$ cat wiki/models/jev.md
Jev
스펙
| Attribute | Value |
|---|---|
| Developer | TypeSafe AI |
| Released | 2026-09-15 |
| Announced | 2026-09-15 |
| Context window | unknown |
| Pricing | 입력 $0.042/M · 출력 무료 |
| License | unknown |
| Availability | typesafe.ai 대기자 명단을 통한 얼리 액세스 |
이 가운데 세 행은 읽는 법을 따로 적어 둘 필요가 있다. 각각 unknown 이거나 형태가 | |
| 특이한데, 그 이유가 서로 다르기 때문이다 | |
| (source): |
Context window는 숫자가 아니라unknown이다. 한 패스는 약 32,000 토큰의 요청 예산을 보고하고, TypeSafe 문서에서는 이를 영문 약 150,000 자로 설명한다. 어떤 패스도 "context window" 라는 표현을 쓰지 않았고, 상태 하나를 단일 병렬 포워드 패스로 처리하는 모델의 요청 예산이 같은 양이라고 볼 근거도 분명치 않다. 수치는 여기 기록하되, 누군가 그것을 그렇게 부르기 전까지 행은unknown으로 둔다.Pricing의 절반이 무료다. TypeSafe 는 입력을 $42 per billion (= $0.042/M), 출력은 무료라고 밝히며, 그 이유로 아키텍처상 출력 과금이 무의미할 만큼 저렴하다는 점을 든다 (3 패스).Catalogue id행은 없다: Jev 는 대기자 명단 기반 얼리 액세스 단계이고 어떤 패스도 카탈로그 등재를 반환하지 않았으므로,spec-check는 이 모델을not-listed로 보고할 것이다. 이 모델에 대해서는 그것이 결함이 아니라 정확한 답이다.License는proprietary가 아니라unknown이다. 읽은 어떤 자료도 라이선스나 이용 조건을 명시하지 않는다.
출시일
2026-09-15, System One Models 라는 클래스와 함께 Introducing System One
Models & Jev 라는 제목의 글로 발표됐다 (2 패스). 한 패스는 얼리 액세스 개시일을
2026-09-16 으로 적는다 — ## 상충 보고 에 기록했다
(source).
무엇인가 — 말로는 답할 수 없는 모델
Jev 는 텍스트를 생성하지 않는다. 호출자가 구조화된 상태 또는 자연어 상태를 스키마와 함께 보내면, 모델은 그 스키마 안의 타입이 정해진 값을 돌려준다 — 선택지, 점수, 또는 신뢰도가 붙은 확률 — 이를 토큰 단위 디코딩이 아니라 단일 병렬 포워드 패스로 만들어 낸다 (3 패스).
| Property | Value | Passes |
|---|---|---|
| 명시된 역할 | 결정, 분류, 라우팅, 스코어링 | 3 |
| 출력 형태 | 타입이 정해진 값 + 캘리브레이션된 확률 · 신뢰도 | 3 |
| 디코딩 | 단일 병렬 포워드 패스, 자기회귀 생성 없음 | 3 |
| 스키마 보장 | 호출자의 스키마를 벗어난 출력은 낼 수 없다고 명시 | 2 |
| 종단 간 지연 | 70–500 ms | 3 |
| 학습 방법 | RLCD — Reinforcement Learning for Calibrated Decisions | 2 |
| 요청 예산 | 약 32,000 토큰 ≈ 영문 150,000 자 | 1 |
| RLCD 는 이름만 있고 명세가 없다. 명시된 목표는 캘리브레이션이다 — 신뢰도 70% 라고 | ||
| 말했으면 실제로 약 70% 맞아야 한다는 것. 한 패스는 **보상 함수, 아키텍처, 학습 절차, | ||
| 캘리브레이션 방법론이 모두 비공개**라고 기록한다 | ||
| (source). |
벤치마크
2026-10-22 — Jev 1.13 제어기 평가. Good Judgment, Bad Advice는 규칙 기반 제어기, 소형 모델 제어기, 위약 대조군을 두고 의사결정 신호가 고정된 터미널 에이전트 루프를 개선하는지 시험한다. 이 논문은 오프라인 순위 판별과 유용한 개입을 구분한다. 초록만으로는 저자의 소속도, 다양한 Jev 배포 환경 전반의 성능도 확인할 수 없다. (source)
출시 시점에 Jev 에 대한 독립 평가는 존재하지 않는다 (2 패스). 있는 것은 벤더 수치 하나뿐이다 (source):
| Measure | Value | Harness | Passes |
|---|---|---|---|
| "가장 비싼 프런티어 모델" 대비 정확도 | 3 점 이내 | TypeSafe 자체 워크플로 평가 | 1 |
| 같은 대상 대비 호출당 비용 | 약 4,000× 저렴 | TypeSafe 자체 | 1 |
| **출시 출처에는 이 위키가 추적하는 어떤 벤치마크도 — Artificial Analysis도, DeepSWE도, | |||
| Terminal-Bench도, 공개된 어떤 스위트도 — 없다.** 그 출처는 비교 대상 모델의 이름을 밝히지 않는다. |
TypeSafe 바깥에서 나온 평가 두 건이 2026-09-24 에 도착했고, 둘 다 같은 HuggingFace Daily Papers 스냅샷에서 왔다 (source):
| 측정 | 값 | 출처 |
|---|---|---|
| 가장 강한 비교 대상과의 격차, 선호 + 근거 기반 사실성 | 판정자 16 개, 블라인드 인간 판정 아래 3 포인트 이내 | JEV-as-a-Judge: Accept When Confident, Escalate When Unsure |
| 그 비교 대상 대비 비용 | 요금의 0.36% | JEV-as-a-Judge: Accept When Confident, Escalate When Unsure |
| 동결 확신도 캐스케이드 | 비교 대상 정확도의 99% 유지 | JEV-as-a-Judge: Accept When Confident, Escalate When Unsure |
| LoCoMo LLM-as-a-Judge, System-One 제어 메모리 | 0.777, 상대 +11.0%; 구축 158 s (6.6×), 질의 지연 0.93 s (−36.7%) | Jev-Mem: System-One-Controlled Agentic Memory for Efficient AI Agents |
어느 스냅샷 항목에도 저자 목록이나 소속이 없고, arxiv.org 는 이 런의 | ||
샌드박스에서 EGRESS_BLOCKED 를 반환하므로, **두 논문 중 어느 쪽이 TypeSafe 와 | ||
| 독립적인지는 알 수 없으며 여기서 주장하지 않는다**. 가장 강한 비교 대상은 둘 다 | ||
| 이름이 없다. |
9월 스냅샷에는 RLCD가 최적화한다고 명시한 속성인 캘리브레이션의 공개 측정치가 없다. 판정자 논문의 캐스케이드는 캘리브레이션된 확신도를 전제하며, JEV 의 비교 대상과의 격차가 낮은 확신도 결정에 집중돼 있다고 보고한다 — 이는 확신도 신호가 정보를 담고 있다는 간접 증거이지 캘리브레이션 측정치가 아니다.
