JevModel이 실제로 하는 일
jevmodel.app에서 JevModel을 방문하면 가장 먼저 분명해지는 것은 이것이 또 다른 챗봇 래퍼가 아니라는 점입니다. JevModel은 TypeSafe AI의 typesafe/jev-1.13 모델 위에 구축된 독립 서비스로, OpenRouter를 통해 호출되며, 그 전제는 의도적으로 좁습니다. 즉, 자유로운 산문이 아니라 텍스트나 JSON을 유형화된 결정으로 변환합니다. 모델에게 무언가를 작성하라고 요청하는 대신 상태와 초점이 맞춰진 질문을 주면, 애플리케이션이 분기할 수 있는 구조화된 답변을 반환합니다.
답변은 세 가지 형태로 제공됩니다. Choice는 지원 대기열, 모더레이션 레이블, 언어 코드처럼 사용자가 제공한 옵션 중 하나를 선택합니다. Score는 리드 우선순위처럼 사용자가 정의한 척도에서 정해진 단계를 할당합니다. Noul은 사례에 사람의 검토가 필요한지 여부처럼 기준에 대한 예/아니오 판단을 내립니다. 각 결과에는 확률이 함께 제공되며, 이 세부 정보 덕분에 도구를 데모가 아니라 애플리케이션 코드 안에서 사용할 수 있습니다.
첫인상: 계정 없이 플레이그라운드 테스트하기
홈페이지는 라이브 데모를 겸합니다. 댓글 모더레이션, 의도 및 라우팅, 감정 분석이라는 세 개의 창이 나란히 놓여 있으며, 가운데 창이 실제로 모델을 실행합니다. 레이아웃은 놀랄 만큼 정직합니다. 바깥쪽 패널은 예시 답변이라고 표시되어 있고, 가운데 열만 /api/jev/runs로 실제 POST 요청을 보냅니다. support-inbox 창에 「이번 달 말에 구독을 취소해 주세요」를 입력했더니 94% 신뢰도로 취소 레이블이 반환된 뒤 라우팅 제안이 이어졌습니다. 응답 시간이 충분히 빨라서 페이지가 거의 다시 로드되지 않은 것처럼 보였습니다.
가입하지 않으면 UTC 기준 하루에 세 번 실행할 수 있으며, 이메일 인증을 하면 100,000개의 무료 토큰, 즉 대략 500건의 짧은 요청이 열립니다. 대시보드에는 호출 횟수가 아니라 토큰 잔액이 표시되어 처음에는 적응하는 데 잠시 시간이 걸리지만, 플레이그라운드, 일괄 작업, API가 모두 같은 잔액을 사용합니다. 온보딩 자체는 최소한입니다. 신용카드도, 영업 전화도, 긴 설문도 없습니다.
Decision Flows, 일괄 처리, API
JevModel을 단순한 분류 엔드포인트와 구분 짓는 기능은 Decision Flows입니다. 캔버스에서 스팸 확인, 의도, 라우팅, 긴급도 순으로 질문을 연결하고, 각 답변이 다음 질문이나 결과로 이어지게 합니다. 한 번의 요청으로 전체 흐름을 실행하며, 경로에 있는 질문에만 비용이 청구됩니다. 이 라우팅 로직은 실용적으로 중요합니다. 스팸으로 표시된 메시지는 의도 질문에 대한 비용이 청구되지 않습니다.
일괄 처리는 브라우저에서 이루어집니다. 최대 1,000행의 CSV, TXT 또는 JSON Lines 파일을 업로드하고, 템플릿이나 사용자 지정 질문 세트를 적용한 뒤 모든 구조화된 답변을 확률까지 포함해 CSV로 내보낼 수 있습니다. 스크립팅 단계가 없어 임계값 조정이 특히 쉽습니다. 실제 데이터에서 점수 분포를 확인한 뒤 기준값을 정할 수 있습니다. 비교 워크플로는 동일한 텍스트에 기본 템플릿과 사용자 문구를 모두 실행하고 내보내기 결과를 비교합니다.
API는 Bearer 키를 사용하는 단일 엔드포인트입니다. 문서화된 Python 예제는 상태와 질문 객체를 /api/v1/systemone에 POST하고, 유형화된 답변을 받아옵니다. 키는 Console에서 생성하며, 동일한 잔액이 플레이그라운드, 일괄 처리, API 사용량을 모두 충당합니다. 한도는 명확히 명시되어 있습니다. 요청당 질문은 최대 8개이고, 흐름은 질문 노드 최대 8개와 총 노드 24개로 구성되며 순환이 없습니다. Jev를 Codex에 연결하기 위한 공식 TypeSafe skill도 있습니다. 입력은 텍스트 또는 JSON뿐입니다. 이미지의 경우 캡션이나 OCR 텍스트를 직접 제공해야 합니다.
