Jev는 새로운 기술이 아니다. LLM부터 AI가 시작됐다고 믿는 사람들을 겨냥한 마케팅일 뿐.

Jev를 무슨 새로운 차원의 의사결정 모델인 것처럼 떠들어대는 글들이 계속 보이는데, 광고하는 내용 대부분은 그냥 요즘 나오는 제로샷(zero-shot) 기능이 탑재된 평범한 분류기(classifier) 수준임.

제한된 선택지 안에서 확률값을 뱉어내고, 자기회귀(autoregressive) 방식으로 생성하지도 않고, 정의되지 않은 클래스는 출력도 못 하고, 추론 시점에 라벨을 정의할 수 있다는 거? 이런 건 하나도 새로울 게 없음. 제로샷/NLI 분류기, 임베딩 모델, 크로스 인코더, 리랭커들이 이미 수년 전부터 이런 식으로 돌아가고 있었으니까.

웃긴 건 Jev의 성능을 보여주는 비교 자료들이 죄다 LLM이랑 붙여놓은 것들이라는 점임. 당연히 특화된 분류기가 자기회귀 방식의 LLM보다 속도도 빠르고 비용도 저렴하지. 그게 무슨 새로운 패러다임이야? 제대로 비교하려면 기존의 강력한 분류기들이랑 붙여봐야지. 이건 그냥 사람들을 호도하려는 수작임.

이미 BTZSC 같은 벤치마크가 있어서 NLI 모델, 임베딩 모델, 리랭커를 포함한 수십 개의 제로샷 분류기를 22개 데이터셋으로 평가하고 있는데, 아직 Jev가 이런 환경에서 제대로 검증받은 건 본 적이 없음.
(https://proceedings.iclr.cc/paper\_files/paper/2026/hash/417e1c15b3d49852fceded8aa104107d-Abstract-Conference.html(https://proceedings.iclr.cc/paper_files/paper/2026/hash/417e1c15b3d49852fceded8aa104107d-Abstract-Conference.html?utm_source=chatgpt.com))

사람들이 Jev를 기존 분류기랑 비교한 결과를 보면 광고만큼 마법 같지도 않음. Banking77 실험 하나만 봐도 BGE-small + 로지스틱 회귀 조합은 93.3%가 나왔는데 Jev는 83.2%였음. 로컬 환경에서 9ms 정도 걸린 건 덤이고.
(https://github.com/ickma2311/jev-baselines-eval(https://github.com/ickma2311/jev-baselines-eval?utm_source=chatgpt.com))

마케팅 방식도 좀 사기성이 짙음. 예를 들어 "환각(hallucination)이 없다"는 식의 프레이밍은 진짜 수상함. 자기들 설명에서도 0% 환각이라는 수치가 실증적인 게 아니라고 인정하고 있잖아. 결국 보장한다는 건 Jev가 허용된 스키마에 맞는 답을 내놓는다는 것뿐임. 이건 잘못된 출력을 막는 거지, 틀린 답을 자신 있게 고르는 것까지 막아주는 건 아니라고. (https://typesafe.ai/blog/introducing-system-one-models-and-jev(https://typesafe.ai/blog/introducing-system-one-models-and-jev?utm_source=chatgpt.com))

그러니 난 회의적일 수밖에 없음. 뭐, Jev가 좋은 제품일 수도 있지. 공개 안 된 아키텍처나 RLCD 학습 방식이 진짜 혁신적일지도 모르고. 하지만 지금까지 나온 정보로는 "시스템 원 모델(System One Models)"이 새로운 AI 클래스라는 걸 증명하기엔 턱없이 부족함. 공개된 증거들이 말해주는 건 결국 '분류 작업에는 특화된 분류기를 쓰는 게 자기회귀 LLM보다 훨씬 싸고 빠르다'는 사실뿐인데, 이건 이미 다 알고 있던 거잖아. AI의 시작과 끝이 LLM이라고 생각하는 사람들 눈에나 이게 새로워 보이는 거지.