제브 1.14.0, 이미지와 긴 입력을 ‘위험 구역’에 열다

타입세이프 AI(TypeSafe AI)가 판단 모델 제브(Jev) 1.14.0을 공개하며 이미지 입력, 이미지 속 위치를 표시하는 출력, 더 긴 입력을 실험 기능으로 열었다. 회사는 실제 서비스에 쓸 기능에는 엄격한 신뢰성 기준을 적용하되, 아직 결과가 고르지 않은 기능도 먼저 시험하고 싶은 개발자에게는 선택권을 주겠다고 밝혔다. 새 기능을 API에서 별도로 켜도록 한 이유다. 개발자에게는 무엇을 할 수 있는지만큼 어디까지 믿고 쓸 수 있는지가 중요한 발표다.

핵심요약

  • 타입세이프 AI는 제브 1.14.0과 실험 기능을 함께 공개하며, 실제 서비스용 기능과 탐색용 기능을 서로 다른 기준으로 제공하기로 했다.
  • 이미지 입력은 기존 제브 1.13.0에서도 사용할 수 있으며, JSON 인터페이스의 상태·지시·판단 기준에 이미지를 배치할 수 있다.
  • 새 box 형식은 바운딩 박스 하나를 반환해 제브의 용도를 단순한 판단에서 이미지 속 위치를 찾는 작업으로 넓힌다.
  • 더 긴 컨텍스트는 선택 설정으로 열렸지만, 회사는 입력이 길어질수록 신뢰성이 낮아진다는 이유로 길이를 제한해 쓰라고 권한다.
  • 회사가 내부 평가의 한계를 먼저 밝힌 가운데, 토론에서는 데이터 보관 정책과 로컬 대안이 주요 쟁점으로 떠올랐다.

신뢰성과 실험을 나눈 ‘위험 구역’

타입세이프 AI는 이번 발표를 신뢰성과 창의성 사이에서 균형을 찾는 시도로 설명했다. 실제 서비스에 모델을 연결하는 개발자에게는 회사의 품질 기준을 충족하고 내부에서 가능한 한 철저히 시험한 기능이 필요하다. 그러나 새로운 용도를 찾는 사람에게 같은 기준을 적용하면, 흥미롭지만 아직 다듬어지지 않은 기능은 접할 기회조차 줄어든다. 회사는 자신들이 중시하는 높은 신뢰성 기준을 모든 사용자에게 일률적으로 강요하고 싶지는 않다고 밝혔다.

그 절충안이 API 헤더(요청에 함께 보내는 설정 정보)로 켜는 ‘위험 구역’이다. 회사는 이곳에 내놓는 기능을 이후 모델에서도 유지하고 크게 개선할 계획이라고 설명했다. 동시에 현재 결과에는 들쭉날쭉한 부분이 많아 실제 서비스에 쓰라고 보증하기 어렵다고 선을 그었다. 새 기능이 제공된다는 사실과 운영 환경에서 믿고 맡길 수 있다는 판단을 분리한 셈이다.

타입세이프 AI는 이번 기능들이 지난 2년간 공개하지 않은 채 개발해 온 작업의 연장선에 있다고 밝혔다. 지금 단계에서는 자동화에 바로 투입하기보다 직접 만져 보며 가능성과 한계를 확인하는 데 적합하다는 설명이다. 실험 기능은 회사가 앞으로 어떤 능력을 안정화하려는지 미리 보여 주는 창이기도 하다. 개발자는 기능을 일찍 시험할 수 있지만, 그 결과를 현재의 정식 사용 기준과 혼동해서는 안 된다.

이미지가 상태와 판단 기준에도 들어간다

첫 번째로 열린 기능은 이미지 입력이다. 타입세이프 AI는 멀티모달(텍스트와 이미지처럼 서로 다른 종류의 입력을 함께 다루는 방식)을 미래의 제브 모델에만 적용하는 것이 아니라고 밝혔다. 회사 설명에 따르면 기존 제브 1.13.0에도 이미지 처리 능력이 있었고, 이번에 이를 사용할 수 있도록 했다. 따라서 이미지 실험 자체를 위해 반드시 1.14.0으로 바꿔야 하는 것은 아니다.

