Jev AI 모델이란 — 글자 대신 선택지·출력 토큰은 공짜

요즘 개발자 쪽에서 Jev라는 이름이 자주 보입니다. AI 모델인데 글을 한 줄도 안 씁니다. 답변도, 코드도, 이유 설명도 안 내놓죠. 대신 미리 정해 둔 선택지 중 하나를 고르고 그 확률을 함께 돌려줍니다.

이상하게 들리지만 쓰임이 분명합니다. 「이 문의는 결제팀인가 기술팀인가」처럼 코드가 바로 받아 쓸 수 있는 결정만 뽑아 주는 것이죠. 가격도 특이해서 출력 토큰은 아예 공짜입니다.

📌 30초 요약

• 글을 안 씁니다.
• 고르고 확률을 줍니다.
• 질문 형태가 셋입니다.
• 출력은 무료입니다.
• 한국어는 보장 안 됩니다.

1. 답을 쓰지 않는 모델

만든 쪽은 이 부류를 「시스템 원」 모델이라고 부릅니다. 공식 설명은 짧습니다 — 소프트웨어가 곧바로 쓸 수 있는 빠르고 구조화된 결정을 내리도록 만든 모델이라는 것이죠. 그래서 세 가지를 안 합니다. 답변을 쓰지 않고, 코드를 만들지 않고, 자기 판단의 이유를 설명하지 않습니다.

대신 내놓는 게 숫자가 붙은 결정입니다. 어느 쪽을 골랐는지, 각 선택지의 확률이 얼마인지, 얼마나 확신하는지를 함께 줍니다. 이 값들은 제 코드가 열어 보고 조건문으로 엮을 수 있는 형태라, 「확신이 0.9를 넘으면 자동 처리하고 아니면 사람에게 넘긴다」 같은 흐름을 바로 짤 수 있습니다.

만든 곳은 타입세이프라는 회사이고, 공개일은 2026년 9월 15일입니다. 현재 판은 하나뿐이고 별칭으로도 부를 수 있습니다. 붙는 자리도 단순해서 모든 요청이 주소 하나로 갑니다.

2. 물어보는 방법이 셋뿐

자유롭게 묻는 게 아니라 정해진 세 가지 틀 중 하나로 물어야 합니다. 셋의 성격이 분명히 갈립니다.

틀	이럴 때 씁니다
고르기	순서 없는 보기 중 하나
매기기	약함에서 강함까지 단계
참인가	맞을 확률 하나의 숫자로
여러 개를 한 번에	같은 자료에 질문 여럿을 묶어

첫째와 둘째의 차이는 보기에 순서가 있느냐입니다. 「결제팀이냐 기술팀이냐」는 순서가 없으니 고르기이고, 「차분함 → 짜증남 → 격분」은 단계가 있으니 매기기죠. 셋째는 조금 다릅니다 — 「환불을 요구하고 있나」처럼 참·거짓 하나를 0에서 1 사이 숫자로 돌려줍니다.

★여기서 헷갈리기 쉬운 대목이 하나 있습니다. 매기기의 0.5는 「중간 세기」라는 뜻이지만, 참인가의 0.5는 「맞을 확률과 틀릴 확률이 반반」이라는 뜻입니다. 같은 숫자인데 읽는 법이 전혀 다릅니다.

질문을 적는 방식도 정해져 있습니다. 각 질문에는 식별자와 종류, 그리고 무엇을 판단하라는 지시문이 반드시 들어가고, 보기가 필요하면 기준을 목록으로 덧붙입니다. 「이 문의를 어느 팀이 맡아야 하나」라고 묻고 그 아래에 결제 문제 / 버그나 연동 문제처럼 갈래를 적어 주는 식이죠. 참·거짓을 묻는 경우에는 기준을 아예 생략할 수도 있습니다.

3. 값과 한도

가격이 눈에 띕니다. 국내 기사 중에는 「입력 토큰당 0.042달러」로 옮긴 곳이 있는데, 공식 문서 기준으로는 백만 토큰당 0.042달러입니다. 우리 돈으로 백만 토큰에 60원이 채 안 되는 셈이죠. 게다가 출력 토큰은 청구하지 않습니다.

항목	값
값	백만 토큰당 0.042달러·입력만
처리량	초당 25만 토큰·분당 1,200건
한 번에 넣는 양	6만 4천 토큰(자료는 3만 2천)
넣을 수 있는 것	글자만 — 그림·소리·영상 불가

셋째 줄은 나눠 보셔야 합니다. 한 요청에 6만 4천 토큰을 넣을 수 있는데, 바탕 자료와 가장 긴 질문을 합친 몫은 3만 2천으로 따로 묶여 있습니다. 넷째 줄도 중요한데, 화면을 보고 판단하는 모델과 달리 이쪽은 글자만 받습니다 — 그림이나 음성은 먼저 글로 바꿔 넣어야 합니다.

