“주절주절 말하기 대신 단답만”…타입세이프 제브와 LLM이 다른 점

AI 요약

미국 AI 스타트업 타입세이프가 공개한 제브(Jev)는 문장을 생성하지 않고 '선택(Choice)', '점수(Score)', '이진판단(Noul)' 세 가지 구조화된 답만 반환하며 RLCD(보정된 의사결정 강화학습)로 출력 확률과 실제 정답률 일치에 최적화해 에이전트의 판단·결정 작업에 초점을 맞췄습니다. 타입세이프 내부 워크플로 평가에서 제브는 기존 LLM 대비 최대 193.6배 빠르고 444.6배 저렴하다고 주장하며 공식 가격은 입력 100만토큰당 0.042달러이나, 펜실베이니아대 연구진의 외부 비교에서는 27개 비교 중 정확도 차가 통계적으로 뚜렷했던 것은 8개였고 제브는 이진판단에서 강점을 보인 반면 단계별 점수 작업에서는 기존 sLM이 우세한 경우도 있었으며 비용은 sLM 대비 29~325배 저렴하고 처리시간은 30~220배 빠른 것으로 나타났습니다. 제브는 보고서 작성이나 회의 요약 같은 생성·복합 추론 작업에는 적합하지 않고 여러 판단을 쪼개 코드로 결합해야 하며, 존재하지 않는 선택지를 지어내는 오류는 줄였지만 높은 확률값이라도 틀릴 수 있어 '환각하지 않는다'는 주장은 과장이라는 지적과 계산·숫자 처리, 날짜 비교 등의 한계가 존재합니다.