코드도 못 짜고 글도 쓸 수 없는 AI 모델이 전 세계의 주목을 받고 있다. 제브(Jev)다. 이 모델이 새로운 이유는 똑똑함이 아니라 역할이다. 지금까지의 추론 모델이 느리고 신중한 ‘뇌’라면, 제브는 빠르고 직관적인 ‘반사신경’을 처음으로 구현한 AI다. 판단을 문장 생성에서 분리해 내면 기존 AI 워크플로우의 빈틈이 채워진다. 즉 제브는 클로드나 GPT를 대체하는 것이 아니라, 그 루프 사이사이에 붙는 부품이라는 것이다.
Jev 완벽 가이드: 193배 빠르고 444배 저렴한 AI 모델
핵심 요약
- 제브는 타입세이프가 만든 ‘시스템 모델’로, 글을 쓰지 않고 선택지 중 하나를 고르거나 점수를 매기거나 예/아니오를 확률로 반환한다.
- 창업자 디오고 알메이다는 오픈AI에서 RLHF(인간 피드백 기반 강화학습)를 만든 사람이다.
- 문장을 생성하지 않으므로 빠르고 출력 비용이 거의 없다. 답은 반드시 준비된 보기 안에서 나오고, 답마다 확률이 붙는다.
- 대표 활용처는 세 가지다. 모델 선택을 맡기는 스위치, 수백 건 리뷰를 3초 만에 정리하는 대량 처리, 방문자 상태에 따라 UI를 즉석에서 조립하는 실시간 반응.
- 환각이 0%가 아니며, 오래 생각해야 하는 작업(AI 판사 역할, 어려운 리뷰)에는 쓰면 안 된다.
- 지금 할 일은 워크플로우 안에서 10초 안에 답할 수 있는 판단을 찾는 것이다.
상세 정리
제브란 무엇인가: 시스템 1 AI의 등장
제브를 만든 타입세이프는 이것을 ‘시스템 모델’이라고 부른다. 인지과학의 이중 과정 이론에서 나온 구분인데, 사람의 사고는 두 가지로 나뉜다. 수학 문제를 풀거나 코드를 짜는 느리고 신중한 시스템 2, 그리고 ‘저 떡볶이 빨간색이네’처럼 즉각적인 시스템 1. 지금까지의 추론 모델(LRM)은 모두 시스템 2를 흉내 냈다. 제브는 처음으로 시스템 1, 즉 반사신경을 AI로 구현한 사례라는 것이다. 단순히 새 툴이 아니라 새 역할의 AI 등장이라는 평가가 나오는 이유다.
사용법과 작동 원리
준비물은 API와 플러그인 두 가지다. 촬영 시점 기준 타입세이프 신규 가입이 중단되어 있어 API 키는 오픈라우터나 버셀 AI 게이트웨이 같은 중개 서비스를 통해 발급받는다. 환경 변수 파일에 키를 등록한 뒤, 타입세이프 공식 문서의 에이전트 스킬 페이지를 클라우드 코드에 붙여 넣어 설치 요청하면 준비가 끝난다.
제브에는 현재 상황과 질문 두 가지를 보낸다. 질문은 세 형태만 가능하다. 초이스(보기 중 선택), 스코어(점수 매기기), 그리고 참·거짓을 확률로 반환하는 형태다. 예컨대 고객 문의를 어느 팀에서 처리할지 판단할 때, 클로드에게 시키면 긴 문장으로 답하지만 제브는 ‘결제팀 100%’ 한 줄로 끝낸다. 문장을 쓰지 않으므로 빠르고, 출력 비용이 없어 저렴하며, 답은 보기 안에서만 나오고 확률이 붙어서 확실한 것은 자동 처리하고 애매한 것만 사람이 검토하면 된다.
약점도 명확하다. 대화 맥락을 기억하지 못하므로 긴 작업에는 부적합하고, 순간 판단에 유리하다.
