Jev 생태계 관찰 (1): 4일간의 220개 사례가 말해 주는 의사결정 프리미티브

2026년 9월 15일에 TypeSafe AI는 System One 시리즈의 첫 모델인 Jev를 출시했습니다. 9월 19일 늦은 시각까지 jev-radar 저장소에 프로젝트, 데모, 아이디어를 포함한 사례 220여 건을 기록했습니다. 모두 원본 출처가 있으며, 이 중 108건은 구조화된 목록에 수록되었습니다. 9차 스캔으로 추정한 전체 생태계 규모는 약 500개 저장소와 21,600개 이상의 스타입니다. 4일 만에 이만큼 성장했다는 것은 대개 실제 수요가 오랫동안 억눌려 있었다는 신호입니다.

이 글은 Jev 생태계 관찰 시리즈의 첫 번째 글입니다. 먼저 방법론입니다. 아래 사례는 모두 2026-09-15부터 09-19까지 진행한 10차례 스캔(GitHub Search, Reddit, Hacker News, X, 그리고 madewithjev, awesomejev, risetive, jevable, typesafeai.app 등 5개 디렉터리 사이트)에서 수집했으며, 각각 클릭 가능한 1차 출처가 있습니다(프로젝트 URL은 필수, 원본 게시물 URL은 있는 경우 제공). 서드파티 프로젝트의 성능 수치는 모두 작성자 자체 보고이며, 증거 강도에 따라 등급을 매겼습니다(A = 직접 검증 가능한 산출물, C = 구두 주장만 있음). 수치는 특정 시점의 스냅샷이고 생태계는 3시간마다 바뀌므로, 최신 수치는 저장소를 기준으로 합니다.

Jev란: 문장을 쓰지 않는 모델

OpenRouter 모델 페이지는 Jev를 "TypeSafe의 구조화된 의사결정 모델이자 System One 시리즈의 첫 모델"로 소개합니다. Jev는 텍스트를 생성하지 않습니다. 비정형 상태와 타입이 지정된 질문 세트를 입력하면, 코드에서 바로 분기할 수 있는 결정을 반환합니다. 세 가지 프리미티브는 다음과 같습니다:

• Noul: 이 명제가 참인지 판단하며, 보정된 0~1 범위의 확률을 반환합니다.
• Choice: 어떤 옵션이 적절한지 판단하며, 전체 분포와 신뢰도를 반환합니다.
• Score: 지정한 루브릭에 따라 점수를 매기며, 확률 가중 점수를 반환합니다.

가격은 이 생태계를 이해하는 핵심입니다. OpenRouter에는 입력 토큰 100만 개당 $0.042, 출력은 무료로 등록되어 있습니다. TypeSafe 웹사이트는 이 기술 노선을 RLCD(보정된 의사결정을 위한 강화 학습)라고 부르며, 채팅 모델과는 다른 종이라고 설명합니다. 엔지니어 입장에서는 "루프 단계마다 한 번씩 묻는 것"이 처음으로 경제적으로 가능해졌다는 뜻입니다. 뒤에서 보겠지만 거의 모든 프로젝트 작성자가 1회 호출 비용을 먼저 밝히고 있으며, 1센트 미만이 일반적입니다.

자주 나타나는 여섯 가지 패턴: 실제로 무엇에 쓰고 있나

첫째, 에이전트에 안전 코파일럿을 붙이는 것이 가장 대표적인 시나리오입니다. 출시 72시간 만에 이 범주에서 30개가 넘는 프로젝트가 등장했고, 이제는 차별화가 어려운 레드오션이 되었습니다. 사례 모음에서 증거가 가장 충실한 것은 pi-warden입니다. Jev가 사용자 지시, 에이전트의 자기 설명, 곧 실행될 도구 호출을 읽고 Noul로 "되돌릴 수 없는가, 말한 내용과 일치하는가, 영향이 경계를 넘는가"를 판단합니다. 결과는 컨텍스트에 주입되어 자기 교정에 쓰입니다. 작성자는 과거 호출 17,000건에 대해 자체 평가를 재실행했으며(자체 보고 데이터), 차단은 42건뿐이었고 그중 약 88%가 올바른 차단이었으며 불만 비율은 약 2%였습니다. 비슷한 도구로는 Codex의 "소프트웨어 공장 감독관" 역할을 하는 Foreman, 코딩 에이전트가 "채점기를 조작하거나 숨겨진 테스트를 엿보는 것"을 막는 데 특화된 rh-guard가 있습니다. 보상 해킹 방지는 이미 독립된 하위 범주를 이루었습니다.

둘째, 컨텍스트 압축입니다. 각 도구 출력이 "현재 작업에 여전히 필요한지" 평가하고, 필요 없는 출력은 복구 가능한 플레이스홀더로 대체합니다. 커뮤니티 도구 중 스타 수가 가장 많은 fast-jev-compaction(스냅샷 기준 2,735★)이 이 방향에 집중합니다. winnow는 설계가 더 정교합니다. 쓸모없다는 신뢰도가 높은 블록은 세 줄짜리 요약 스텁으로 대체하고, 전체 텍스트는 복구 명령으로 다시 가져올 수 있습니다. "잃는 것은 없고, 토큰만 미리 절약합니다."

