
Jev는 단 한 단어도 쓰기를 거부한다: TypeSafe AI의 의사결정 모델이 하는 일과 이후 감사에서 밝혀진 것
- OrcaNEWOrcaCyber: Hy4 Flash Abliterated / Uncensored2026-11-18$0.07 / $0.28 100만 토큰당 · 141 tok/s
- tencentNEWTencent: Hy4 Flash2026-11-16$0.02 / $0.07 100만 토큰당 · 175 tok/s
- GoogleNEWGoogle: Gemini 4 Carbon2026-11-10$2.00 / $10.00 100만 토큰당 · 89 tok/s
- AnthropicNEWAnthropic: Claude Fable 5.22026-11-09$8.00 / $40.00 100만 토큰당 · 97 tok/s
- orcaNEWOrca: OrcaC2 1.02026-11-079 tok/s
- OrcaOrcaCyber: GLM 5.3 Abliterated / Uncensored2026-11-04$3.00 / $5.00 100만 토큰당 · 88 tok/s
- OrcaOrcaCyber: Hy4 Abliterated / Uncensored2026-11-04$0.80 / $1.60 100만 토큰당 · 134 tok/s
- OrcaOrcaCyber: Kimi K3.1 Pro Abliterated / Uncensored2026-11-04$2.00 / $5.00 100만 토큰당 · 85 tok/s
- tencentTencent: Hy42026-11-04$0.83 / $2.50 100만 토큰당 · 94 tok/s
- OrcaOrcaCyber: MiniMax M3.1 Flash Abliterated / Uncensored2026-10-29$0.80 / $1.60 100만 토큰당 · 120 tok/s
- OrcaOrcaCyber: GLM 5.3 Flash Abliterated / Uncensored2026-10-27$0.80 / $1.60 100만 토큰당 · 68 tok/s
- OrcaOrcaCyber: Qwen3.8 Flash Next Abliterated / Uncensored2026-10-26$0.80 / $1.60 100만 토큰당 · 93 tok/s
- OrcaOrcaCyber: MiMo V2.6 Flash Abliterated / Uncensored2026-10-26$0.80 / $1.60 100만 토큰당 · 44 tok/s
- MoonshotMoonshotAI: Kimi K3.1 Pro2026-10-2447지능
- OrcaOrcaCyber: DeepSeek V4.1 Flash Abliterated / Uncensored2026-10-23$0.80 / $1.60 100만 토큰당 · 196 tok/s
- minimaxMiniMax: M3.1 Flash2026-10-1929지능
- OrcaOrca: OrcaCyber Ultra 1.02026-10-17$5.00 / $10.00 100만 토큰당 · 115 tok/s
- deepseekDeepSeek: DeepSeek V4.1 Flash 10172026-10-1733지능
- DeepSeekDeepSeek: DeepSeek V4.1 Flash 09102026-10-17$0.15 / $0.60 100만 토큰당
- DeepSeekDeepSeek: DeepSeek V4.1 Flash2026-10-1740지능
Jev 1.13(typesafe/jev-1.13)은 TypeSafe AI의 첫 번째 모델로, 독자가 채팅창보다는 비용표를 통해 접하게 될 가능성이 크다. 채팅창이 없기 때문이다. 2026년 9월 15일 Diogo Almeida가 출시했다 — 그는 ChatGPT가 어시스턴트처럼 행동하게 만든 연구인 InstructGPT 논문의 공동 저자다 — Jev는 텍스트를 전혀 생성하지 않는다. 그것은 하나의 상태 조각(이메일, 로그 한 줄, 지원 티켓, 게임 좌표의 JSON 덩어리)과 타입이 지정된 질문 목록을 받아, 타입이 지정된 답변을 반환한다: 사용자가 제공한 집합 중 하나의 선택, 루브릭상의 점수, 또는 예/아니오 확률이며, 각각 고유한 신뢰도 값을 지닌다. 산문도, 코드도, 설명도 없다. TypeSafe의 주장은 이런 좁은 범위 자체가 제품이라는 것이다. 그것이 생성 모델이 따라올 수 없는 속도와 가격을 사준다 — 회사 자체 출시 자료에 따르면 "비교 가능한 LLM"보다 20~200배 빠르고 40~400배 저렴하며, 입력 토큰 100만 개당 0.042달러이고 출력은 0으로 청구된다. 2026년 9월 21일부터 정식 제공되고 있으며, 당시 TypeSafe는 대기자 명단을 없애고 새 계정에 5달러 크레딧을 지급하기 시작했다 — 공급업체 자체 환산으로 정가 기준 약 1억 2천만 입력 토큰에 해당한다. 이 모델은 이 글에서 다루는 뉴스보다 앞선다. OrcaRouter는 2026년 9월 24일 자사 카탈로그에 typesafe/jev-1.13을 추가했고, 이제 이 모델이 나란히 자리하도록 설계된 생성 모델들과 동일한 키로 라우팅한다. 이것이 오늘 알아 둘 만한 변화다. 이 페이지가 이제 설명해야 할 두 번째 것은 TypeSafe의 것이 아니다: Jev 스타일의 System One 의사결정 모델을 만드는 제3자 오픈 프로젝트 RSI-Jev이며, 현재 릴리스는 2026년 10월 6일자 4B RSI-Jev v6.0-VL이다. 그것은 Jev의 와이어 포맷을 의도적으로 모방하며, 자체 라이선스 문구는 TypeSafe AI와 제휴 관계가 없다고 분명히 밝힌다 — TypeSafe의 Jev가 아니고, TypeSafe의 가중치가 아니며, 더 짧은 이름을 붙인 같은 모델도 아니다. 이 글의 마지막 섹션은 그것이 마땅히 있어야 할 곳이다. 왜냐하면 그것은 Jev의 입지 중 얼마나 많은 부분이 해자인지에 대한 질문에 이용 가능한 가장 예리한 답이기 때문이다.
