Jev란?
Jev는 TypeSafe AI의 첫 System One 모델입니다. 챗봇처럼 텍스트를 쓰는 대신, 당신의 프로그램 상태를 읽고 소프트웨어가 곧바로 실행할 수 있는 타입이 지정된 보정된 결정 — choice, score, 또는 예/아니오 확률 — 을 돌려줍니다.
짧은 버전
대규모 언어 모델은 사람과 대화하도록 만들어졌습니다. Jev는 기계가 호출하도록 만들어졌습니다. 약간의 맥락과 답이 필요한 정확한 질문을 주면, 산문 대신 구조화된 값으로 답합니다. 답의 형태가 요청에 의해 고정되기 때문에, Jev는 형식을 환각하거나 잘못된 타입을 낼 수 없습니다 — 당신이 정의한 옵션 중 하나, 당신이 준 척도 위의 점수, 또는 0과 1 사이의 확률만 돌려줄 수 있습니다.
왜 "System One"인가요?
이 이름은 사고의 심리학에서 빌려 왔습니다. "System Two"는 느리고 신중한, 언어적 추론입니다 — LLM이 답을 써 내려갈 때 흉내 내는 것이 이것입니다. "System One"은 눈 깜짝할 사이에 일어나는 빠르고 직관적인 판단입니다. Jev는 소프트웨어에서 바로 그 역할을 하도록 설계되었습니다: 생성된 텍스트 한 단락이 필요 없어야 하는 수백만 개의 작고 빠른 결정 — 라우팅, 점수화, 필터링, 추출, 게이팅.
Jev의 작동 방식: RLCD
Jev는 TypeSafe가 Reinforcement Learning for Calibrated Decisions (RLCD)라고 부르는 방법으로 학습됩니다. 목표는 유창한 글쓰기가 아니라 보정입니다: Jev가 80% 확신한다고 말하면, 실제로 약 80%의 경우 맞아야 합니다. 모든 답에는 확률 분포가 함께 오므로, 당신의 코드는 특정 분기가 요구하는 확신 정도를 결정하고 나머지는 에스컬레이션할 수 있습니다.
무엇을 물어볼 수 있나요
Jev에 보내는 모든 질문은 세 가지 프리미티브 중 하나입니다:
- choice — 최대 255개의 라벨이 붙은 옵션 중 하나를 선택합니다.
- score — 입력을 정렬된 2–10단계 척도에 배치합니다.
- noul — 0에서 1 사이의 확률로 돌려주는 보정된 예/아니오입니다.
한 번에 여러 개를 물어볼 수 있습니다. Jev는 이들을 한 번의 왕복으로 병렬 평가합니다. 이를 가장 잘 느끼는 방법은 플레이그라운드에서 라이브 예제를 실행해 보는 것입니다.
Jev vs. 대규모 언어 모델
- 출력: 자유 텍스트가 아니라 타입이 지정된 구조화된 값과 확률.
- 속도: 70–500ms — 비슷한 작업에서 최첨단 LLM보다 대략 40–200× 빠름.
- 비용: 입력 토큰 100만 개당 $0.042, 출력 무료 (결정 한 건당 ≈ $0.0004).
- 안전: 구조적으로 형식 환각이 없고 타입 오류가 없음.
- 용도: 최종 사용자가 읽는 것이 아니라 다른 소프트웨어와 에이전트가 호출함.
Jev는 누가 만들었나요?
Jev는 전 OpenAI 연구원 Diogo Almeida — ChatGPT 뒤에 있는 RLHF 연구의 공동 발명자 — 가 Erik Gafni, Sasha Sheng과 함께 설립한 TypeSafe AI에서 나왔습니다. 이 회사는 DCVC가 주도한 $40M 시드 펀딩과 함께 September 2026에 스텔스에서 벗어났습니다. Almeida의 논지는 이렇습니다: AI가 일하는 방식을 바꿀 것이라면, 사람만이 지능의 유일한 소비자일 수는 없습니다 — 지능의 대부분은 소프트웨어 안에서 조용히 살아가야 합니다.
Jev를 직접 사용해 보세요
무엇을 하는지 보려고 대기자 명단에 등록할 필요는 없습니다. 무료 플레이그라운드를 열어 실제 사례 데모 — 고객 지원 분류, 모더레이션, 리드 점수화, 코드 리뷰 위험도 — 를 고르고, Jev가 보정된 확률과 함께 타입이 지정된 답을 돌려주는 것을 지켜보세요. 만들 준비가 되면, API 가이드에 curl, Python, TypeScript로 된 복사해서 붙여 넣는 예제가 있습니다.