가격: 만료되지 않는 토큰 팩
JevModel의 가격 책정은 더 특이한 판매 포인트 중 하나입니다. 좌석이나 월간 API 약정 대신 토큰을 구매하며, 일회성 팩은 만료되지 않습니다. 실패한 요청에는 비용이 청구되지 않습니다. 사이트에 나열된 요금제는 다음과 같습니다.
- Free — $0, 100,000 토큰 1회 제공(약 500건 요청), 가입 없이 하루 3회 실행, 저장된 Decision Flow 1개 및 50행 일괄 처리.
- Icebreaker — $4.90 일회성 결제로 8M 입력 토큰, 약 40,000건 요청.
- Starter — $9.90에 20M 입력 토큰, 약 100,000건 요청.
- Builder — $19.90에 50M 입력 토큰, 약 250,000건 요청.
- Pro — $49에 180M 입력 토큰, 약 900,000건 요청.
- Scale — $99에 450M 입력 토큰, 약 2,250,000건 요청.
모든 유료 요금제에는 무제한 Decision Flow, 1,000행 일괄 처리, Console·일괄 처리·API 액세스, 만료되지 않는 토큰이 포함됩니다. 연간 구독 옵션은 50% 절약으로 광고되며, 12개월분 토큰이 결제일에 모두 제공되고 사용하지 않은 구독 토큰은 이월됩니다. 요청 추정치는 짧은 텍스트 질문당 약 200개의 입력 토큰을 가정합니다. 한 달에 수천 건의 분류를 수행하는 소규모 앱이라면 $9.90 Starter 팩으로 오래 사용할 수 있습니다.
강점, 한계, 그리고 비교
JevModel을 지지하는 가장 강력한 논거는 그 출력이 가장 좋은 의미에서 지루하다는 점입니다. 해석해야 하는 문단이 아니라 레이블과 확률을 얻습니다. Choice, Score, Noul이 모델을 사용자의 옵션으로 제한하므로 응답은 검증할 수 있을 만큼 예측 가능하며, 흐름 단위 청구 덕분에 메시지가 답할 필요가 없었던 질문에 비용을 지불하지 않습니다. 범용 LLM API, 예를 들어 OpenAI의 구조화된 출력이나 Anthropic의 도구 사용과 비교하면 설정이 적고 의사결정에 맞춘 인터페이스라는 점이 매력입니다. OpenAI의 Moderation 엔드포인트 같은 전용 모더레이션 서비스와 비교하면 고정된 분류 체계를 받아들이는 대신 범주를 직접 정의할 수 있다는 점이 매력입니다.
다만 한계도 분명합니다. JevModel은 TypeSafe 모델의 독립 리셀러일 뿐 모델의 소유자가 아니므로, 로드맵과 모델 버전이 제3자에 의존합니다. 사용자 지정 모델을 학습하거나 미세 조정하지 않으므로 도메인에 적응된 가중치가 필요한 팀에는 적합하지 않습니다. 인터페이스는 텍스트 또는 JSON만 받습니다. 이미지는 지원하지 않고, 직접 가져온 캡션 또는 OCR 텍스트 외에는 기본 파일 파싱도 없습니다. 그리고 사이트는 가장 큰 주의점을 상쾌할 정도로 솔직하게 밝힙니다. 확률은 정확성의 보장이 아닙니다. 경계선에 있는 답변은 검토가 필요하며, 도구 자체의 조언도 불확실한 사례는 사람에게 전달하라는 것입니다. 한편 개인정보 스크리닝은 명시적으로 컴플라이언스 등급의 마스킹 도구가 아닙니다.
JevModel을 시도해야 할 사람
문제가 「이 텍스트를 받아 내 범주 중 어디에 속하는지 알려 달라」는 형태라면, JevModel은 그것을 구축하는 합리적이고 부담이 적은 방법입니다. 댓글 모더레이션, 지원 트리아지, 스팸 필터링, 프롬프트 인젝션 스크리닝, 리드 스코어링을 하는 제품 팀은 실제 모델로부터 몇 분 만에 유형화된 답변을 얻을 수 있고, 일괄 처리 도구를 통해 출시 전에 자체 데이터로 임계값을 점검할 수 있습니다. $4.90 Icebreaker 팩은 진정으로 위험이 낮은 체험이며, 만료되지 않는 토큰은 흔한 월간 API 불안을 없애 줍니다.
멀티모달 입력, 미세 조정된 모델, 컴플라이언스 인증을 받은 PII 삭제 도구, 또는 오랜 공개 실적을 가진 공급업체가 필요하다면 다른 곳을 찾아보셔야 합니다. JevModel은 젊고 작은 독립 서비스로 보이며, 사이트에는 자금 조달이나 사용자 기반 수치가 게시되어 있지 않았습니다. 그 외의 독자에게는 솔직한 권고가 간단합니다. 무료 실행 세 번을 써 보고, 그다음 $4.90을 써 보면서, 확률이 실제로 신뢰할 만한지는 자신의 데이터로 판단하게 하십시오. JevModel을 직접 살펴보려면 https://jevmodel.app을 방문하십시오.
댓글