첫 48시간 동안 공개된 가장 유용한 수치는 그중 하나가 아니다. 그것은 Every에서 나왔는데, Every의 평가 책임자가 공개된 Every 기사 27개와 AI 스타일의 대응 기사 10개에 걸쳐 Jev를 실행해, 37개 문서 전체에 21개 질문을 한 번에 던졌다: 0.7초 이내에 777건의 판단을, 약 0.25센트의 비용으로. Every의 CEO가 수행한 두 번째 테스트는 12개의 합성 구절 — 깨끗한 6개, 결함을 의도적으로 심어 놓은 6개 — 을 네 가지 글쓰기 검사에 대조했다. Jev는 구절당 중앙값 0.35초를 기록한 반면, 고강도 설정의 Claude Fable 5.1은 8.83초였다: 약 580분의 1의 비용으로 약 25배 더 빨랐다. 그것은 심어 놓은 결함 7개 중 6개를 잡아냈다. Claude Fable 5.1은 7개 모두를 잡아냈다. Every의 평결은 "좋지만 완벽하지는 않다"였고, 그것이 발표된 첫 독립 테스트에서 나온 Jev에 대한 솔직한 한 줄 평가다 — 속도와 비용 주장은 제3자와의 접촉에서 살아남았고, 정확도 주장은 최전선보다 한 단계 아래에 있으며, 표본이 너무 작아 누구도 그것으로부터 프로덕션 결론을 내려서는 안 된다 — 이후 평가들이 양방향에서 부분적으로 메운 격차다.
이 글에서 다루는 증거의 종류에 대한 설명입니다. 왜냐하면 이렇게 새로운 모델에 대해 티어가 빠르게 바뀌었기 때문입니다. Jev는 실재하고 호출 가능합니다: 문서화된 엔드포인트, Python SDK, 모델 별칭, 그리고 공개된 가격이 있습니다. 출시는 공급업체가 발표한 것이지 유출된 것이 아니며, 그것이 존재하는지에 대해 추측하는 사람은 아무도 없습니다. 그러나 TypeSafe가 앞세우는 모든 성능 주장은 TypeSafe 자체의 것이고, 아키텍처는 공개되지 않았으며, 가중치는 나오지 않았고, 20-200x 헤드라인 뒤에 있는 벤치마크 대시보드는 공개 리더보드가 아니라 일련의 내부 워크플로 평가입니다. 독립적인 테스트는 출시 당일의 빠진 조각이 더 이상 아닙니다 — 현재 적어도 세 개의 별도 외부 평가가 있으며, 여기에는 사전 등록된 실행 하나와 Jev가 볼 수 없었던 입력에 대해 특별히 테스트하기 위해 만들어진 연구 하나가 포함됩니다 — 그리고 그들은 속도에 대해서는 공급업체와 동의하지만 정확도와 보정에 대해서는 더 복잡한 이야기를 들려줍니다. 이 글은 공급업체 수치, 독립적 수치, 그리고 열린 질문들을 존재하지 않는 합의로 평균내지 않고 눈에 띄게 분리해 유지합니다.
TypeSafe가 실제로 출시한 것
Jev는 TypeSafe가 System One 모델이라고 부르는 것의 첫 번째입니다. 그 이름은 Daniel Kahneman이 말한 인지의 빠르고 직관적인 절반에서 빌려온 것으로, 챗봇이 모방하는 느리고 숙고하는 방식과는 대조됩니다. TypeSafe가 그리는 대조는 텍스트 생성기를 강제로 구조화된 출력을 내보내게 한 다음, 그 텍스트를 코드가 신뢰할 수 있는 무언가로 다시 파싱하는 표준 패턴과의 대비입니다. Jev는 텍스트를 완전히 건너뜁니다. TypeSafe의 자체 문서는 이 점을 단호하게 밝힙니다: "대규모 언어 모델(LLMs)은 사람이 읽을 수 있는 텍스트를 생성하도록 설계되었습니다. 코드가 소비할 판단을 모델이 내려야 할 때, 불일치가 발생합니다."
출력 표면은 세 가지 기본 요소로 이루어져 있으며, 그 외에는 아무것도 없습니다. 당신이 하는 모든 질문은 그중 하나여야 합니다:
• Choice — 제공한 목록에서 옵션 하나를 선택하여, 선택한 옵션과 함께 각 후보에 대한 확률 및 신뢰도를 반환합니다. 옵션은 필드당 255개로 제한되며, 그 이상인 경우 TypeSafe는 후보를 독립적으로 점수화한 다음 선택하는 2단계 패턴을 문서화합니다.
• Score — 상태를 순서형 루브릭에 배치하고, 레벨과 레벨별 확률, 신뢰도를 반환합니다. 이탈 위험을 0-1 척도로 나타내는 것이 문서에 있는 예시입니다.
• Noul — "no"와 "null"의 혼성어 — 참일 보정된 확률을 반환하는 단일 예/아니오 주장.

