Jev의 개요
Jev는 TypeSafe AI가 처음 공개한 모델입니다. TypeSafe AI는 샌프란시스코의 연구소로, 2026년 9월 15일 DCVC가 주도한 4,000만 달러($40 million) 시드 투자와 함께 스텔스 상태에서 나왔습니다. TypeSafe는 Daniel Kahneman이 말한 빠르고 직관적인 사고방식에서 이름을 따 이 모델을 "System One" 모델이라고 부릅니다. 산문, 코드, 설명은 쓰지 않습니다. 상태(문자열, JSON 객체, 텍스트 배열)와 이름 붙인 질문 묶음을 보내면, 한 번의 호출로 모든 질문에 답합니다.
각 질문은 세 가지 유형 중 하나입니다. 사용자가 정한 선택지 중 하나를 고르는 것, 사용자가 정한 척도로 점수를 매기는 것, 그리고 진술이 참일 확률인 "noul"입니다. 일부 유형은 신뢰도 값을 함께 반환하므로, 코드가 임계값 이상이면 스스로 처리하고 나머지는 사람이나 더 큰 모델에 넘길 수 있습니다. TypeSafe는 Reinforcement Learning for Calibrated Decisions(RLCD)라는 방법으로 Jev를 학습시켰다고 밝힙니다.
Jev는 API 전용, 텍스트 전용이며 비공개 모델입니다. 현재 두 버전이 운영 중입니다. jev-1.13.0(jev-latest 별칭이자 SDK 기본값)과 jev-1.14.0(jev-preview, 2026년 10월 14일부터)입니다. 요청당 64K 토큰, 질문당 32K 토큰까지 담을 수 있고, 장문 컨텍스트 헤더를 쓰면 262K까지 가능하지만 TypeSafe는 이 경우 더 느리고 정확도가 떨어진다고 경고합니다.
Jev, 쓸 만한 가치가 있습니까?
지금 Jev가 파는 것은 품질보다는 편의입니다. 이제 비공개 테스트로 점수를 매기는 커뮤니티 Jev Decision Index에서 Jev 1.14는 60.24점으로 229개 항목 중 41위이고, 안정 버전 1.13은 59.22점으로 48위입니다. 1위는 71.52점의 Fastino GLiDE 1.2입니다. Perplexity의 오픈 웨이트 모델 Decider v1.2는 67.98점으로 4위이며, 입력 100만 토큰당 Jev의 $0.042에 비해 $0.02를 받습니다.
제품의 발상은 여전히 유효합니다. Jev는 코드가 이미 LLM으로 내리고 있는 판단을 위한 저렴한 함수 호출처럼 작동합니다. 어느 팀이 티켓을 맡을지, 메시지가 긴급한지, 도구 호출을 진행해도 되는지 같은 판단입니다. 답은 사용자가 정한 선택지 중 하나로만 나오므로 파싱할 것이 없습니다. nibzard의 독립 실행에서는 40,226건의 결정이 모두 유효하게 돌아왔고 기록된 비용은 $1.71였습니다. 정확도는 Banking77에서 79.2%, CLINC150에서 88.6%였고, 부하 상황의 지연 시간 중앙값은 267에서 316 ms였습니다.
신뢰도는 자동화를 가능하게 하려는 기능이며, 자신의 데이터로 시험해 봐야 합니다. TypeSafe 문서는 보정이 예측 묶음 전체에서 성립할 뿐 개별 답변에 대해서는 아니라고 설명합니다. nibzard는 오류율 5% 이하를 목표로 임계값을 맞췄습니다. Banking77에서는 0.96 기준으로 테스트 메시지의 51.2%를 3.68% 오류율로 자동 처리했고, CLINC150에서는 선택한 임계값이 6.65%로 목표를 넘었습니다. 77개 범주의 의도 분류 대기열이라면 대부분이 아니라 절반 정도를 자동화한다고 보는 편이 맞습니다.
운영 세부 사항은 대체로 합리적입니다. TypeSafe는 고객의 요청이나 응답으로 Jev를 학습시키지 않는다고 밝히지만, 데이터 무보존(zero data retention)은 Enterprise 전용입니다. 새 버전이 나오면 별칭이 옮겨 가므로, 조정한 임계값은 jev-1.13.0이나 jev-1.14.0에 고정해야 합니다. 정확도는 영어에서 가장 높고, 입력은 텍스트만 받으며, TypeSafe는 선택지를 255개로 제한합니다. nibzard의 시범 실행에서는 256건 중 12건이 이 한도를 넘어 거부됐습니다.
오픈 진영과 비교해 Jev에 남은 장점은 다른 누군가가 운영해 준다는 점입니다. 그 장점도 줄고 있습니다. vLLM의 main 브랜치는 10월 14일부터 같은 /v1/systemone 엔드포인트를 제공하고 있고(아직 정식 릴리스에는 없습니다), d3 같은 모델은 변환 없이 그대로 불러올 수 있습니다. 이제 Jev를 떠나는 일은 base URL을 바꾸는 것과 거의 다르지 않습니다.
제 역할을 하는 곳
77개 범주의 의도 분류 체계를 쓰는 은행의 지원 엔지니어링 책임자
LLM 비용 없이 들어오는 채팅 메시지를 알맞은 대기열로 보내기
메시지마다 선택 질문 하나를 보냅니다. 입력 100만 토큰당 $0.042이므로 300토큰짜리 메시지 100만 건이 약 $13입니다. nibzard의 테스트에 따르면 0.96 신뢰도 기준으로 절반 정도를 4% 미만 오류율로 자동 처리하고, 나머지는 상담원에게 넘어갑니다.