이미지는 자산 항목을 찾아 바꾸는 방식으로 제브의 JSON 인터페이스에 넣는다. 배치할 수 있는 자리도 질문의 첨부물 한 곳으로 제한되지 않는다. 회사는 상태, 지시, 판단 기준처럼 JSON 인터페이스가 지원하는 위치라면 이미지를 넣을 수 있다고 설명했다. 개발자는 이미지가 들어간 상황이나 기준을 구성해 제브의 판단 방식을 시험할 수 있다.

다만 입력 자리가 자유롭다는 사실이 결과의 안정성을 뜻하지는 않는다. 타입세이프 AI는 제브를 포함한 모델들이 텍스트만 다룰 때보다 멀티모달 작업에서 성능이 낮아진다고 경고했다. 복잡한 질문은 가능한 한 단순한 질문으로 나누는 편이 도움이 된다는 조언도 덧붙였다. 이미지 기능은 TypeSafe-Danger-Zone-Images: true 헤더를 설정한 사용자에게 열린다.

‘예·아니요’ 밖으로 나온 박스 하나

두 번째 변화는 box라는 새 출력 형식이다. 이 형식은 바운딩 박스(이미지 속 대상의 위치를 둘러싼 사각형) 하나를 반환하며, 회사는 출력에 형식 오류가 없어야 한다고 설명했다. 제브가 기존에 조건에 따라 답을 고르는 ‘똑똑한 if문’에 주로 쓰였다면, box는 이미지 안에서 위치를 찾는 결과를 돌려준다. 타입세이프 AI가 이를 단순한 의사결정을 넘어서는 첫 출력 형식이라고 소개한 이유다.

회사는 box를 시스템 원 모델(System One Models)이 다른 작업도 지원할 수 있는지 살피는 출발점으로 제시했다. 최근 이 기능에서 큰 진전이 있었지만, 사용 가능 버전은 제브 1.14.0으로 한정했다. 기존 1.13.0에서도 사용할 수 있는 이미지 입력과는 조건이 다르다. 두 기능이 한 발표에 실렸어도, 기존 버전에서 가능한 범위는 구별해 봐야 한다.

출력 범위 역시 분명하다. 회사가 설명한 것은 여러 대상을 한꺼번에 표시하거나 이미지의 모든 영역을 나누는 기능이 아니라, 바운딩 박스 하나를 반환하는 형식이다. 이미지 입력이 다양한 위치에 들어갈 수 있는 것과 달리, box는 반환하는 결과의 모양을 정한다. 입력과 출력이 각각 어떻게 확장됐는지를 나눠 보면 이번 변화가 더 선명해진다.

더 긴 컨텍스트를 막아 두었던 이유

세 번째 실험 기능은 더 긴 컨텍스트(모델이 한 번의 요청에서 참고하는 입력 범위)다. 타입세이프 AI는 제브가 실제 서비스에서 허용해 온 것보다 훨씬 긴 입력을 처리할 수 있었다고 밝혔다. 그동안 한도를 낮게 둔 것은 처리 능력이 없어서가 아니라 신뢰성에 관한 선택이었다. 회사는 다른 모델들과 마찬가지로 제브도 입력이 길어지면 결과를 덜 믿을 수 있다고 설명했다.

길이 제한에는 사용 방식을 유도하려는 목적도 있었다. 입력을 무작정 늘리기보다 필요한 내용을 골라 쓰는 편이 실제 서비스에서는 효과적이라고 회사는 판단했다. 이번에는 그 권고를 유지하면서도 제약을 풀 수 있는 선택지를 마련했다. 사용자는 TypeSafe-Danger-Zone-Long-Context: true 헤더를 넣어 더 긴 입력을 시험할 수 있다.

타입세이프 AI는 여전히 입력 길이를 제한하라고 강하게 권한다. 그럼에도 최종 선택을 개발자에게 맡긴 것은 기술적으로 처리할 수 있는 길이와 운영 중 신뢰할 수 있는 길이를 구분한 결정이다. 긴 자료를 한 번에 넣는 편의가 필요한 작업도 있겠지만, 회사의 경고는 그 편의만 보고 기본 설정을 바꾸지 말라는 뜻에 가깝다. 실제로 어느 길이까지 쓸지는 각자의 요청과 결과를 놓고 확인해야 한다.