흥미로운 특성은 어떤 한 가지 프리미티브가 아니라 그것들이 어떻게 조합되는가에 있습니다. 세 가지 모두 단일 API 호출에서 섞어 쓸 수 있으며, 모든 질문은 동일한 상태를 한 번 읽은 것을 바탕으로 병렬로 평가됩니다. TypeSafe의 문서에 따르면 질문을 추가해도 "응답 시간이 거의 바뀌지 않는다"고 하며, 독립적인 테스트들도 이를 실제로 뒷받침합니다 — 37개 문서에 걸친 21개 질문이 같은 0.7초 안에 처리되었습니다. 이것이 판단당 가격이 급락하는 이유입니다: 더 긴 생성을 위해 비용을 내는 게 아니라, 한 번의 패스에 비용을 내는 것입니다.
실질적인 적용 범위는 문서에 기록된 대로, 그리고 초기 사용자들이 보고한 대로 다음과 같습니다: 요청 예산은 대략 64,000토큰이며, 그중 약 32,000은 상태와 가장 긴 단일 질문에 해당합니다 — TypeSafe의 문서는 상태가 커질수록 정확도가 달라진다고 언급합니다; 출시 시점에는 이미지나 오디오 입력이 없습니다; 그리고 요청 및 응답 형태가 chat-completions 관례가 아니어서, 기존 클라이언트가 단순히 base URL을 여기로 지정할 수는 없습니다. 2026년 9월 21일 TypeSafe가 대기자 명단을 없애고 계정이 있는 누구나 Jev를 사용할 수 있게 개방하면서 접근은 더 이상 장애물이 아니게 되었습니다; 새 계정은 5달러의 크레딧으로 시작하며, 공급업체는 이것이 정가 기준 약 1억 2천만 입력 토큰에 해당한다고 말합니다. TypeSafe 자체 홈페이지는 여전히 Jev를 얼리 액세스로 설명하지만, 그 문서는 이 라벨을 반복하지 않습니다: 문서에는 접근 게이트 대신 초당 100K 토큰과 초당 40건의 요청이라는 동적으로 조정되는 한도를 게시합니다. 브라우저 플레이그라운드는 여전히 API와 함께 있으며, jev-latest가 모델 별칭으로 남아 있습니다.
RLCD는 선호가 아닌 교정을 의미한다
TypeSafe는 자사 문서에 따르면, RLCD — 보정된 의사결정을 위한 강화학습이라고 부르는 방법으로 Jev를 훈련한다. 이 약어는 등장한 지 얼마 안 되어 초기 보도에서 제각각 다르게 풀어 썼기 때문에, 그것이 실제로 무엇을 가리키는지 정확히 짚고 넘어갈 가치가 있다. 왜냐하면 그 구분이 바로 이 연구 주장의 전부이기 때문이다.
RLHF는 인간이 선호하는 출력에 최적화한다. RLVR은 검증 가능한 정확성, 즉 테스트 케이스를 통과하는 종류의 정확성에 최적화한다. RLCD는 보정에 최적화한다: 자신이 70% 확신한다고 말하는 모델은 약 70%의 경우에 맞아야 한다. 이는 단순히 맞는 것과는 다른 목표이며, 모든 Jev 답변이 그냥 답변만이 아니라 확률 분포를 함께 제공하는 이유이다. 의도된 실패 모드는 모델이 자신이 모르는 때를 아는 것이며, 그래야 여러분의 코드가 그것에 대해 무엇을 할지 결정할 수 있다.
그것이 실제로 당신에게 주는 것은 제어 표면이다. 문서화된 패턴은 세 개의 신뢰 밴드다 — 최상단에서는 자동으로 행동하고, 중간에서는 플래그를 달거나 확인하며, 최하단에서는 사람에게 라우팅한다 — 임계값은 모델이 아니라 코드에 있다. 그 밴드가 정직한지는 당신의 데이터에 관한 경험적 질문이며, TypeSafe가 명시적으로 스스로 답하라고 말하는 질문이다. 신뢰 임계값은 사용 사례별로 다르며 자신의 레이블이 붙은 예시에 대해 테스트해야 한다고 언급한다. 그 지침은 문서에서 가장 중요한 문장이며, 문서가 담고 있지 않은 것은 그 밴드 뒤의 방법이 이름이 말하는 대로 하는지에 대한 외부의 어떤 설명이다. 이번 주에 들어 부분적인 것이 하나 생겼는데, 그것은 공개가 아니라 재구성이다: RSI-Jev의 RL 사후 분석은 RLCD에 대해 공개된 추측들을 통제된 7개 군 재구성으로 만든다 — 13.8k 질문 슬라이스, 군당 1,500 스텝 — 그리고 실패한 군을 포함해 모든 군에 일어난 일을 공개한다. 그 안의 모든 RL 보상은 원시 캘리브레이션을 더 나쁘게 만들었다; 값싼 사후 신뢰도 헤드는 proper-score 군을 제외한 모든 것을 회복시켰다; 그리고 어떤 목적함수도 신뢰도의 순서를 개선하지 못했다. 그것은 RLCD가 반드시 포함해야 하는 세 가지 구성 요소를 나열하며 끝나는데, 이는 그 방법이 어떻게 작동할 수 있는지에 대한 가설로 표현되어 있지, 회사 밖의 누구도 본 적 없는 TypeSafe 내부에 대한 주장으로 표현되어 있지 않다. 그것을 아래에 정리된 캘리브레이션 주장들 옆에 놓이는 최초의 제3자 증거로 읽어라, 그 주장들 내부를 들여다보는 것으로 읽지 말라; 방법 자체의 배경은 우리의 해설 자료 RLCD Explained에 있다.
누가 만들었는지에 따라 정렬된 숫자들
대부분의 Jev 관련 보도가 이 지점에서 흐지부지해지므로, 출처를 분명히 밝히는 것이 좋습니다. 다음은 공급업체에서 나온 정보, 독립 테스터에게서 나온 정보, 그리고 그냥 알 수 없는 정보입니다.
