름만 밝혔고, 논문은 10월 24일 기준 찾지 못했어요

공개 뒤 한 달, Jev 주변에서 무엇이 바뀌었나요?

투자 규모가 수십 배로 커졌고, 새 버전이 나왔고, OpenAI와 오픈소스 쪽에서 비슷한 제품이 잇달아 나왔어요. 가격은 그대로예요.

  1. 9월 15일 · 공개: 2년간 조용히 개발하다 공개했어요. 동시에 DCVC가 이끈 4,000만 달러 투자를 발표했고, 기업가치는 약 2억 달러로 보도됐어요. 사용자가 몰려 API가 잠깐 멈추기도 했어요.
  2. 9월 17~21일 · 확산: 랭체인 공식 가이드(9/17)가 나왔어요. 지디넷코리아는 버셀이 Jev를 「역사상 가장 빠르게 사용량이 늘어난 유료 모델」이라고 발표했다고 전했어요(9/20 보도). 선행 아이디어 논란도 이때 불거졌어요.
  3. 9월 하순 · 오픈소스 대항마: 선행 연구를 주장한 스타트업이 무료 오픈소스 모델 「Laya」(아파치 2.0)를 냈고, 비슷한 작은 판단 모델들이 해커뉴스에 여럿 올라왔어요.
  4. 10월 6일 · OpenAI 「Decisions API」: OpenAI가 같은 세 가지 질문(예/아니오 · 고르기 · 점수)을 받는 API를 공개 베타로 열었어요. GPT-6 Luna 위에서 돌고, 입력 100만 토큰당 0.10달러 · 출력 무료로 보도됐어요.
  5. 10월 9일 · 큰 투자: 블룸버그 보도에 따르면 TypeSafe는 앤드리슨 호로위츠가 이끈 8억 7,000만 달러 투자를 받았고, 기업가치는 75억 달러예요. 회사는 사용자 100만 명을 넘겼고 포춘 500대 기업의 약 3분의 1이 쓴다고 주장했어요(이름은 밝히지 않았어요).
  6. 10월 14일 · Jev 1.14.0 미리보기: 여러 언어 지원이 좋아졌고, 이미지 넣기 · 긴 입력은 「실험 기능」으로 열렸어요. 회사는 이 실험 기능을 실제 서비스에는 아직 권하지 않아요.

가격은 10월 24일 기준 입력 100만 토큰당 0.042달러 그대로예요. 홈페이지 FAQ에 「가격이 임시인가요?」라는 질문은 있지만 답은 아직 비어 있어요.

이 글을 읽고 생길 질문

Jev를 지금 바로 써 볼 수 있나요?

2026년 10월 24일 기준 「얼리 액세스」 단계예요. 회사 홈페이지에서 API 콘솔과 문의 링크로 들어가고, 버셀 AI 게이트웨이 같은 경로로도 부를 수 있다는 보도가 있어요. 채팅 창에 말을 거는 서비스가 아니라 코드로 부르는 API예요.

Jev와 OpenAI Decisions API 중 무엇을 고르나요?

둘 다 「글 대신 판단」을 돌려주는 API예요. 보도 기준 입력값은 Jev가 100만 토큰당 0.042달러, OpenAI가 0.10달러이고 출력은 둘 다 무료예요. 정확도는 서로 다른 자체 측정이라 바로 비교하기 어려우니, 내 데이터 수십 건으로 직접 돌려 보고 정하는 게 안전해요.

Jev가 LLM을 대신하게 되나요?

아니요. Jev는 글을 못 써요. 많은 판단을 싸게 처리하는 「앞단」으로 쓰고, 답장 · 요약 · 보고서처럼 글이 필요한 자리에는 여전히 LLM이 필요해요.

이런 AI 소식을 쉬운 말로 먼저 받아 보고 싶다면 셀피쉬클럽 멤버십을 둘러보세요.

확인한 자료

작성 · 셀피쉬클럽 · 처음 정리 2026년 9월 21일 · 다시 확인 2026년 10월 24일

More from Selfish Magazine