요청을 통한 문제 발견과 버전 교체

타입세이프 AI는 사용자의 요청을 바탕으로 모델의 고르지 않은 동작을 찾는 선택 동의 기능도 추가했다. 동의하면 회사가 문제를 발견하고 해당 사용 사례를 디버깅하기 쉬워진다. 회사는 이 경우에도 사용자의 요청을 모델 학습에 사용하지 않겠다고 밝혔다. 실험 기능을 먼저 공개하는 동시에, 실제 사용에서 드러나는 문제를 더 쉽게 살피려는 조치다.

새 버전 1.14.0은 jev-preview로 공개됐다. 회사는 눈길을 끄는 변화 하나보다 전반에 걸친 작고 미묘한 개선을 목표로 했다고 설명했다. 대부분의 부분이 조금씩 나아질 것으로 기대하며, 그중 가장 큰 개선은 다국어 지원에서 나타날 것으로 봤다. 실험 기능과 별개로, 이번 버전 자체는 기본 성능을 차근차근 다듬는 출시라는 얘기다.

버전 전환 일정도 제시했다. 최신 버전을 가리키는 jev-latest는 발표 일주일 뒤 1.14.0으로 바뀌며, 1.13.0은 당분간 계속 사용할 수 있다. 회사는 1.13.0의 정식 사용 중단에 앞서 60일, 1.14.0에는 30일 전에 예고할 계획이라고 밝혔다. 이에 관한 정책도 별도로 내놓기로 했다. 의존 버전을 바꾸는 일을 개발자들이 부담스러워한다는 점을 의식한 안내다.

내부 평가를 공개하며 붙인 경고

발표의 마지막에는 모델을 어떻게 비교할 것인가라는 문제가 등장한다. 타입세이프 AI는 공개 벤치마크를 좋아하지 않지만, 개발자에게 중요한 능력을 재려는 자체 평가를 공유하겠다고 밝혔다. 다만 이 측정은 현재 회사가 내린 최선의 추정일 뿐이며 앞으로 바뀔 수 있다고 했다. 이후 내부 수치를 다시 공개하더라도 이번 결과와 같은 기준으로 이어질 것이라고 기대하지 말라는 설명이다.

회사는 점수를 전적으로 믿기보다 각자의 사용 사례로 직접 실험하고 평가하라고 권했다. 비교 대상에는 가중치가 공개된 모델만 포함했다. 평가에 쓰는 검증 자료를 엄격히 보호하고 있으며, 다른 모델 제공업체의 데이터 정책도 우려한다는 이유에서다. 이 선택은 비교 가능한 모델의 범위를 좁히지만, 회사가 평가 자료를 다루는 원칙도 드러낸다.

자사 모델에 유리한 편향이 있을 가능성 역시 회사가 직접 인정했다. 제브의 점수를 제외하고 공개 모델들 사이의 상대적인 순위에만 주목해도 된다는 제안까지 덧붙였다. 앞으로의 출시도 놀라운 기능만 내세우기보다 작은 개선, 안정성 향상, 실제 배포에 필요한 기능이 중심이 될 것이라고 예고했다. 이번 실험 기능 공개와 별개로, 회사가 정식 사용에서 추구하는 방향은 꾸준하고 안정적인 개선에 놓여 있다.

커뮤니티 의견

한 사용자는 제브의 비용 대비 성능에 맞먹는 자체 호스팅 대안을 찾기 어려웠지만, 데이터 저장 지역과 보관 기간이 분명하지 않아 도입을 멈추게 된다고 했다. 기업 계정의 무보관 정책을 짧게 언급한 것만으로는 부족하다는 지적이다. 답글에서도 데이터 무보관과 유럽 지역 저장 옵션이 있다면 새 이미지 기능을 곧바로 쓰겠다는 의견이 나왔다.