• 공급업체가 보고했지만 재현되지 않은 — 대표적으로 내세운 속도 및 비용 주장. 최첨단 LLM 호출의 3~329초에 대비한 70~500ms 엔드투엔드 지연 시간; 20~200배 더 빠르고 40~400배 더 저렴; 단일 최선의 사례 워크플로 결과는 193.6배 더 빠르고 444.6배 더 저렴하다고 광고됨. TypeSafe는 이것이 보편적인 수치가 아니라 최선의 사례임을 인정한다.
• 공급업체 보고 기준이며 가격표에서 확인 가능 — 입력 토큰 100만 개당 $0.042, 즉 10억 개당 $42이고 출력은 무료다. 출력이 무료인 이유는 프로모션이 아니라 작동 방식에 있다: 계량할 자기회귀 디코딩이 없으므로 청구할 출력 토큰도 없다. 규모를 가늠하자면, 같은 출시 자료에서는 일반적인 프런티어 입력 가격을 100만 개당 $0.20~$10로 제시하며, 출력은 흔히 입력 가격의 약 5배다.
• 벤더 보고 기준, 내부 벤치마크에서 — TypeSafe 자체 워크플로 대시보드, 네 가지 작업에 걸친 711개 사례, 참조 답변은 정답이 아니라 GPT-6 Astra와 Claude Fable 5.1의 평균 판단에서 도출됨. 그 대시보드에서 Jev는 67.8%로 집계되어 최고 비교 대상의 74.1%와 대비된다. 세부 분류: 보안 사고 61.7% 대 Opus 5의 66.2%; 에이전트 트레이스 관측성 71.6% 대 76.6%; 인보이스 처리 61.8% 대 79.1%; 고객 서비스 76.0% 대 78.3%. Jev는 해당 차트에서 비용 및 지연 시간 열에서 이기고 정확도 열에서는 진다. 대시보드 자체는 하네스 편향 가능성을 언급하며, TypeSafe는 제품 업데이트와 연계된 일회성 평가를 위해 공개 리더보드를 의도적으로 건너뛰었다고 밝혔다.
독립적으로 측정된, 작은 표본 — 첫 외부 테스트인 위에서 설명한 Every 실행: 약 0.25센트로 0.7초 이내에 777건의 판단; 11개 실험에 걸쳐 총 1센트 미만으로 1,709건의 판단; 12개 지문 분류 작업에서 Claude Fable 5.1보다 약 25배 빠르고 비용은 1/580이지만, 비교 대상이 잡아낸 7개의 심어둔 결함 중 하나를 놓쳤다. Every 자체의 결론은 생산 환경에 투입하기 전에 훨씬 더 철저한 정확도 검사를 원한다는 것이었으며, 그 검사는 이후 아래에서 부분적으로 도래했다.
• 독립적으로 측정되고, 사전 등록되었으며, 더 규모가 큰 — 외부 팀이 2026년 9월 20일에 사전 등록된 평가를 발표했는데, 단 하나의 요청도 나가기 전에 21개의 실험과 50개의 예측을 고정했고, 5,721회의 호출에 걸쳐 진행되었다. 400개 항목의 참조 세트에서 Jev는 제로샷으로 95.9%를 기록했으며, 이는 수작업 키워드 규칙의 77.2%와 지도 학습 TF-IDF 기준선의 66.0%와 대비된다. 같은 연구는 헤드라인보다 더 중요한 실패 모드를 기록한다: 질문에 있는 기준 설명이 틀렸을 때, 정확도는 16.7%로 폭락했으며, 이는 해당 과제의 25% 무작위 하한선보다 낮다. 저자들은 반대 방향의 자신들의 편향을 공개한다 — 21개의 반증된 예측 중 18개가 같은 방식으로 빗나갔는데, 이는 그들이 계속 실패를 예측했고 계속 틀렸기 때문이다.
• 독립적으로 측정된, 분포 외(out-of-distribution) 데이터 — 2026년 9월 19일에 발표된 별도의 캘리브레이션 연구는, 라벨이 텍스트 어디에도 나타나지 않는 내부 계정 등급 정책에 부분적으로 의존하는 900개의 규칙 생성 지원 티켓을 만들어 어떤 모델도 그것을 암기할 수 없게 했고, 이를 3,721개의 공개 벤치마크 항목과 함께 실행했다. 합성 데이터 축에서 Jev의 기대 캘리브레이션 오차는 0.107이었으며, 이는 저자들이 완벽하게 캘리브레이션된 모델을 위해 계산한 0.024의 노이즈 하한(noise floor)에 맞선 수치로, 하한의 약 4.4배에 해당한다. 공개 벤치마크에서는 같은 연구가 0.024에서 0.032를 측정했다. 이 두 범위 사이의 격차가 바로 이번 연구 결과다.
• 알 수 없음 — 아키텍처. 출시 당시 논문도, 매개변수 수치도, 학습 컴퓨트 공개도, 가중치도 없습니다. TypeSafe는 세부 사항을 "당분간은 비밀에 부치겠다"며 논문은 나중에 나올 수도 있다고 밝혔습니다. 9월 중순의 재현 물결도 이를 바꾸지 못했습니다. 그 프로젝트들은 자체 아키텍처로 동작을 재구성하며, 어느 것도 TypeSafe의 모델이 어떻게 작동하는지 공개하지 않습니다. 한 제3자 프로젝트가 이제 공개하는 오픈 체크포인트는 그 프로젝트 자체의 것이지 TypeSafe의 릴리스가 아니며, 위 문장들을 달라지게 하는 것도 없습니다 — 벤더가 무엇을 내놓았고 내놓지 않았는지에 대한 전체 내역은 "Jev는 오픈 소스인가?"에 있습니다.

