'ChatGPT 핵심 개발진' 타입세이프 AI, 텍스트 생성 배제한 고속 의사결정 트랜스포머 모델 'Jev' 공개

ChatGPT 개발에 핵심 기여를 하고 인간 피드백 기반 강화학습(RLHF)을 공동 고안했던 전 오픈AI 연구원 디오고 알메이다(Diogo Almeida)가 설립한 스타트업 타입세이프 AI(TypeSafe AI)가 새로운 형태의 트랜스포머 기반 AI 모델 'Jev'를 전격 출시했다. Jev는 기존 거대언어모델(LLM)과 달리 자연어 텍스트를 생성하지 않고, 사전 정의된 선택지에 대한 보정된 확률값(Calibrated Decisions)만을 출력하도록 설계된 '시스템 1(System One)' 직관 모델이다.

알메이다 대표는 기존 LLM이 인간 언어에 과도하게 최적화되어 있어 컴퓨터 간 자동화 작업에는 비효율적이고 불안정하다고 판단하여 Jev를 개발했다고 밝혔다. 텍스트 생성을 완전히 배제한 Jev는 사용자가 출력 형식을 사전에 고정 정의하므로 구조적으로 환각(Hallucination)이 발생하지 않는다. 또한 출력 토큰에 대한 비용이 무료이며 입력 토큰 역시 100만 개가 아닌 10억 개 단위로 과금되어 극단적인 속도 향상과 비용 절감을 실현했다.

실제 프로덕션 환경에 Jev를 도입한 엔지니어링 팀들은 괄목할 만한 성능 개선 효과를 보고하고 있다. 에이전트 인프라 기업 버셀(Vercel)의 엔지니어 프라닛 샤르마(Pranit Sharma)에 따르면, 명령어 안전성 검사 분류기를 기존 오픈AI 'ChatGPT 루나 5.6(Luna 5.6)'에서 Jev로 전환한 결과 정확도는 향상되면서도 응답 속도가 5배에서 최대 18배까지 빨라졌다. 브라이오 AI(Bryo AI)의 CTO 니킬 무드홀카(Nikhil Mudholkar) 역시 비즈니스 이메일 분류 테스트에서 제미나이 대비 10~20배 저렴한 비용과 함께 정밀한 신뢰도 확률 점수를 제공받았다고 평가했다.

엔지니어링 관점에서 Jev는 LLM의 대체제뿐만 아니라 LLM 워크플로우를 보완하는 보조 도구로도 높은 가치를 지닌다. 고비용 에이전트를 모니터링하기 위해 또 다른 고비용 LLM을 사용하는 비효율 대신, Jev를 실시간 탈옥(Jailbreak) 방지 가드레일, 에이전트 실행 추적 모니터링, 또는 비용 효율적인 모델 라우터(Model Router)로 배포할 수 있다. 모델 실행 하네스인 Pi를 개발하는 에어렌딜(Earendil)의 CTO 아르민 로나허(Armin Ronacher)는 Jev가 반환하는 명확한 확률값을 기반으로 사용자가 워크플로우 임계치를 제어할 수 있으며, 실시간 워크로드 라우팅의 경제성을 획기적으로 개선한다고 설명했다.

Jev는 알메이다가 개발한 '보정된 결정 기반 강화학습(Reinforcement Learning from Calibrated Decisions)' 기법과 100% 합성 데이터(Synthetic Data)를 통해 학습되었다. 모델명은 자원의 가격이 하락할수록 수요와 사용량이 폭증한다는 경제학 이론을 제시한 19세기 영국 경제학자 윌리엄 스탠리 제번스(William Stanley Jevons)의 역설에서 착안했다. 타입세이프 AI는 향후 멀티모달 영역을 포함한 다양한 후속 모델 라인업을 지속적으로 확장할 계획이다.