개발자 커뮤니티의 독립 가이드

Jev AI 모델.
판단을 코드로 연결하다.

Jev는 TypeSafe의 첫 System One 모델입니다. 정해진 형식의 판단 결과와 확률을 반환해 애플리케이션에서 활용할 수 있습니다. API 연동 방법과 활용 사례를 살펴보세요.

작업에 맞게 선택

생성형 AI, 규칙과는 무엇이 다를까요?

TypeSafe가 System One 모델이라 부르는 Jev는 자유로운 텍스트를 생성하는 대신 정해진 형식의 선택지와 확률을 반환합니다. 생성형 AI 및 규칙 기반 코드와 비교해 적합한 작업을 살펴봅니다.

항목Jev생성형 LLM규칙 기반 코드
출력미리 정한 선택지, 점수, 확률유연한 텍스트, 코드 또는 구조화 출력명시적 조건으로 정해지는 값
속도낮은 지연의 판단에 최적화. TypeSafe는 자체 테스트에서 70~500ms를 보고모델, 프롬프트, 출력 길이에 따라 달라짐알려진 조건에서는 대체로 매우 빠름
적합한 작업맥락을 이해해야 하는 반복적인 판단글쓰기, 복잡한 추론, 열린 과제경계가 명확하고 안정된 조건
주요 한계자유로운 텍스트를 생성하지 못하며 형식화된 답도 틀릴 수 있음유연한 출력에는 파싱과 검증이 필요할 수 있음뜻이 모호한 입력까지 모든 조건을 미리 정의하기 어려움
i

속도 수치는 TypeSafe가 특정 구조화 판단 테스트에서 보고한 결과입니다. 독립 벤치마크나 보편적인 속도 보장은 아닙니다. 평가 방법 보기

언제 무엇을 쓸까?

답의 범위는 정해져 있지만 입력의 의미를 읽어야 한다면 Jev를 고려하세요. 새 글이나 코드를 만들어야 한다면 생성형 AI를, 조건을 명확히 적을 수 있다면 일반적인 규칙 코드를 쓰는 편이 낫습니다.

핵심 개념

반복되는 판단을 위해 만든 모델.

Jev는 입력된 글이나 데이터를 미리 정한 질문에 따라 평가합니다. 선택지, 점수, 확률로 결과를 돌려주므로 다음 동작은 애플리케이션 코드에서 결정할 수 있습니다.

세 단계로 보는 Jev이해를 돕기 위한 예시 · 실제 모델 응답이 아닙니다
01고객 메시지

구독 요금이 두 번 청구됐어요. 도와주실 수 있나요?

02질문과 선택지

어느 팀이 처리해야 하나요?

가능한 답: 청구팀 · 기술팀 · 영업팀
03정해진 형식의 결과
청구팀Jev

예시용 확률 0.92

01

필요한 정보 전달하기

관련 글, JSON 데이터 또는 텍스트 목록을 전달합니다. 이미지, 오디오, 동영상은 현재 입력할 수 없습니다.

02

답의 범위 정하기

선택지, 점수, 또는 ‘예’일 확률처럼 필요한 응답 형식을 호출 전에 정합니다.

03

다음 동작은 코드에서 결정

결과와 확신 수준에 따라 자동으로 분류하거나 사람에게 검토를 맡기는 등 다음 동작을 결정합니다. 형식이 맞아도 판단은 틀릴 수 있습니다.

참고: TypeSafe 공식 문서

적합한 분야

작은 판단을 실제 서비스에.

Jev는 애플리케이션에서 반복되고 가능한 답이 정해져 있는 판단에 적합합니다. 아래는 활용 예시이며, 실제 성능은 직접 가진 데이터로 확인해야 합니다.

01

고객 지원

고객 문의를 분류하고 긴급도를 파악해 담당 팀에 전달합니다. 판단이 불확실하면 사람이 검토합니다.