그 등급들 전반에 걸친 패턴은 일관되며, 200배라는 헤드라인이 시사하는 패턴이 아니다. 모든 독립적 수치와 벤더 수치가 Jev가 극적으로 더 저렴하고 극적으로 더 빠르다는 점에 동의한다. TypeSafe 자체의 수치를 포함해 어디에도 그것이 가격이 견주어지는 프런티어 모델보다 더 정확하다는 것을 보여주는 수치는 없다 — 벤더 자체의 대시보드에서도 그것은 좋은 중급 모델 수준에 머문다. 최신 외부 연구가 보태는 것은 새로운 헤드라인이 아니라 정확도 이야기에 형태를 더하는 것이다. 이전에 본 적 있는 작업 유형에서는 매우 강력해 보일 수 있다: 사전 등록된 팀 자체의 400개 항목 참조 세트에서 95.9% 제로샷으로, 측정 대상이었던 키워드 및 TF-IDF 기준선보다 훨씬 앞선다. 이전에 본 적 없는 것과는 다르도록 만들어진 입력에서는 그 신뢰도가 흔들린다. 여전히 유효한 비교는 "가격의 100분의 1로 프런티어 모델만큼 똑똑하다"가 아니다 — "호출당 1센트의 일부 비용으로 중급 모델의 판단에 근접하며, 매 단일 턴마다 실행할 수 있을 만큼 빠르다"이다.
‘제로 환각’이 의미하는 것과 의미하지 않는 것
TypeSafe의 출시 자료에는 Jev의 도구 호출 오류율이 0%인 반면 비교 모델들은 0%가 아닌 오류율을 보인다는 차트가 포함되어 있고, "환각 저항성"이라는 표현이 그 모델과 함께 따라다닌다. 둘 다 사실이지만, 둘 다 읽히는 것보다 더 좁은 의미다.
이 보장은 구조적입니다. 가능한 모든 답은 모델이 실행되기 전에 열거됩니다 — 선택지 목록, 평가 기준, 또는 참/거짓 주장을 당신이 제공했기 때문입니다 — 따라서 선언된 타입 밖의 값을 내놓을 여지가 없습니다. 잘못된 형식의 도구 호출은 Jev가 생성할 수 있는 것이 아닙니다. 이것은 진정한 엔지니어링 속성이며, JSON 파싱 실패에 대한 재시도 로직을 일주일 동안 작성해 본 사람이라면 누구에게나 실제 돈을 지불할 가치가 있습니다.
그것은 올바름에 대한 주장이 아니다. 스키마에 유효한 답변도 여전히 틀릴 수 있다. Jev는 청구 관련 불만을 기술 대기열로 자신 있게 라우팅할 수 있고, 출력은 완벽하게 형식은 갖추지만 쓸모없을 것이다. Almeida 자신도 그렇게 말한 바 있으며, 자신 있게 틀리는 것이 가능하다는 점을 인정했다. 두 사실을 함께 견지하는 유용한 방식은 Jev가 출력 형식화에서 비롯되는 오류 범주를 제거하고, 판단에서 비롯되는 범주에 대해서는 전혀 아무것도 하지 않는다는 것이다. 이는 정확성 문제가 전적으로 캘리브레이션 문제이며, 캘리브레이션은 바로 당신이 스스로 측정해야 하는 것이라는 뜻이다.
첫 외부 평가들은 그 구조적 보장이 프로덕션에서 어떻게 동작하는지에 관한 구체적인 경고를 추가한다. Jev는 항상 당신이 제공한 답변 중 하나를 반환하므로, 당신이 그런 답을 주지 않는 한 "해당 없음"이라고 말할 방법이 없다. 9월의 사전 등록된 실행에서는 유효한 범주가 없는 자료를 분류하도록 요청했는데, 범위를 벗어난 메시지 30개 중 0개가 플래그되었고 각각 0.99의 신뢰도로 반환되었다. 케이크 조리법이나 무작위 글자 페이지는 높은 신뢰도로 하나의 범주로 돌아오는데, 요청이 요구한 것이 범주이기 때문이다. 해결책은 모델 설정이라기보다 설계 습관이다: 모든 Choice 목록에 명시적인 탈출 옵션을 포함하고 모든 Noul 클레임에 false 분기를 포함하며, 그중 하나라도 없는 것은 자신의 질문 텍스트의 버그로 취급하라.
자신의 데이터로 캘리브레이션 주장을 테스트하는 방법
캘리브레이션은 수백 개의 예시와 ML 인프라 없이 제대로 확인할 수 있는 몇 안 되는 모델 속성 중 하나이며, Jev가 프로덕션 경로를 건드리기 전에 중요한 유일한 테스트입니다. 절차는 짧습니다.
이미 레이블이 있는 사례 수백 건을 가져오세요. Jev에게 중요한 질문—라우팅 결정, 위험 점수, 결함 확인—을 던지고, 보고된 신뢰도에 따라 답변을 버킷으로 나누세요. 그런 다음 신뢰도 0.9 버킷이 약 90%의 경우에 맞는지, 0.7 버킷은 약 70%인지 등을 확인하세요. 잘 보정된 모델은 대각선을 그립니다. 그저 자신감만 높은 모델은 모든 것을 0.9 위에 몰아넣고 70%의 경우에만 맞는데, 이것이 자동화 파이프라인을 조용히 망가뜨리는 형태입니다.
