"TypeSafe AI" 또는 "System One" 스타일 모델로 소개되곤 하는 Jev를 접하고, Grok이나 Gemini 같은 채팅 모델처럼 Glarity에 연결할 수 있는지 궁금했다면 답은 "아니오"입니다. Jev는 대화형 LLM의 대체품으로 쓰도록 만들어지지 않았습니다. 실제로 무엇인지, 그리고 이 차이가 왜 중요한지 정리했습니다.
Jev가 실제로 하는 일
Jev는 범용 채팅 모델이 아니라 타입 기반 의사결정 엔진입니다. 자유 형식의 프롬프트를 받아 자유 형식의 텍스트를 반환하는 대신, 구조화된 상태(state)(상황을 설명하는 텍스트)와 질문(question)을 받아 문장 대신 결정, 점수, 확률 같은 타입이 지정된 출력을 반환합니다. 상태와 질문을 합쳐 32K 토큰이 한도이며, 전체 교환에는 64K 토큰의 예산이 있습니다. 채팅 모델이 유지하는 것과 같은 다중 턴 대화 기록은 없으며, 각 호출은 정보의 한 스냅샷에 대한 독립적인 판단입니다.
이렇게 생각하면 차이가 명확합니다. 채팅 모델은 "여기에 무엇을 써야 할까?"에 답합니다. Jev는 "이 정확한 상황에서 결정은 무엇인가?"에 답하며, 파싱해야 하는 텍스트가 아니라 코드가 바로 사용할 수 있는 값(점수, 불리언, 순위가 매겨진 옵션)으로 답합니다.
Glarity의 커스텀 모델 설정에 맞지 않는 이유
Glarity의 설정 → 일반 → AI 연결 패널은 한 가지 형태를 중심으로 만들어졌습니다: 시스템/사용자 메시지 배열을 받아 채팅 완료를 반환하는 OpenAI 호환 /chat/completions 엔드포인트입니다. Glarity가 커스텀 모델을 통해 지원하는 모든 모델——API 키로 연결하는 타사 모델 포함——은 이 프로토콜을 사용합니다.
Jev는 그렇지 않습니다. 채팅 완료 API가 아니라 타입 기반 의사결정 API입니다. Glarity의 번역, 요약, 이메일 답장 기능을 매핑할 수 있는 "시스템 프롬프트"나 "대화"라는 개념이 없습니다. 이 기능들은 페이지나 영상 콘텐츠를 채팅 메시지로 전송하고 텍스트 응답을 받는 방식으로 작동하는데, 이는 Jev의 입출력 구조가 만들어내는 형태가 아닙니다. 유효한 자격 증명이 있어도 Glarity의 요청 형식을 Jev가 기대하는 형식에 맞출 방법이 없습니다.
Jev를 검토 중이라면
자동화된 심사 결정, 위험 점수화, 구조화된 트리아지 같은 실제 사용 사례를 위해 Jev를 검토하고 있다면, 브라우저 확장 프로그램의 채팅 백엔드가 아니라 직접 관리하는 파이프라인 내의 의사결정 지원 구성 요소로서 그 자체의 기준으로 평가할 가치가 있습니다. 만약 실제로 원했던 것이 Glarity의 일상적인 번역과 요약을 구동할 빠르고 저렴한 모델이었다면, Glarity의 커스텀 모델 설정을 통해 연결하는 표준 채팅 완료 모델(Grok, Gemini 3.8 Flash 등)이 그 목적에 맞는 도구입니다.
자주 묻는 질문
Glarity의 페이지 요약이나 번역에 Jev를 쓸 수 있나요? 아닙니다. Jev는 이 기능들이 필요로 하는 자유 형식 텍스트가 아니라 타입이 지정된 결정(점수, 불리언, 확률)을 반환하며, Glarity가 호출할 수 있는 채팅 완료 엔드포인트를 제공하지 않습니다.
Jev는 LLM과 같은 종류인가요? 유사한 기반 기술 위에 구축되었지만 노출 방식이 다릅니다——개방형 텍스트 생성이 아니라 의사결정을 위한 좁고 구조화된 입출력입니다.
토큰 제한은 얼마인가요? 상태와 질문을 합쳐 32K 토큰이 한도이며, 전체 교환에는 64K 토큰의 예산이 있습니다.
Glarity에서는 대신 무엇을 써야 하나요? OpenAI 호환 채팅 모델이면 됩니다——Grok이나 Gemini 3.8 Flash 같은 모델을 커스텀 모델 설정으로 연결하는 방법은 Glarity의 기존 가이드를 참고하세요.
Glarity 편집팀은 AI 검색, 영상 요약, 브라우저 활용 팁을 다룹니다.
