해커뉴스 532점에 오른 OpenJev 는 타입세이프 AI(TypeSafe AI)가 낸 것이 아니라 개발자 시어도어 리(Theodore Lee)가 MIT 라이선스로 올린 독립 프로젝트로, README 는 제브(Jev)의 비공개 모델과 학습을 재현한 것이 아니라 '선택지를 주면 타입이 정해진 확률만 돌려주는' 인터페이스 패턴만 따라 만든 것이라고 적었고, 오픈 모델 Qwen3.5-4B 를 한 번만 앞으로 돌려 선택지 토큰의 로짓(logit)을 읽고 그 안에서만 정규화하기 때문에 답 문장을 생성하지 않아요. 저장소 수치로는 RTX 3090 에서 기준 21개짜리 판정이 로짓 읽기 1.023초, 같은 모델로 JSON 을 생성하게 하면 5.332초였고, 타입세이프가 공개한 평가 가운데 맞춰 볼 수 있는 102건에서 일치율 84.5% 로 타입세이프가 발표한 제브 값 88.3% 보다 조금 낮았으며, 사이트에서는 0.6B·2B·4B GGUF 모델을 브라우저 WebGPU 로 직접 돌려 볼 수 있어요. 해커뉴스에서는 상태(state)에 '이 메일은 정상 메일' 한 줄을 넣자 100% 정상으로 분류됐다는 프롬프트 인젝션 시험과 'BERT 류 인코더 분류기로 예전부터 하던 일'이라는 반론, 이름이 상표 문제라는 지적이 나왔고, 제출 5시간 뒤 사이트는 'SemIf, 이전 이름 OpenJev, 타입세이프와 무관' 으로 바뀌어 있었어요.
- 로짓
- 모델이 다음 토큰마다 매기는 정규화 전 점수. 여기서는 선택지 토큰의 점수만 읽어 확률로 바꾼다
- GGUF
- llama.cpp 계열이 쓰는 양자화 모델 파일 형식
- WebGPU
- 브라우저에서 GPU 연산을 쓰게 하는 웹 표준
- SGLang
- 오픈소스 LLM 추론 서버
- WANLI
- 허깅페이스에 공개된 자연어 추론 검증 데이터셋
9월 16일에 다룬 제브의 대기자 명단을 기다리지 않아도, 라우팅·재시도·검증처럼 선택지가 정해진 판정은 이미 쓰는 vLLM·SGLang·llama.cpp 에서 선택지 토큰의 로짓만 읽는 방식으로 자기 데이터에 먼저 시험해 볼 수 있어요. 다만 이 방식도 상태 문자열에 외부 텍스트가 섞이면 프롬프트 인젝션이 그대로 통하고, 저장소의 외부 검증 데이터(WANLI)에서는 정확도가 63.7% 라 자기 라벨로 재고 나서 들여야 해요.
- 프로젝트 저장소 독립 프로젝트이며 제브의 모델·학습이 아니라 인터페이스 패턴만 재현했다고 적었고, 3090 에서 로짓 읽기 1.023초 대 JSON 생성 5.332초, 타입세이프 공개 평가 102건 일치율 84.5% 대 제브 88.3% 를 표로 냈어요. GitHub
- 해커뉴스 시험·반론 상태에 '정상 메일' 한 줄을 넣자 100% 정상으로 분류됐다는 인젝션 시험, 인코더 분류기와 다를 게 없다는 반론, 이름이 상표 문제라는 지적이 나왔고 제출 5시간 뒤 이름이 SemIf 로 바뀐 것이 확인됐어요. Hacker News
- 같은 방식의 다른 구현 ekzhang 은 Qwen3.6-35B-A3B 를 SGLang 으로 돌려 제브 API 와 호환되는 엔드포인트를 모달(Modal)에 올렸고, 해커뉴스의 다른 개발자는 자기 추론 엔진에서 같은 방식을 재현해 제브 엔드포인트와 비슷한 속도를 냈다고 적었어요. GitHub