가격
입력 100 만 토큰당 $0.042, 출력 무료 (3 패스). 이 위키 안에서 비교하자면, 표준적이지 않은 대상을 하나의 모델로 파는 2026 년의 다른 출시인 Fugu Max 는 입력 $2/M · 출력 $6/M, Claude Opus 5 는 입력 $10/M 이다.
이 비교는 동일 조건이 아니며 이 페이지도 그렇게 제시하지 않는다: Jev 가 돌려주는 것은 완성된 문장이 아니라 값 하나여서, 여기서 "호출" 은 같은 작업 단위가 아니다. 위의 호출당 4,000× 저렴 수치는 TypeSafe 가 직접 동일 조건을 맞춰 보려 한 시도이며 검증되지 않았다.
활용 사례
TypeSafe 가 밝힌 목록이고, 제안 모음이라기보다 제품의 경계선이다 (3 패스) (source):
- 자동화 워크플로에서 요청을 다음 단계로 라우팅
- 비정형 상태를 호출자가 정의한 열거형으로 분류
- 후보·결과·신뢰도에 대한 스코어링
- 게이팅 — 캘리브레이션된 확률이 붙은 예 · 아니오 판단
산문이 필요한 일은 구조상 범위 밖이다. 한 패스가 요약한 표현 — "프런티어 지능을 함수 호출로 쓰는 것" — 이 이 인터페이스에 대한 정직한 설명이다.
비교
- Fugu Max 와 Fugu Ultra v2 — Sakana AI 의 오케스트레이터로, 단일 학습 네트워크가 아니면서 "하나의 모델" 로 팔린 2026 년의 다른 사례다. 방향은 정반대다: Fugu 는 여러 프런티어 모델을 하나의 엔드포인트로 묶고 프런티어에 준하는 가격을 매기지만, Jev 는 결정에서 언어 모델 자체를 걷어내고 Fugu Max 입력가의 약 1/50 을 매긴다. 둘 다 같은 관찰에 대한 답이다 — 프로덕션 트래픽의 상당 부분이 프런티어급이 아닌 일에 프런티어 가격을 내고 있다는 것.
- "small frontier LLMs" — TypeSafe 자체 헤드라인이 지목하면서 끝내 특정하지 않는 비교 대상. 특정되기 전까지 이 페이지의 모든 배수는 한쪽이 빠진 비율이다.
상충 보고
외부 측정치에 대비한 비용 배수
TypeSafe 자신의 수치는 "가장 비싼 프런티어 모델" 대비 호출당 ~4,000× 저렴이며, 근거는 TypeSafe 자신의 워크플로 평가다. JEV-as-a-Judge: Accept When Confident, Escalate When Unsure 는 판정 과제에서 가장 강한 비교 대상 요금의 0.36% 를 보고하며, 이는 ~278× 로 14× 의 간극이다. 둘은 같은 단위를 재고 있지 않다: 하나는 이름 없는 모델들을 상대로 한 TypeSafe 의 호출당 구성이고, 다른 하나는 이름 없는 최신 판정자를 상대로 한 과제당 요금이다. 어느 수치도 다른 쪽보다 우선해 채택하지 않는다 (source) (source).
속도와 비용 배수
TypeSafe 는 같은 두 값에 대해 자사 채널마다 서로 다른 답 네 개를 공개하고 있다 — 193.6×/444.6× (홈페이지), 40–200× (블로그), 20–200× / 40–400× (창업자 스레드), >100×/>200× (이 저장소 피드에 퍼스트파티로 들어온 AINews 헤드라인). 전체 표와 그 해석은 TypeSafe AI 에 있다. 여기서 어떤 수치도 채택하지 않는다 (source).
얼리 액세스 개시일
두 패스는 출시와 얼리 액세스 개시를 2026-09-15 로 적고, 한 패스는 얼리 액세스가
2026-09-16 에 열렸다고 적는다. Released 와 Announced 행은 더 많이 뒷받침되는
2026-09-15 를 싣고, 다른 쪽은 버리지 않고 기록해 둔다
(source).