판단 예시결제 문제인가요, 기술 문제인가요?
02

추천과 정렬

후보 항목이 사용자의 상황에 얼마나 잘 맞는지 평가하고, 기존 순위 기준이나 운영 정책과 함께 활용합니다.

판단 예시이 항목이 현재 요청과 얼마나 관련 있나요?
03

에이전트 작업 분기

다음에 사용할 도구나 모델을 선택하고 출력을 점검하거나 상위 단계의 검토가 필요한지 판단합니다.

판단 예시이 요청을 전문 모델에 보내야 하나요?
04

콘텐츠 안전

정해 둔 기준에 따라 콘텐츠를 평가하고, 확신이 낮거나 위험이 큰 사례는 사람이 검토하도록 합니다.

판단 예시이 메시지가 정책을 위반하나요?

참고: TypeSafe 활용 사례 문서

시작하기

첫 번째 판단을 설계하세요.

애플리케이션에 이미 필요한 작은 판단 하나를 고르세요. 가능한 답을 정의하고 결과의 사용 방식은 코드로 결정합니다.

01

판단 하나 고르기

문의 분류나 후보 항목의 관련성 평가부터 시작할 수 있습니다.

02

선택지 정의하기

호출 전에 입력 내용, 질문, 허용할 답을 정합니다.

03

불확실성 다루기

확률과 신뢰도를 사용해 실행, 대체 처리 또는 사람의 검토를 선택합니다.

연동 예시

Jev를 코드에 연결하세요.

서버에서 실행하는 TypeScript 예제로, OpenRouter를 통해 Jev 1.13에 고객 문의와 질문 두 가지를 보냅니다. API 키는 서버에만 보관하고, 결과를 어떻게 활용할지는 애플리케이션 코드에서 결정합니다.

서버 측 TypeScripttypesafe/jev-1.13
const apiKey = process.env.OPENROUTER_API_KEY;
if (!apiKey) throw new Error("Set OPENROUTER_API_KEY");

const response = await fetch("https://openrouter.ai/api/alpha/decisions", {
  method: "POST",
  headers: {
    Authorization: "Bearer " + apiKey,
    "Content-Type": "application/json"
  },
  body: JSON.stringify({
    model: "typesafe/jev-1.13",
    state: "My card was charged twice. Please help ASAP.",
    questions: {
      department: {
        type: "choice",
        instructions: "Which team should handle this?",
        criteria: {
          billing: "Payments and refunds",
          technical: "Bugs and integrations"
        }
      },
      urgent: {
        type: "noul",
        instructions: "Does this message need urgent attention?"
      }
    }
  })
});

if (!response.ok) throw new Error("Jev request failed: " + response.status);
const {answers} = await response.json();

if (answers.department.choice === "billing" && answers.urgent.noul > 0.8) {
  // Route to the billing review queue.
}
엔드포인트POST /api/alpha/decisions
입력state + questions
출력answers

답변 읽기

choice에는 담당 팀이, noul에는 ‘예’라고 판단하는 정도가 0~1 사이 숫자로 반환됩니다. 코드는 이 값을 운영 규칙과 함께 사용해 문의를 분류합니다.

운영 환경에 적용하기 전에

실제 고객 문의와 비슷한 데이터로 테스트하고 모델 버전을 기록하세요. 불확실하거나 잘못 판단했을 때 영향이 큰 사례는 사람이 검토하도록 합니다. 0.8은 설명을 위한 값입니다.

API 출처: OpenRouter · TypeSafe

필드별 의미

요청에서 질문과 응답 형식을 정의하면 응답에는 질문별 결과가 담깁니다. 코드 예제에 나온 JSON 필드를 하나씩 살펴보세요.

요청 필드

model
모델 ID입니다. 예시는 버전을 명확히 하기 위해 Jev 1.13을 지정합니다.
state
평가할 텍스트 또는 구조화 데이터입니다. 예시에서는 고객 지원 메시지입니다.
questions
질문 이름을 키로 사용하는 객체입니다. 응답의 answers에도 같은 이름으로 결과가 담깁니다.
type
응답 형식입니다. choice는 후보 중 하나를 고르고, noul은 ‘예/아니요’ 판단을 숫자로 나타냅니다.
instructions
모델에 요청하는 구체적인 판단입니다.
criteria
choice에서 허용하는 선택지 키와 각 선택지의 의미입니다.

