Jev 생태계 관찰 (4): 4일 만에 형성된 인프라 계층, 디렉터리·클론·플랫폼 도입

시리즈 첫 글은 모델이 출시 4일 만에 인프라로 배포될 수 있다는 결론을 내렸습니다. 이번 글에서는 그 인프라 계층의 구성을 살펴봅니다. 데이터는 2026년 9월 15일부터 9월 19일까지 진행한 10차례 스캔에서 가져왔으며, 스타 수와 지표는 특정 시점의 스냅샷이고 서드파티 수치는 작성자가 직접 보고한 것입니다.

5계층 구조

9차 스캔 추정치에 따르면 약 500개 저장소가 다섯 개 계층에 걸쳐 있습니다. 공식 데모 약 10개, 플랫폼 통합 15개, 독립 애플리케이션 50개, 에이전트 도구 90개, SDK 및 언어별 롱테일 패키지 300개입니다. 주목할 지표는 절대 규모가 아니라 속도로, 모든 계층에 출시 72시간 안에 프로젝트가 생겼습니다.

디렉터리 경제: 가장 빠르게 등장한 비즈니스

다섯 개의 애그리게이션 사이트가 각기 다른 포지셔닝으로 공존합니다. madewithjev는 178개 빌드를 색인하며 빌드마다 비용·지연 시간 데이터와 임베드된 트윗을 함께 보여 줍니다. awesomejev는 488개 항목, 총 21,644개 스타를 모은 현재 가장 큰 디렉터리입니다. risetive는 98개 항목을 작성자를 명시해 정리하고, jevable은 참신함에 초점을 맞추며, typesafeai.app은 30개 항목만 등재하되 모두 검증 가능한 결과물 기준을 충족합니다. GitHub에는 초기 목록인 awesome-typesafe 외에도 새로운 awesome-jev 목록이 최소 5개 생겼습니다. 다만 2023년에 만들어진 오래된 저장소가 유행에 편승하려고 이름을 바꾼 사례(스타 498개)도 있으므로 콘텐츠가 최신인지 따로 확인해야 하며, 저희 사례 모음에서는 이런 출처를 별도로 표시합니다.

클론 생태계: 스타 합계 4,000개 이상, 공식 프로젝트는 하나도 없다

지난 4일 동안 가장 활발했던 흐름은 오픈소스 재현입니다. SemIf(스타 1,647개, RTX 3090에서 오픈소스 시맨틱 판단 레이어를 로컬로 실행), jevlike(스타 905개, 선택지를 어텐션 메커니즘용 쿼리 벡터로 변환하는 동등한 아키텍처를 리버스 엔지니어링), NanoJev(스타 451개, 엔드투엔드 학습 파이프라인을 갖춘 교육용 구현), 그리고 vLLM으로 단일 스텝 디노이징을 실행해 답안지를 채우는 OpenJev가 있습니다. OpenJev는 201문항 벤치마크에서 공식 결과인 191점보다 높은 198점을 기록했다고 합니다(작성자 보고). 여기에 LangChain 메인테이너가 작성한 셀프 호스팅 대안도 있습니다. 이 클론들의 스타는 합계 4,000개가 넘지만 모두 공식 Jev 릴리스가 아니므로 저희 사례 모음에서는 따로 분류해 표시합니다. 커뮤니티에서는 이미 이름 혼동과 라이선스 관련 논의가 나오고 있습니다.

플랫폼 차원의 도입: 판단 레이어가 기본값이 되다

개별 프로젝트보다 더 강한 신호는 플랫폼에서 나옵니다. Vercel의 오픈소스 평가 도구 eve(스냅샷 기준 스타 5,253개)는 Jev를 기본 평가 모델로 채택했습니다. LanceDB는 공식 리랭커를 제공하고, LiteLLM은 공식 패스스루 문서를 제공하며, Pydantic AI에는 TypeSafe Model 페이지가 생겼고, n8n은 로우코드 노드를 내놓았습니다. 교통 분야 애플리케이션은 프로덕션 풀 리퀘스트로 리랭킹을 통합했고, Langfuse와 Braintrust는 이를 평가 파이프라인에 포함했습니다. 배포 채널도 동시에 열렸습니다. OpenRouter는 동일한 요금 체계를 지원하고, Vercel과 Netlify의 AI 게이트웨이에서는 별도 설정 없이 바로 사용할 수 있습니다. 모델 출시부터 인프라 기본값이 되기까지 걸리는 시간이 4일로 줄었습니다.

새로 뛰어드는 이들에게 주는 시사점

눈여겨볼 교훈은 세 가지입니다. 첫째, 디렉터리 경제는 수요 밀도를 직접 보여 주는 지표입니다. 72시간 안에 서로 다른 포지셔닝의 사이트 다섯 개가 등장했다는 것은 충족되지 않은 실제 탐색 수요가 있다는 뜻입니다. 어떤 초기 생태계에서든 포괄적이고 검증 가능한 집계 서비스로 자리 잡는 것은 가치가 있습니다. 둘째, 개인 프로젝트보다 플랫폼 도입을 더 면밀히 추적해야 합니다. 개별 애플리케이션은 방치될 수 있지만 기본 설정은 계속 남습니다. 셋째, 인프라 시대에는 옥석을 가리는 능력이 핵심 역량입니다. 디렉터리에는 공식, 통합, 클론, 유행 편승 저장소가 섞여 있으므로 스타 수보다 근거 등급을 먼저 평가해야 합니다. 저희가 A/B/C 분류와 3시간 간격 재스캔을 운영하는 이유도 여기에 있습니다.

저희 사례 모음은 앞으로도 이 기록을 계속 관리합니다. 리뷰, 여론, 가격, 리더보드처럼 판단 레이어에 넣을 데이터를 안정적으로 수집해야 한다면 통합 데이터 API 연동 가이드부터 시작하세요. 판단 레이어를 신뢰하면 안 되는 상황은 이전 편에서 다뤘습니다.