활용 사례 3가지
스위치: 간단한 작업에 비싼 모델을 쓰기엔 아깝고 어려운 작업을 싼 모델에 맡기면 사고가 난다. 제브를 앞에 두면 작업마다 어떤 모델이 적합한지 판단해 라우팅할 수 있다. 같은 원리로 타임라인에서 AI가 쓴 글을 실시간으로 골라내거나, 웹페이지에서 광고만, 댓글에서 스팸·악플만 걸러내는 필터도 가능하다.
대량 처리: 출력 비용이 거의 무료라는 점이 핵심이다. 수백 개의 호텔 리뷰를 소음·위치·청결 같은 자신의 기준으로 3초 만에 정리하는 식이다. 비즈니스로 확장하면 데이터 인덱싱, 마케팅 타게팅, 고객 이탈 감지처럼 대량 자료에 기준을 바탕으로 점수를 붙이는 작업이 모두 해당된다. 이후 이미지 입력이 지원되면 의미 기반 검색까지 가능해진다.
실시간 반응: 웹사이트는 지금까지 모든 방문자에게 같은 화면을 보여줬다. 방문자별로 화면을 조립하려면 판단이 필요한데, 추론 모델로는 몇 초씩 걸리기 때문이다. 제브라면 방문자의 유입 경로, 클릭 이력, 체류 시간 같은 상태값에 따라 어떤 화면과 문구를 먼저 보여줄지 즉각 선택할 수 있다. 사용자는 AI 개입을 모른 채 ‘이 사이트가 나한테 잘 맞네’라고 느끼는 것. 개인화 UI가 처음으로 현실적 선택지가 되는 지점이다. 영상 편집에서 무음 구간의 길이와 컷 분할을 판단하는 것도 같은 논리로 더 빠르고 저렴해진다.
절대 시키면 안 되는 것
환각이 0%가 아니라는 점, 그리고 제브는 최고 성능 모델처럼 똑똑하지 않다는 점을 전제로 해야 한다. ‘AI가 만든 세 가지 코드 중 어느 것이 가장 나은가’ 같은 AI 판사 역할은 코드를 읽고 맥락을 파악해야 하는 긴 사고라서 반사신경에 맡길 수 없다. 리뷰나 어려운 판단도 마찬가지다. 짧은 판단은 제브, 긴 생각은 클로드나 GPT가 맡는 분업이 원칙이고, 항상 검증하면서 써야 한다.
결국 제브는 기존 AI를 대체하지 않는다. 기존 AI가 들어가던 루프 사이사이에 붙어 반복 판단을 대신한다. 판단을 따로 떼어낼 수 있다는 인식에 자신의 도메인 지식과 프론티어 모델을 결합하면, 지금까지 불가능하던 일이 가능해질 수 있다. 아직 초기라 비슷한 모델이 여럿 나올 것이므로, 지금 해야 할 일은 하나다. 내 워크플로우 안에서 10초 안에 답할 수 있는 판단이 있는지 찾아보는 것.
보는 포인트
- 시스템 2(뇌)와 시스템 1(반사신경)의 대비로 이해하는 새로운 AI 카테고리
- 초이스·스코어·예/노 세 가지 질문 형식과 ‘답마다 확률’이 자동화에 주는 실용성
- 스위치(모델 라우팅)·대량 처리·실시간 UI 개인화라는 세 범주의 실전 예시
- AI 판사 역할 같은 긴 사고 작업은 제외해야 한다는 명확한 한계
- ‘루프 사이사이에 붙는다’는 위치 설정: 대체가 아니라 보완
원본 정보
- 채널: Jay Choi 인디해커 라이프
- 게시일: 2026-09-27
- 영상: https://www.youtube.com/watch?v=EXVC5xiw0oU
- 길이: 약 10분 · 조회수 약 1.8만 회 (2026-09 기준)
- 유의: 본문 수치와 고유명사는 자막 기반이라 오차가 있을 수 있으며, ‘페이블·아스트라’ 등 모델명은 음차로 확인이 필요하다