응답 필드

answers
각 질문의 결과가 같은 이름의 키 아래 반환됩니다.
choice
선택된 옵션의 키이며 확률이 가장 높은 선택지입니다.
probabilities
각 선택지의 확률이며 합계는 1입니다.
confidence
확률 분포에서 계산한 별도의 확신 수준으로, 선택한 후보의 확률과는 다릅니다.
noul
예/아니요 질문에 대해 0(아니요)부터 1(예)까지의 값입니다.

형식이 올바른 답도 틀릴 수 있습니다. 대표 사례를 테스트하고 워크플로에 맞는 분기 기준을 정하세요.

Jev를 둘러싼 대화

개발자들의 이야기를 살펴보세요.

출시 당시 토론, 공식 SDK, 독립 해설 영상의 핵심을 정리했습니다. 먼저 여기서 맥락을 파악하고 궁금한 내용은 원문에서 확인하세요.

X

TypeSafe는 X에서 제품 소식과 배경을 공유합니다. 팀의 설명으로 읽고 실제 구현 전에는 공식 문서를 확인하세요.

원문 보기

GitHub

공식 JavaScript·TypeScript SDK에서 API 사양, 사용 예제, 업데이트 내역을 확인할 수 있습니다. Jev 요청을 코드로 작성할 때 참고하기 좋습니다.

원문 보기

Hacker News

출시 토론에서는 Jev를 어디에 활용할 수 있는지, 어떻게 평가할지, 확신이 높지만 틀린 결과는 어떻게 처리할지 이야기합니다. 성능을 검증한 자료는 아닙니다.

원문 보기
이 페이지에서 시청

영상으로 보는 Jev의 구조화된 결정과 한계

RepoChad의 독립 해설 영상은 출력 형식, TypeSafe의 속도 주장, 데모, 아직 검증이 필요한 부분을 다룹니다. 재생을 누를 때만 영상을 불러옵니다.

원문 보기
Jev를 만든 사람들

AI 판단을 서비스에 연결하는 새로운 방식.

TypeSafe AI는 Jev를 첫 번째 System One 모델로 발표했습니다. 빠르고 구조화된 판단을 일반적인 소프트웨어 워크플로에서 사용하도록 하는 것이 목표입니다.

창업자 Diogo Almeida는 이전에 OpenAI와 Google Brain에서 일했습니다. TypeSafe에 따르면, 그가 참여한 지시 따르기와 RLHF 연구는 ChatGPT의 기반 기술에 영향을 주었습니다.

자주 묻는 질문

자주 궁금해하는 점.

Jev는 챗봇인가요?

아니요. Jev는 자유로운 대화나 코드를 생성하는 대신, 정해진 형식의 판단 결과와 확률을 반환합니다.

추천에 사용할 수 있나요?

후보의 의미적 관련성을 평가하거나 재정렬하는 데 도움을 줄 수 있습니다. 완전한 추천 시스템에는 후보 탐색, 비즈니스 규칙, 평가 및 자체 순위 로직이 필요합니다.

형식이 맞으면 판단도 맞나요?

아니요. 형식이 맞아도 선택한 답은 틀릴 수 있습니다. 실제 데이터로 검증하고, 불확실한 결과를 코드에서 어떻게 처리할지 정해야 합니다.

어디에서 사용법을 배울 수 있나요?

TypeSafe 공식 문서와 SDK에서 시작하세요. OpenRouter 모델 페이지를 통해서도 Jev에 접근할 수 있습니다.

한 가지 판단부터

작은 판단 하나부터 연결해 보세요.

질문과 가능한 답을 정한 뒤, Jev의 결과를 어디에 쓸지는 애플리케이션에서 결정하세요.