같은 테스트가 어떤 임계값을 사용해야 하는지 알려준다. 0.9 버킷이 정말로 당신의 데이터에서 90% 정확하다면, 그것을 자동화할 수 있다. 중간 밴드가 모호한 덩어리라면, 그것을 사람에게 라우팅하거나 생성형 모델에 넘기고 비싼 경로가 모호성을 처리하게 하라. 확신하는 다수에게는 저렴한 모델을, 불확실한 나머지에는 비싼 모델을 배치하는 그 분할이 바로 Jev가 주장하는 실제 아키텍처이며, 이것이 그 모델을 대체물이 아니라 구성 요소로 이해하는 것이 가장 좋은 이유다.
분포 외(out-of-distribution) 연구는 그 질문에 대한 첫 외부 답변이며, 이는 승인이라기보다 경고다. 결정 정책이 텍스트에 없는 900개의 합성 지원 티켓을 대상으로 실행했을 때, Jev의 확신은 더 이상 정확도와 일치하지 않았다: 기대 보정 오차는 0.024의 잡음 하한 대비 0.107이었고, 이는 완벽하게 보정된 모델이 같은 세트에서 받을 점수의 약 4.4배였다. 세 개의 공개 벤치마크에서는 0.024에서 0.032였다 — 따라서 이 모델은 자신이 구축되고 측정된 종류의 데이터에서는 잘 보정되어 있지만, 작업이 낯설어지는 순간 상당히 덜 보정된다. 점수 프리미티브는 세 가지 중 가장 약했으며, 정확도 44.7%, 평균 제시 확률 0.74를 기록했다. 연구의 저자들 스스로 독자들에게 그 결과의 정확한 크기가 아니라 방향을 받아들이라고 요청한다. n=900의 합성 작업군 하나만으로는 일반 법칙이 되지 않기 때문이다. 임계값을 작성하는 누구에게나 중요한 부분은 바로 그 방향이다: 결정을 자동화하기 전에 위의 버킷팅 테스트를 자신의 레이블에 대해 실행하라. 공개 벤치마크에서 볼 수 있는 보정은 당신의 트래픽에서 얻게 될 보정이 아니기 때문이다.
비용은 얼마인가, 하나하나 따져보면
가격은 따져 보기에 충분히 단순한데, 이는 드문 일이다. 입력은 백만 토큰당 $0.042이며 — TypeSafe가 공표하는 요율이고 OrcaRouter 카탈로그에 실린 요율이다 — 출력은 무료다. 문서화된 예산인 약 64,000 입력 토큰에서, 최대 크기의 호출 한 번은 0.3센트 미만이 든다.
보고된 두 수치는 규모를 가늠하게 해준다. 한 초기 사용자는 약 5,000건의 요청을 약 2달러로 실행했다. Doom 데모 — Jev가 원시 픽셀이 아니라 게임 상태를 텍스트로 설명한 것을 사용해 봇을 조종한 — 는 초당 약 10회 호출로, 시간당 약 7달러에 돌아갔다. 그리고 Every가 37개 문서에 걸쳐 수행한 777건의 판단은 약 0.25센트로 나왔는데, 이 수치가 흥미로운 사용 사례를 명확히 보이게 해준다. 그 가격이라면 에이전트 루프의 모든 단일 턴을 확인하는 일은 더 이상 비용 결정이 아니라 기본값이 된다.
그것이 Jev를 지지하는 진짜 논거다. 매 턴마다 수행되는 검증 패스 — 이 도구 호출이 이전 호출과 모순되었는가, 이 출력이 사용자가 밝힌 의도와 일치하는가, 이것이 플래그를 세워야 하는가 — 는 프런티어 모델로는 항상 기술적으로 가능했지만 대규모에서는 경제적으로 터무니없었다. 백만 토큰당 $0.042에 출력 요금이 없다면, 같은 패스가 매 턴마다 감당 가능해진다. 여기서 가치는 Jev가 프런티어 모델보다 더 잘 사고한다는 데 있지 않다. 왜냐하면 그렇지 않기 때문이다. 가치는 그것이 끊임없이 활용될 수 있을 만큼 저렴하고 빠르게 사고한다는 데 있다.
분명히 짚고 넘어갈 만합니다. 당연히 이어질 질문이니까요: OrcaRouter는 2026년 9월 24일 자사 카탈로그에 typesafe/jev-1.13을 추가했고, 이 모델은Jev 1.13 모델 카드에서 오늘 라이브 상태입니다 — 단일 API로 200개 이상의 모델을 공급자 정가에 0% 마크업으로 그대로 전달하므로, 벤더의 가격 인하는 출시 당일 우리 쪽에 그대로 반영됩니다. 이것이 어떻게 제공되는지에 관한 두 가지 세부 사항을 짚어보겠습니다. 사람들이 가장 많이 묻는 부분이니까요. 요청은 POST /v1/systemone으로, 비스트리밍 방식으로, 65,536토큰 컨텍스트를 대상으로 전송됩니다. 이는 채팅 완성(chat-completions) 형태가 아니며, 그래서 Jev는 채팅 라우트에 편입되지 않고 자체 엔드포인트 유형에 자리합니다. 그리고 카드에는 벤더로부터 그대로 옮겨 적은 것이 아니라 9월 24일 이후 우리 플레이그라운드를 통과한 트래픽을 측정한 자체 7일 서빙 구간이 공개되어 있습니다. p50 151ms, p95 247ms, 초당 출력 토큰 349개, 7,620만 토큰에 걸친 0.49%의 오류율입니다. 바로 이것이 Jev가 주장하는 두 모델 패턴을 두 개가 아닌 단일 계약으로 만드는 것입니다. Jev가 타입이 지정된 결정을 내리고, 생성 모델이 산문이나 코드, 또는 설명이 필요한 부분을 처리하며, 두 부분 모두 동일한 키로 공급자 정가에 청구되고, 자동 장애 조치가 잘못 보정된 것으로 드러난 결정 컴포넌트가 프로덕션 인시던트로 번지는 것을 막아줍니다.