셋째, 라우팅과 재순위화입니다. jev-codex-router는 백테스트 데이터를 갖춘 첫 모델 라우터로, 7일간 실제 237개 라운드를 재생한 결과 라운드당 약 $0.00003의 의사결정 비용으로 전체 오버헤드를 약 60% 절감했습니다(작성자 자체 보고). 하지만 독립 평가 Janus는 여기에 찬물을 끼얹었습니다. 최적 신뢰도 임계값, 모델 품질, 라우팅 비용 효율이 두 데이터셋 사이에서 모두 뒤집혔습니다. 라우팅 파라미터는 데이터셋 간에 이전되지 않으므로 시나리오별 보정이 필요합니다.

넷째, 실시간 의사결정 계층입니다. 일반적인 아키텍처는 "인식과 실행은 코드가 맡고, Jev는 제한된 액션 공간 안에서 Choice만 담당"하는 구조입니다. browser-use 팀이 공식 제작한 Jev Ultrafast는 브라우저 조작을 단일 Jev 요청으로 압축해 액션과 대상 요소를 동시에 결정합니다. 취리히-런던 항공편 검색에 7.1초가 걸렸고, 브라우저 프로토콜 호출은 1,092회에서 101회로 줄었습니다(작성자 자체 보고, 단일 프로필 기준이며 범용 벤치마크 아님). 음성 제어 브라우저 jev-voice-browser는 문장당 약 $0.0002가 듭니다. 게임 쪽은 더 극단적입니다. 한 중국 개발자의 Slay the Spire 2 테스트에서는 "한 스텝에 0.7초, 화면을 다 인식하기도 전에 조작한다"는 결과가 나왔습니다.

다섯째는 인프라 도입이며, 4일 동안 나타난 가장 뚜렷한 신호입니다. pg-jev는 PostgreSQL에서 Noul, Choice, Score를 SQL 조건자로 만들어 주며, DuckDB용 유사 확장도 있습니다. 출시 3일 만에 10개 이상 언어용 SDK가 등장했습니다. Vercel의 eve(스냅샷 기준 5,253★)는 Jev를 기본 평가 모델로 설정했고, LanceDB, LiteLLM, Pydantic AI, n8n 모두 공식 통합을 제공합니다. 출시 4일째에 모델이 인프라로 배포된다는 것 자체가 하나의 신호입니다.

여섯째, 버티컬 비즈니스 도입이 시작되고 있습니다. 한 세금 분류기는 IRS 양식 261개에서 엄격 기준 정확도 100%를 달성했습니다(작성자 자체 보고). 한 사기 탐지 캐스케이드는 Jev로 이메일 100통을 빠르게 선별하고, 신뢰도 95% 미만인 31통을 대형 모델에 보내 재검토합니다. 전체 파이프라인은 총비용 $0.07로 96/100의 정확도를 달성했습니다. 논문 1,018편의 주제 분류에는 총 $0.08가 들었으며, 작성자는 "같은 작업을 요약 모델로 하면 $3.99"와 비교했습니다. 트레이딩 쪽에서는 895★ 실거래 프로젝트(블록마다 300ms 간격으로 실제 매수·매도 결정)가 등장했고, 모의 거래 375건에서 승률 41.1%라는 필터링하지 않은 데이터를 솔직하게 공개한 사람도 있습니다. 이 생태계에서는 이렇게 과장되지 않은 수치가 특히 주목할 만합니다.

실패 사례: 4일간 반복된 교훈

새로운 생태계에서는 실패 기록이 성공 사례보다 더 가치 있습니다. 사례 모음의 부정적 사례는 다섯 가지 문제에 집중됩니다:

