오픈AI(OpenAI)가 타입세이프(TypeSafe)의 대규모 언어 모델 기반 제품 ‘제브(Jev)’를 빠르게 따라잡을 수 있다는 분석이 나왔다. 제브가 언어 모델의 토큰 확률을 분류 기능으로 활용한다면, 오픈AI는 기존 모델과 AI 에이전트에 비슷한 기능을 통합할 수 있다는 주장이다. 해외 AI 분석 사이트 아크투루스 랩스(Arcturus Labs)에 실린 분석은 제브의 성공 가능성을 인정하면서도 오픈AI의 추격 가능성을 핵심 쟁점으로 제시했다.
제브의 빠른 확산과 분류 기능
제브는 대규모 언어 모델에 새로운 방식의 기능을 결합한 제품으로 소개됐다. 분석에 따르면 제브는 출시 이후 빠르게 확산됐으며, 클라우드 개발 플랫폼 업체 버셀(Vercel)은 제브가 AI 게이트웨이 역사상 어떤 모델보다 빠르게 채택됐다고 평가했다. 다만 이 같은 초기 확산이 장기적인 경쟁 우위로 이어지려면 타입세이프가 학습 데이터와 훈련 과정에서 경쟁사가 쉽게 복제하기 어려운 장벽을 확보해야 한다는 설명이 뒤따랐다.
분석의 전제는 제브가 기존 대규모 언어 모델과 상당히 유사한 구조를 사용한다는 것이다. 관련 연구·분석 커뮤니티인 레이턴트 스페이스(Latent Space)가 초기 제브 복제품 다수가 언어 모델 기반이라고 전했다는 점이 근거로 제시됐다. 제브는 질문과 현재 상태를 입력받은 뒤 다음 토큰 후보 전체의 확률 분포를 계산하고, 그중 필요한 토큰의 확률만 추려 결과를 만드는 방식으로 설명됐다. 참·거짓 질문에서는 두 토큰의 확률을 정규화하고, 선택형 질문에서는 보기별 토큰의 상대 확률을 비교해 가장 높은 선택지를 고르는 식이다. 이런 방식은 파인튜닝(fine-tuning) 없이도 분류 작업에 활용될 수 있다고 분석은 설명했다.
오픈AI의 기존 모델과 추격 가능성
오픈AI는 이미 대규모 언어 모델을 암묵적인 분류기로 활용해 왔다는 분석이다. 예를 들어 도구 호출 기능에서는 모델이 먼저 일반 답변을 이어갈지, 특정 도구를 호출할지를 토큰 단위로 판단하고, 이어 사용할 도구의 종류와 인자, 응답을 끝낼 시점까지 순차적으로 결정한다. 도구 호출 여부는 하나의 분류 문제로, 여러 도구 중 하나를 고르는 과정도 선택형 분류 문제로 볼 수 있다는 설명이다.
이 분석은 오픈AI가 별도의 범용 분류 제품을 내놓지 않았을 뿐, 모델 내부에서는 수년간 유사한 기능을 활용해 왔다고 주장했다. 오픈AI가 제브와 비슷한 학습 방식을 재현할 경우 제품 자체를 따라가는 데 그치지 않고, 기존 모델과 에이전트 안에 이 새로운 분류기를 활용할 수 있다는 전망도 제시됐다. 이를 통해 작업에 맞는 모델을 신속하게 선택하고, 추론량을 줄이며, 보안 가드레일을 강화하고, 더 빠르고 저렴한 모델 동작을 구현할 수 있다는 것이다.
다만 제브가 실제로 어떤 학습 데이터와 훈련 절차를 사용하는지는 공개된 내용만으로 확인하기 어렵다. 분석은 이 부분이 타입세이프가 확보할 수 있는 가장 큰 방어선이라고 봤다. 반대로 제브의 핵심이 기존 언어 모델의 토큰 확률과 분류 패턴에 가까울수록 오픈AI가 자체 연구와 기존 제품 역량을 이용해 빠르게 추격할 가능성이 커진다는 평가다.