타입세이프 인공지능의 결정 모델 젭 출시

주장타입세이프 인공지능이 공개한 젭은 기존 생성형 인공지능과 다른 시스템 원 모델이라는 새로운 범주를 제시합니다. 이 모델은 텍스트를 입력받아 확률적 수치나 분류 결과를 출력하는 결정 모델로서의 성격이 강합니다.

팩트젭은 입력 토큰당 100만 개 기준 0.042달러의 비용으로 운영됩니다. 이는 오픈에이아이의 지피티-5 나노 모델이 제시한 0.05달러보다 저렴하며, 출력 토큰에 대한 비용은 무료로 책정되어 있습니다.

팩트이 모델은 크게 세 가지 유형의 질문을 처리합니다. 예와 아니오를 판별하는 노을 질문, 선택지 중 하나를 고르는 선택 질문, 특정 범위 내에서 점수를 산출하는 스코어 질문이 포함됩니다.

팩트사용자는 텍스트나 이름-값 쌍으로 구성된 상태 객체를 응용 프로그램 프로그래밍 인터페이스에 전달하여 질문을 수행합니다. 여러 질문을 동시에 병렬로 처리하여 대량의 데이터 분석 작업을 효율적으로 수행합니다.

주장결정 모델은 스팸 탐지, 라벨링, 우선순위 지정, 검색 결과 재순위화 같은 분류 작업에 최적화되어 있습니다. 복잡한 문장 생성보다는 명확한 판단이 필요한 업무 논리에 적합한 도구입니다.

팩트개발자 커뮤니티에서는 젭을 활용한 다양한 실험이 진행되고 있습니다. 대화형 로봇 구현, 텍스트 정렬, 숫자 맞추기 게임 플레이 등 기존 대규모 언어 모델과는 다른 독특한 방식의 활용 사례들이 코드 공유 플랫폼을 통해 공유됩니다.

팩트공개 소스 진영에서도 젭과 유사한 모델을 구현하려는 움직임이 활발합니다. 큐웬 3.5를 기반으로 한 케브 프로젝트 등이 등장했으며, 젭 수준의 모델 성능을 비교하는 젭벤치 평가 도구도 생성되었습니다.

교차검증젭은 결과값으로 오직 부동 소수점 숫자만을 반환하기 때문에 내부 작동 방식을 알기 어렵습니다. 모델이 왜 그러한 결정을 내렸는지에 대한 근거를 확인할 수 없다는 점은 신뢰성 측면에서 한계가 됩니다.

교차검증특정 결과에 대한 편향성 문제가 발생할 우려가 존재합니다. 채용이나 평가와 같은 민감한 분야에 사용할 경우, 모델 내부에 숨겨진 편향을 파악하거나 수정하기가 매우 어렵다는 위험이 따릅니다.

출처Simon Willison의 블로그(https://simonwillison.net/2026/Sep/21/jev/)의 보도를 교차 검증했습니다.