1. 입력 품질이 모든 것을 좌우합니다. Supercov 작성자의 교훈이 널리 인용됩니다. 파일 전체를 던져 놓고 "품질"을 물으면 결과가 나쁘지만, 기계적인 질문(중복 코드, 깊은 중첩)을 하면 상용 도구에 맞먹는 결과를 100배 저렴하게 얻을 수 있습니다.
2. 옵션이 많아지면 성능이 무너집니다. 사례 모음에서 가장 탄탄한 증거를 갖춘 독립 평가(agentjournal, 작업 3개, 테스트 행 5,477개, 총비용 $1.43)에서는 실제 회계 데이터에 대한 12지선다 Choice의 정확도가 0.3998에 그쳤습니다. 모델은 "모든 단어를 이해했지만 12개 중 하나를 고르지 못했고", 이는 병목이 이해력이 아니라 의사결정 형식에 있음을 보여 줍니다.
3. 신뢰도는 만능이 아닙니다. agentjournal 테스트에서 신뢰도 ≥ 0.9인 행의 정확도는 72.2%에 불과했습니다. 주장 검증 제품 Attest는 실제 검사 24건 중 22건이 0.95~0.99 사이에 몰리자 신뢰도 필드를 아예 없앴습니다. "항상 같은 숫자는 정보가 아닙니다." 커뮤니티에는 이미 이를 감사하는 전용 저장소도 있습니다.
4. 순서와 표현에 민감합니다. Attest는 증거 순서를 뒤집으면 판단의 5.8%가 바뀐다고 공개적으로 인정했습니다. 사용자들이 스타트업 아이디어 채점기 killmyidea를 테스트해 보니 단어 세 개를 빼자 점수가 크게 흔들렸습니다. 공식 빠른 시작에도 실패 사례가 있었습니다. technical로 표시된 예시 댓글이 100번 모두 billing으로 판정되었습니다.
5. 바이럴 데모에는 가짜가 섞여 있습니다. 유명 개발자 steve8708은 X에서 화제가 된 Jev 데모에 배속 처리되거나 조작된 내용이 있다고 공개적으로 지적했습니다. 저희는 이에 대한 대응을 수록 기준에 반영했습니다. "초인적인 속도"를 내세우는 데모는 완전한 방법론과 실행 트레이스를 갖춘 저장소를 우선합니다.

생태계 인프라 계층이 형성되었습니다

500개 저장소를 단면으로 잘라 보면 4일째가 끝날 무렵 이미 계층화가 드러납니다. 공식 데모 약 10개, 플랫폼 통합 약 15개, 독립 애플리케이션 약 50개, 에이전트 도구 약 90개, SDK와 롱테일 항목 약 300개입니다. 디렉터리 사이트 경제가 가장 빠르게 형성되어 집계 사이트 5곳과 최소 5개의 awesome-jev 목록이 생겼습니다. 가장 큰 awesomejev에는 488개 항목, 합계 21,644개의 스타가 모여 있습니다. 생태계 클론 경쟁도 치열합니다. SemIf(1,647★, 가정용 3090에서 오픈소스 시맨틱 판단 계층 구동)와 jevlike(905★) 등 포크들의 스타 합계는 4,000개를 넘고, 한 오픈소스 클론은 201문항 벤치마크에서 198점을 받아 공식의 191점을 앞섰습니다. 이들은 모두 공식 Jev가 아니며, 사례 모음에서 별도로 분류하고 명확히 표시했습니다. TechCrunch도 취재에 나섰고, 와튼스쿨 경제학 교수와 Hasura 공동 창업자도 지지 의사를 밝혔습니다. 중국 커뮤니티에서는 4일째에 첫 번째 애플리케이션 물결이 나타났습니다. X 타임라인 정리 도구 qingliu(현재 보정 데이터를 공개한 유일한 중국 프로젝트: 오탐률 0.7%, 키워드 사전 필터링보다 47% 더 많이 걸러냄, 작성자 자체 보고), Zhihu 피드 필터, 연준 기자회견 매파/비둘기파 판정 도구가 그것입니다.

제품을 만드는 사람에게 주는 의미

4일간 500개 저장소가 검증한 최적 지점은 분명합니다. 좁은 질문 × 고빈도 호출, 제한된 액션 공간, 비용 민감성입니다. 즉 에이전트 루프 내 단계별 감독, 대규모 분류/재순위화/채점, 밀리초 단위 선택입니다. 피해야 할 영역도 분명합니다. 생성 작업, 넓은 옵션 공간, 하나의 임계값이 모든 데이터셋에 맞으리라는 기대입니다.

대부분의 데모가 간과하는 사실도 있습니다. 의사결정 프리미티브는 상태를 입력으로 받으며, 그 상태가 어디서 오느냐가 전체 파이프라인의 상한을 결정합니다. Noul이 "이 댓글이 실제 구매자가 쓴 것처럼 보이는가?"를 판단하려면 누군가 수만 건의 댓글을 안정적으로 수집했다는 전제가 필요합니다. Score가 리뷰, 상품, 순위를 평가하려면 깨끗한 필드와 검증 가능한 출처가 전제되어야 합니다. 바로 이 지점이 저희가 맡는 부분입니다. EveryInfra는 단일 API로 여러 플랫폼의 공개 데이터(리뷰, 평판, 가격, 콘텐츠)를 다루며, 사용량 기준으로 과금하고 실패하거나 결과가 비어 있으면 최종 요금이 부과되지 않습니다. 의사결정 모델은 "어떻게 판단할지"를, 저희는 "판단의 원재료를 어디서 가져올지"를 책임집니다. 이런 파이프라인을 구축하고 있다면 통합 데이터 API 가이드부터 시작해 보세요.

시리즈의 다음 글에서는 핵심 시나리오를 깊이 다룹니다. 에이전트를 지키는 안전 계층이 실제로 무엇을 차단하고 무엇을 통과시키는지 살펴봅니다. jev-radar는 3시간마다 자동으로 다시 스캔하며 사례 모음은 계속 늘어나고 있습니다. 여러분의 프로젝트도 이슈로 등록해 주세요.