⚠️ 한국어 성능은 보장하지 않습니다

공식 문서가 직접 밝혀 둔 제약입니다 — 주로 영어로 훈련됐고, 다른 언어에서는 성능이 고르지 않습니다. 값이 싸다고 한국어 문의 분류에 그대로 붙이면 확률만 그럴듯하고 판단은 빗나가는 상황이 생길 수 있습니다. 쓰시려면 우리말 표본으로 먼저 재 보고 들어가세요. 덧붙여 고객 자료로 따로 미세조정해 주지는 않으며, 처리량 한도도 예고 없이 조정된다고 적혀 있습니다.

4. 누가 왜 만들었나

만든 사람의 이력이 이 설계를 설명해 줍니다. 디오고 알메이다는 챗지피티의 바탕이 된 지시 학습 연구와 사람 피드백 강화학습에 참여했던 인물입니다. 즉 지금 방식의 LLM을 만든 쪽에서 나와 다른 방향을 시도한 셈이죠.

방향은 분명합니다. 거대한 모델에 모든 걸 맡기는 대신 「흐름은 코드가 쥐고, AI는 좁고 구조적인 결정만 맡는」 쪽입니다. AI의 답을 평가할 기준을 따로 만들어 두던 방식과 결이 비슷한데, 이쪽은 아예 모델이 판단만 내놓도록 처음부터 설계한 것입니다.

비용 구조도 이 방향과 맞물립니다. 출력이 짧으니 출력 값을 안 받아도 되고, 짧으니 빠릅니다. 토큰을 아끼려 애쓰던 쪽에서 보면 애초에 아낄 것이 없는 구조를 만든 셈입니다.

속도도 같은 이유로 빠릅니다. 국내 보도 기준 70에서 500밀리초 사이에 답이 돌아온다고 하는데, 글을 한 줄씩 이어 쓰지 않으니 당연한 결과입니다. ★그리고 여러 질문을 한 번의 호출에 묶어 같은 자료에 대해 나란히 물을 수 있습니다 — 같은 문의 하나를 두고 「어느 팀인가」·「얼마나 화났나」·「환불 요구인가」를 한꺼번에 던지는 식이죠. 자료를 한 번만 넣으니 값도 그만큼 덜 듭니다.

쓰는 자리도 짐작이 갑니다. 구독과 종량제 사이에서 저울질하던 계산과는 아예 다른 칸에 놓이는 물건이라, 기존 모델을 대체하는 게 아니라 그 앞뒤에 덧대는 쪽으로 보시는 편이 맞습니다. 구체적인 쓰임은 이 시리즈의 세 번째 글에서 따로 정리하겠습니다.

자주 묻는 질문 (FAQ)

Q. 챗지피티나 클로드를 대신하나요

아닙니다. 글을 쓰는 일은 아예 못 합니다. 문서 작성이나 코딩은 기존 모델이 맡고, 그 앞뒤에서 분류·점수·판정만 떼어 맡기는 쓰임입니다.

Q. 출력이 정말 공짜인가요

공식 문서 기준으로 입력 토큰만 청구합니다. 애초에 돌려주는 게 숫자 몇 개라 출력이 길어질 일이 없습니다. 값은 백만 토큰당 0.042달러입니다.

Q. 한국어로 써도 되나요

문서가 영어 위주로 훈련됐고 다른 언어는 고르지 않다고 밝혀 뒀습니다. 우리말 자료로 직접 재 보고 판단하세요 — 확률이 나온다고 맞는 건 아닙니다.

Q. 긴 판단도 맡길 수 있나요

문서는 작고 원자적인 질문에 최적화됐다고 적고, 긴 추론이 필요하면 잘게 나누라고 권합니다. 큰 판단은 여러 개의 작은 질문으로 쪼개는 게 쓰는 법입니다.

정리하면

• 글이 아니라 결정을 줍니다.
• 묻는 틀이 셋뿐입니다.
• 확률이 함께 옵니다.
• 값은 아주 쌉니다.
• 우리말은 재 보고 쓰세요.

※ 공식 문서(소개·개념·질문 유형·모델 사양)를 직접 읽고 정리했습니다. 국내 기사에 「입력 토큰당 0.042달러」로 적힌 대목은 문서 기준 백만 토큰당이라 바로잡았습니다.

※ 2026년 9월 21일 기준이며, 문서가 한도는 예고 없이 조정된다고 밝히고 있어 값과 제한은 바뀔 수 있습니다.