Jev가 맞지 않는 곳
제한 사항은 벤더에 의해 이례적으로 명확하게 명시되어 있어, 이 섹션을 정직하게 작성하기가 쉽다. Jev는 자유 텍스트를 생성할 수 없다. 코드를 작성할 수 없다. 대화를 나눌 수 없다. 채팅 인터페이스도, 이미지 입력도 없으며, 요청 예산은 약 64,000 토큰인데 — 그중 약 32,000 토큰이 상태와 가장 긴 단일 질문을 포함한다 — 가격으로 비교되는 장문맥 모델보다 10배가량 낮다. 선택 필드는 최대 255개 옵션으로 제한된다. 그리고 "환각 없음" 세트는 진실보다 출력 형식에 관한 것이다.
이 네트워크는 적용 범위가 꽤 좁다. 적합한 경우: 대량 분류 및 라우팅, 가드레일과 검증 패스, 지연 시간이 중요한 결정, 대규모 문서 세트를 병렬로 채점하기, 정답이 진정한 선택지나 척도상의 숫자, 또는 불리언인 모든 곳. 부적합한 경우: 모든 종류의 개방형 생성, 긴 문맥 추론, 다중 턴 대화, 또는 정답이 문장인 모든 작업. 문제가 타입이 지정된 질문으로 환원되지 않는다면, Jev는 그것을 해결하는 더 저렴한 방법이 아니다 — 그것을 해결하는 방법이 전혀 아니다.
이 프레이밍에 대한 정당한 비판도 있으며, 이는 계속 이어갈 가치가 있다. Jev를 프런티어 모델이라고 부르는 것은 그 모델이 얻지 못한 신뢰를 빌려오는 셈이다. Jev는 코딩도, 대화도, 문장 하나도 쓰지 못하며, 비교 차트는 프런티어 모델을 기준선으로 삼고 있지만 정확도 열은 다른 이야기를 들려준다. 더 방어 가능하고, 증거가 실제로 뒷받침하는 주장은 TypeSafe가 구조화된 의사결정에서 속도와 비용의 프런티어를 훨씬 멀리 밀어냈다는 것이다. 그것은 해낸 것만으로도 상당한 일이다. 그것은 GPT-6 Astra나 Claude Fable 5.1에 필적하는 모델을 만드는 것과는 다른 일이다.
이 그림을 바꿀 수 있는 것은 무엇일까요?
네 가지가 이 문제를 매듭지어 줄 텐데, 모델이 공개된 이후 한 주 동안 그중 세 가지가 진전을 보였다.
• 공개된 아키텍처 논문 또는 공개 가중치. 여전히 가장 큰 구멍이다. Jev가 어떻게 그 속도를 내는지에 관한 모든 것은 여전히 블랙박스로 남아 있으며, 병렬 평가가 그 메커니즘이라는 주장 — Almeida가 드는 비유는 트랜스포머가 순환 신경망을 대체했던 방식으로 순차 계산을 대체한다는 것이다 — 은 입증된 결과가 아니라 단언이다. 아래의 오픈소스 물결은 그 동작을 재구현하지만, 그중 어느 것도 TypeSafe의 모델이 어떻게 작동하는지 공개하지 않는다. 설계가 공개되기 전까지 속도는 사실이고 설명은 마케팅이다.
• 더 큰 표본을 사용한 두 번째 독립 평가. 이번 것은 부분적으로 통했다. 사전 등록된 9월 20일 실행은 5,721건의 호출과 400개 항목으로 구성된 참조 세트를 포함하는데, 이는 Every의 12개 구절보다 훨씬 큰 표본이자 훨씬 더 잘 설계된 표본이며, 현존하는 Jev에 관한 가장 강력한 단일 증거다. 또한 자체 작성되었고, 하루 동안 단일 장소에서 하나의 모델 버전을 대상으로 실행되었으며, 팀은 결과와 함께 자체 한계도 공개한다. 이것이 확정하는 것은 Jev가 자신이 설계된 작업에 진정으로 뛰어나다는 점이고, 확정하지 않는 것은 다른 사람의 과제에서 어떻게 수행하는지이다.
• 현실적이고 지저분한 입력에 대한 캘리브레이션 감사. 이번 것은 효과가 있었고, 이 글에서 가장 불편한 결과다. 위의 분포 외 연구는 모델이 익숙하지 않도록 만들어진 자료에 대해 처음 실행된 감사이며, 완벽하게 캘리브레이션된 모델의 노이즈 플로어 대비 약 4.4배 수준에서 신뢰도가 정확도와 분리되는 것을 발견했다 — 반면 같은 모델은 세 개의 공개 벤치마크에서는 잘 캘리브레이션된 것으로 보였다. 900개 항목으로 구성된 하나의 합성 작업군은 결론이 아니며, 저자들도 그렇게 말한다. 이는 질문을 "Jev는 캘리브레이션되었는가?"에서 "무엇에 대해 캘리브레이션되었는가?"로 옮기기에 충분하며, 후자가 어쨌든 더 유용한 질문이다.