에이전트 프레임워크를 만드는 플랫폼 엔지니어
도구 호출을 실행하기 전에 빠른 예/아니요 검사로 걸러내기
noul 질문은 "이 호출은 실행해도 안전하다"에 대한 확률을 약 200에서 320 ms 안에 반환합니다. 별칭이 옮겨 가도 임계값이 바뀌지 않도록 jev-1.13.0에 고정하고, 신뢰도가 낮은 호출은 더 큰 모델로 보냅니다.
ML 팀이 없는 SaaS 회사의 제품 매니저
피드백 수신함에 긴급도 점수와 스팸 필터 추가하기
점수 질문과 noul 질문을 메시지당 한 번의 호출로 답받으며, 운영할 GPU가 없습니다. 물량이 늘거나 수신함에 이미지가 들어오기 시작하면, Perplexity의 Decider 같은 오픈 모델이 비용은 절반이고 이미지도 읽습니다.
도입 전 확인할 점
- 설정
- API 키를 만든 뒤 상태와 이름 붙인 질문을 /v1/systemone에 POST하거나, 기본값이 jev-latest인 SDK를 사용합니다.
- 연동
- TypeSafe HTTP API와 SDK, Vercel AI Gateway(typesafe-ai/jev-1.13.0과 jev-1.14.0을 같은 입력 100만 토큰당 $0.042, 출력 무료로 제공). 같은 /v1/systemone 요청 형식을 vLLM이 오픈 결정 모델용으로 제공합니다.
- 데이터와 개인정보
- TypeSafe는 고객의 요청이나 응답으로 Jev를 학습시키지 않으며 모든 계정이 같은 가중치를 쓴다고 밝힙니다. 데이터 무보존은 Enterprise 고객에게 제공됩니다. 모델 페이지에는 보존 기간이 나와 있지 않고, DPA는 Legal 페이지에 있습니다.
- 대규모 사용 시 비용
- 입력에만 100만 토큰당 $0.042가 부과됩니다. 500토큰짜리 결정 1억(100M) 건은 $2,100입니다. nibzard의 40,226건 결정 벤치마크는 $1.71가 들었습니다.
- 제한
- 요청당 64K 토큰, 질문당 32K 토큰이며, TypeSafe-Danger-Zone-Long-Context 헤더를 쓰면 262K까지입니다. 요청 한도는 조직별로 정해지고 초과 시 429가 반환됩니다. 선택 질문은 선택지를 최대 255개까지 받습니다.
좋은 점
- 출력이 항상 사용자가 정한 선택지 중 하나여서 파싱할 것이 없습니다
- 입력 100만 토큰당 $0.042, 출력 무료
- 고객의 요청이나 응답으로 학습하지 않 습니다
- 버전이 붙은 모델 ID로 조정한 임계값이 안정적으로 유지됩니다
아쉬운 점
- 커뮤니티 Decision Index에서 229개 중 41위로, 오픈 모델에 뒤집니다
- 텍스트 전용이며, 영어에서 가장 잘 작동합니다
- 가중치가 비공개여서 셀프호스팅이나 파인튜닝이 불가능합니다
- 데이터 무보존은 Enterprise에서만 제공됩니다
추천 대상
자체 GPU를 운영하지 않고 텍스트 라우팅, 분류, 예/아니요 판정을 위한 저렴한 호스팅 API를 원하는 팀.
Jev 대안
Jev: 자주 묻는 질문
- Jev, 쓸 만한 가치가 있습니까?
- Jev는 타입이 정해진 결정을 하나의 제품으로 만들었지만, 이후 오픈 모델들이 점수와 가격 모두에서 Jev를 앞질렀습니다. 평점은 5점 만점에 3.8점입니다.
- Jev의 가격은 얼마입니까?
- 입력 100만 토큰당 $0.042(10억 토큰당 $42)이며, 출력 토큰은 무료입니다. 장문 컨텍스트에서도 가격은 같습니다. Enterprise 한도는 영업팀을 통해 정합니다.
- Jev의 단점은 무엇입니까?
- 커뮤니티 Decision Index에서 229개 중 41위로, 오픈 모델에 뒤집니다; 텍스트 전용이며, 영어에서 가장 잘 작동합니다; 가중치가 비공개여서 셀프호스팅이나 파인튜닝이 불가능합니다; 데이터 무보존은 Enterprise에서만 제공됩니다.
- Jev에 적합한 사람은 누구입니까?
- 자체 GPU를 운영하지 않고 텍스트 라우팅, 분류, 예/아니요 판정을 위한 저렴한 호스팅 API를 원하는 팀.
- 팀이나 프로덕션 환경에서 Jev의 비용은 얼마입니까?
- 입력에만 100만 토큰당 $0.042가 부과됩니다. 500토큰짜리 결정 1억(100M) 건은 $2,100입니다. nibzard의 40,226건 결정 벤치마크는 $1.71가 들었습니다.
- Jev에 회사 데이터를 맡겨도 안전합니까?
- TypeSafe는 고객의 요청이나 응답으로 Jev를 학습시키지 않으며 모든 계정이 같은 가중치를 쓴다고 밝힙니다. 데이터 무보존은 Enterprise 고객에게 제공됩니다. 모델 페이지에는 보존 기간이 나와 있지 않고, DPA는 Legal 페이지에 있습니다.
- Jev의 가장 좋은 대안은 무엇입니까?
- 저희가 리뷰한 것 중 가장 가까운 대안은 Perplexity Decider (pplx-decider), d3 (vLLM Semantic Router), Clef, Laya, GLiNER2.5-Decide 및 ScaleDown Constrained Decoding Models (Classify, Extract, Summarize)입니다.
답변 확인일: 2026년 10월 26일.