글을 쓰지 않는 AI Jev, 왜 환각이 없나
한 줄 요약: Jev는 다음 글자를 이어 쓰는 LLM 방식을 포기하고 정해진 구조로 ’답과 확신도’만 한 번에 출력해 환각이 구조적으로 불가능하고, 같은 작업을 수십 배에서 최대 200배 빠르게 처리하는 의사결정 특화 모델이에요.
ai_freaks.kr님의 AI NEWS 릴스가 ’Jev’를 소개했어요. 표지에는 초고속과 무료 출격을 내세운 문구가 크게 적혀 있고, 캡션은 “GPT 공동 개발자의 AI, 심상치 않다”이에요. 반응이 스크린샷 기준 좋아요 893개에 댓글 773개예요. 댓글이 이만큼 쏠린 건 “또 신모델인가”가 아니라 ’환각이 없다’는 말이 믿기지 않아서겠죠.
확인해 보면 이 AI는 실재하고, 이야기가 제법 정확해요. 2026년 9월 15일 오픈AI 출신 연구자 디오고 알메이다가 창업한 타입세이프(TypeSafe AI)가 공식 발표했어요. 표지의 ’무료’도 근거 없는 문구가 아니라, 공식 요금표의 출력 토큰 가격이 ’FREE(too cheap to meter, 계량이 무의미할 만큼 저렴)’로 적혀 있는 것과 맞닿아 있어요. 이 글에서는 Jev가 뭘 다르게 하는지, 그리고 왜 환각이 구조적으로 불가능한지를 정리해요.
GPT를 만든 사람이 묻은 질문
창업자 디오고 알메이다는 오픈AI에서 ’언어 모델이 지시를 따르고 사람과 대화하게 만드는 방법’을 만든 연구자예요. 그 방법이 그대로 ChatGPT의 연구 기반이 됐어요. 그가 공식 블로그에서 4년간 묻어 온 질문은 이래요. “모델은 몇 년째 채팅에서 초인인데, 정작 자동화는 왜 늘어나지 않는가.” 채팅으로는 초인인데 회사 시스템 안에 넣기엔 너무 느리고, 가끔 엉뚱한 말을 하고, 비용도 컸으니까요. 그는 2년을 비밀리에 보내고 새 아키텍처와 새 학습법으로 Jev를 꺼냈어요.
다음 글자를 잇는 병
먼저 지금의 LLM이 왜 느린지부터 보면 이해가 빨라져요. 언어 모델은 답을 한 번에 내는 게 아니라 다음 토큰(글자 조각)을 하나 고르고, 그 다음을 하나 고르고, 그렇게 왼쪽에서 오른쪽으로 이어 어요. 한 사람으로 그리면 한 글자 치고 화면을 보고 또 치는 타자치는 비서예요. 정성은 많지만 빠를 수가 없는 방식이고, 실제로 프런티어급 모델의 응답 시간은 3초에서 329초까지 걸려요. 사람과 채팅할 때는 견디지만, 소프트웨어 안에 넣고 순식간에 처리시키기엔 병목이에요.
Jev는 글자를 만들지 않아요
Jev의 접근은 여기서 완전히 갈려요. 이름부터 ’System One Models’인데, 심리학에서 시스템 1이 빠르고 직관적인 사고를 가리키는 말인데 실제 작동 방식도 그 이름대로예요. Jev는 애초에 글자를 만들지 않아요. 가능한 출력과 구조가 미리 정의돼 있고, 요청이 들어오면 그 정의된 출력 전부를 병렬로 한 번에 계산해 내놓아요. 순서대로 잇는 게 아니라 한 번에 뽑아 내는 거죠. 공식 블로그는 이를 “프런티어 지능의 함수 호출”이라고 표현했어요. 비정형 상태가 들어가면 타입이 붙은 확률적 결정이 나오는 거예요.
여기에 두 가지 장치가 붙어요. 첫째, 모든 답에 교정된 확신도가 함께 나와요. 자신 있게 틀리는 게 아니라, 확신도가 높으면 실제로 정확도도 높게 유지되도록 학습됐어요. 이를 위해 새로 만든 학습법이 RLCD(교정된 결정을 위한 강화학습)이에요. 둘째, 출력이 타입 안전해요. 미리 정의된 구조 밖으로 벗어나지 않아서 타입 오류 자체가 나지 않아요.
환각이 불가능한 구조
이제 ’환각이 원천 불가능하다’는 말이 왜 과장이 아닌지 설명돼요. LLM의 환각은 이어 쓰기가 만드는 병이에요. 그럴듯한 다음 글자를 계속 잇다 보니 사실을 모르면 그럴듯한 거짓이 나와요. 반면 Jev는 이어 쓰기가 없어요. 출력의 목록과 구조가 사전에 정의돼 있고, 모델이 할 일은 그 안에서 답을 고르고 확신도를 붙이는 것뿐이에요. 엉뚱한 문장을 ’창작’할 통로 자체가 없는 거죠. 공개된 비교 테스트에서 도구 호출 오류율은 0%였어요.
물론 대가도 분명해요. 공식 블로그가 스스로 인정했듯 Jev는 문장 생성을 포기했어요. 에세이를 쓰고, 코드를 짜고, 챗봇처럼 대화하는 일은 못 해요. 그러니 LLM을 대체하는 모델이 아니라, 분류·분기·점수 매기기·정보 추출처럼 ’소프트웨어가 바로 쓸 수 있는 판단’을 LLM 옆에서 맡는 모델이에요. 창업자 표현을 빌리면 똑똑한 if문이에요.
숫자로 보는 차이
공식 자료의 수치를 모으면 이래요.
- 속도: 응답 70ms~500ms. 프런티어 LLM의 3~329초와 비교하면 같은 난이도 작업에서 40~200배 빨라요.
- 비용: 입력 100만 토큰당 $0.042, 출력은 무료(계량이 무의미할 만큼 저렴). GPT-5.6 Terra급 품질을 비용 100분의 1 수준으로 처리한다는 게 회사 주장이에요.
- 실시간: 초당 10회 안팎의 판단을 내릴 수 있어서, 공개 데모로 Jev가 DOOM을 실시간으로 플레이했어요. 한 시간 게임 비용 $7.
- 용도: 분류·라우팅·점수·추출·분기 같은 워크플로 판단, 대용량 데이터 처리, 100ms 안에 답해야 하는 화면, 검증과 가드레일.
정리하면 이래요. LLM이 느리고 신중하게 글을 쓰는 사고라면, Jev는 빠르고 직관적으로 판단을 내리는 사고예요. 글을 대신 써 주는 도구가 하나 더 나온 게 아니라, 환각 때문에 AI를 못 넣던 자리, 즉 소프트웨어의 판단 자리에 새로 넣을 수 있게 된 거예요. 참고로 ’순차 계산을 병렬로 바꿔 이긴다’는 이 전략은 트랜스포머가 RNN을 제쳤던 그 방식이기도 해요. 창업자가 직접 짚은 역사의 반복이에요. 이제 환각 걱정 없이 실시간으로 판단하는 AI가 필요하다면, 챗봇이 아니라 이런 ’글 안 쓰는 AI’를 먼저 살펴볼 이유가 생겼어요.
이 글의 내용은 아래 자료를 기준으로 확인했어요.