다른 사용자는 로컬 대안인 오픈디시전(OpenDecision)에 이미지 지원을 추가했다고 소개하고, 다음에는 동영상 기능을 넣겠다고 했다. 답글은 로컬에서 실행하는 데 필요한 하드웨어 사양을 물었다. 외부 API를 쓰지 않는 선택지가 관심을 끌어도, 실제 실행 조건이 분명해야 비교할 수 있다는 반응이다.

긴 컨텍스트를 여는 방식에 호감을 표시한 기존 제브 구독자도 있었다. 신뢰성을 이유로 제한해 온 사정을 설명하면서 원하는 사람에게 선택권을 준 점이 마음에 든다는 의견이다. 반면 다른 사용자는 낮은 비용의 추론 결과를 얻으려고 귀중한 데이터를 외부에 보내는 관계 자체를 경계해야 한다고 반박했다.

이미지에서 바운딩 박스를 반환하는 기능을 반긴 사용자는 다음에는 세그멘테이션(이미지 영역을 픽셀 단위로 구분하는 작업)도 지원하길 바란다고 했다. 자신의 작업에서는 제미나이(Gemini) 3.5 플래시-라이트가 의미를 기준으로 이미지를 분할하는 데 가장 잘 맞았다는 경험을 덧붙였다. 답글에서는 SAM이나 문드림(Moondream) 대신 그 모델을 고르는 구체적인 작업 흐름을 물었다.

벤치마크를 맹신하지 말라는 회사의 경고를 긍정적으로 본 의견도 있었다. 점수는 모델의 대략적인 위치를 알려 주지만, 점수에 맞춰 모델을 조정할 수도 있으므로 실제 용도에서 시험해야 한다는 주장이다. 반대로 공개 평가에서 뒤처지는 결과를 설명하기 위한 쉬운 구실 아니냐는 반론도 나왔다. 또 다른 답글은 벤치마크와 운영 환경의 결과 사이에 차이를 경험했다고 했다.

한 사용자는 제브를 실험할 수 있는 그래픽 도구를 만들었다고 소개했다. 감정 분석, 지원 요청 분류, 주장 검토 같은 작업에서 질문과 판단 기준을 조정하고 답변 및 확률 분포를 살펴볼 수 있다는 설명이다. 기존 설정을 가져오거나 사례를 저장하고 결과가 기록된 설정을 공유하는 기능도 언급했다. 제브를 쓰려면 오픈라우터(OpenRouter) API 키가 필요하다고 덧붙였다.

로컬 모델을 비교한 사용자는 제브K5-4B(JevK5-4B)가 자신의 평가에서 제브와 1점 이내 차이를 보였다고 했다. 그가 살핀 작업은 제시된 근거를 바탕으로 질문에 대한 답이 맞는지 판단하는 것이었다. 전체 성능을 일반화하기보다, 자신이 실제로 하는 작업을 기준으로 대안을 골랐다는 점이 눈에 띈다.

더 가벼운 실행 환경이나 개인정보 보호를 중시한다면 CPU에서 실행하고 학습할 수 있는 로컬 모델을 보라는 의견도 있었다. 답글에는 한 모델이 이메일 분류에 충분히 쓸 만했다는 경험과, 주제를 단계별로 분류할지 한 번에 묶어 처리할지를 묻는 질문이 이어졌다. 별도 애플리케이션 없이 브라우저에서만 실행할 수 있는 대안을 찾는 사용자도 있었다.

핵심통찰

제브 1.14.0 발표의 핵심은 미완성 기능을 숨기거나 모든 사용자에게 기본값으로 밀어 넣는 대신, 경고와 선택 설정을 붙여 공개한 데 있다. 개발자는 이미지와 긴 입력의 가능성을 먼저 시험하면서 기존 사용 방식도 유지할 수 있다. 그러나 선택권만으로 도입 판단이 끝나지는 않는다. 이미지·위치 출력의 정확도가 실제 작업에서 얼마나 일정한지, 요청 데이터의 보관과 저장 지역에 회사가 얼마나 구체적으로 답하는지가 다음 관건이다.


원본: Jev: For the builders AND dreamers - TypeSafe AI Blog

토론: Hacker News