• Jev 자신의 기준에서 Jev를 능가하는 복제. 아직은 아니며, 그 물결은 9월에 멈추지 않았다. 출시 후 약 48시간 이내에 적어도 여섯 개의 독립적인 오픈 프로젝트가 Jev 형태의 결정 모델을 출시했다 — 하나는 4억 2,100만 파라미터 인코더 기반, 하나는 9B 모델에 대한 LoRA, 하나는 수십 킬로바이트에 들어갈 만큼 작은 모델 — 그리고 9월 23일까지 그중 하나가 모델 호스팅 트렌딩 목록 1위에 올랐다. 그 프로젝트들이 게시하는 모든 비교는 대안을 만든 팀이 자체 보고한 것이며, 각자 자신의 평가 세트를 사용한다. 결과는 서로 다른 방향을 가리킨다: 뉴스 분류에서 이기는 클론은 77-way 의도 작업에서 크게 뒤지고, 바이트 단위로 동일한 입력에 대해 수행된 유일한 독립적 일대일 비교에서는 Jev가 9개 스위트 중 6개에서 앞선다. 단일 벤치마크에 대한 Jev 자체의 정확도는 이제 네 개의 서로 다른 평가에 의해 네 가지 다른 값으로 발표되었다. 그 물결 중 지속적인 것은 RSI-Jev이며, 그것은 그 주장의 구체적이고 날짜가 있는 사례다: Jev 스타일의 System One 결정 모델을 구축하는 제3자 오픈 프로젝트로, 코드는 MIT, 가중치는 Hugging Face에서 Apache-2.0이며, 라이선스 문구는 "TypeSafe AI와 관련 없음"이라고 적혀 있다. 이번 주 릴리스는 4B RSI-Jev v6.0-VL로, 2026-10-06에 게시되었으며 471번의 실험을 실행하고 그중 극히 일부만 유지한 자기 개선 루프의 일곱 번째다: 훈련된 답변 헤드가 있는 Qwen3.5-4B-Base 타워, 결정당 한 번의 순전파, 생성되는 것은 없다. 토큰 대신 깊이를 사용한다 — 레이어 16, 20, 32에 답변 헤드가 있어 요청은 가장 먼저 확신하는 곳에서 멈추며, 하나의 H200에서 bf16으로 중앙값 23, 27, 40ms — 그리고 TypeSafe의 와이어 형식을 정확히 말한다: 동일한 요청, 동일한 세 가지 질문 유형, 동일한 신뢰도 통계, 따라서 Jev에 맞춰 작성된 것은 무엇이든 변경 없이 작동한다. 프로젝트 자체의 공개 Decision Index에서 한 릴리스에서 38.38에서 46.24를 보고하며, 홀드아웃 세트에서 0.698, MMLU-Pro에서 0.440 — 자체 보드에 자체 수치이며, 그것과 Jev 1.13 사이에 독립적인 일대일 비교는 없다. 이것은 Jev의 가중치 릴리스가 아니며, TypeSafe의 모델을 오픈소스로 만들지도 않으며, TypeSafe는 그것을 만들지도 보증하지도 않았다; 그 라인의 이전 릴리스는 Qwen3.5-2B-Base의 2B 모델이었고, 프로젝트의 이름을 알린 RL 결과는 v3.0에서 나온 것으로, 2026-09-28 날짜이며 세 릴리스 전이다 — RL 단계가 이어받은 지도 모델을 능가한 첫 릴리스로, 16개 후보에 대한 목록형 재순위 보상이 재순위 R@1을 0.192에서 0.308로 끌어올렸으며, 자체 부모 대비 60% 상승, 스위트 비용은 0.0028이었다. 우리 카탈로그에는 RSI-Jev에 대한 ID가 없다: 우리가 제공하는 것은 systemone 엔드포인트의 typesafe/jev-1.13이며, 이 프로젝트는 자체 저장소에서 실행된다. 처음 읽는 독자를 위한 전체 설명은 What Is RSI-Jev?에 있다.
그 물결이 보여주는 것은 Jev가 패배했다는 것이 아니라, 주말 만에 대략 이런 작업을 수행하는 오픈 모델을 만들 수 있다는 점입니다. 이는 해자가 어디에 있는지에 대한 더 다르고 더 지속적인 주장입니다. 그에 따르는 태세는 일주일 전보다 더 좁아졌고, 더 구체적입니다. Jev는 실제로 출시된, 유난히 저렴한 모델로, 이제 계정이 있는 누구나 사용할 수 있으며, 출력 신뢰성에서 진정한 구조적 이점을 갖추고, 공급업체 자체 수치로는 중간 등급 정도의 정확도 프로필을 보이며, 출시 이후 독립적으로 두 번 테스트된 보정 주장을 가지고 있습니다: 한 번은 크고 유리한, 자체 작성 벤치마크에서, 한 번은 신뢰도 점수가 유지되지 않은 익숙하지 않은 입력에서였습니다. 두 번째 결과를 더 유익한 것으로 간주하십시오. 워크플로에 프런티어 모델을 사용하기에는 낭비일 만큼 자주 묻는 타입이 지정된 질문으로 축소되는 단계가 있다면, 이것은 그것을 묻는 가장 저렴한 방법 중 하나입니다 — 그리고 그것이 반환하는 신뢰도 값은 신뢰하기 전에 자신의 데이터로 테스트해야 할 부분이며, 속도가 아닙니다. 또한 두 번째 계정 없이도 테스트할 수 있습니다: typesafe/jev-1.13은 Jev 형태의 워크플로가 필요로 하는 생성 모델 옆에 OrcaRouter에서 라이브 상태입니다.
