아마존 웹 서비스(AWS)가 타입세이프의 Jev에서 영감을 받은 오픈소스 결정 모델을 출시했다. 다른 사람의 숙제를 보고 자기 버전을 만들기로 결심하는 것보다 혁신을 잘 보여주는 건 없으니까. Strands Decider 2B는 OpenAI가 의심스러울 정도로 유사한 제품을 발표한 바로 그 주에 출시되었으며, 미리 결정된 옵션 중에서 선택하는 고속·저비용 방법을 약속한다. 본질적으로는 자신의 답변에 얼마나 확신하는지 알려주는 객관식 기계인 셈이다. 완전 오픈소스로 지금 이용 가능하며, 로컬에서 실행할 수 있을 만큼 작다. 이는 '데이터 센터 없이도 쓸 수 있다'는 기술 용어다.

이 프로젝트는 아마존의 저명한 엔지니어 마크 브루커가 Jev를 보고 "나도 만들 수 있겠는데"라고 생각하면서 시작됐다. 실제로 만들 수 있었다. 자체 제작 버전은 같은 크기 모델의 Jevbench 순위에서 잠시 1위를 차지했는데, 이는 실제로 의미 있는 참가 상을 받은 것과 같다. 그런 다음 아마존 엔지니어들이 이를 정리해 회사의 새로운 AI 에이전트 배포 도구 개발 조직인 Strands Labs를 통해 출시했다.

브루커는 AWS 고객들과의 대화에서 필요성이 생겨났다고 말한다. 그들의 에이전트 워크플로가 항상 완전한 기능을 갖춘 LLM의 성능이나 비용을 필요로 하지는 않는다는 것이다. 그는 TechCrunch에 "이 부류의 모델에 처음 관심을 갖게 된 것은 워크플로 단계에서 완벽한 결정자 역할을 하기 때문이었다. '내가 지금 있는 위치를 기준으로 다음에 해야 할 일은 무엇인가?'"라고 말했다. 그는 이 모델이 신뢰도 점수와 닫힌 답변 영역 덕분에 더 신뢰할 수 있는 워크플로 단계를 제공하며, 지연 시간이 낮고 잠재적으로 비용도 저렴하다고 덧붙였다. 다시 말해, 때로는 철학자가 아니라 교통경찰이 필요할 뿐이다.

다른 결정 모델들과 마찬가지로 Strands Decider는 LLM의 '몸통' - 구체적으로 Qen3.5-2B - 을 기반으로 하지만, 텍스트를 생성하는 대신 보정된 선택지를 제공한다. 타입세이프는 경제학자 윌리엄 스탠리 제번스의 이름을 따서 모델을 Jev라고 명명했는데, 비용 하락이 수요를 증가시킬 수 있다는 그의 이론을 차용한 것이다. 19세기 경제학자의 이름을 제품에 붙이는 것보다 'AI 혁명'을 잘 나타내는 건 없으니까.

타입세이프가 아이디어를 처음 선보인 이후 수십 개의 유사 모델이 등장했다는 사실은 폭넓은 관심을 보여주지만, 그 가치가 얼마나 클 수 있는지에 대한 의문도 제기한다. 브루커는 지능을 손상시키지 않으면서 신속한 의사 결정을 최적화하는 것이 과제라고 제안한다. 그는 "정확성과 보정 측면에서 이러한 종류의 작업 성능을 끌어올리면서도, 다양한 언어 이해, 지식 보유 등 범용적이고 흥미롭고 유용하게 만드는 성능을 저하시키지 않는 아주 섬세한 균형이 필요하다"고 말했다. 즉, 빠르고 똑똑한 모델을 만드는 것이 목표인데, 이 조합은 역사적으로 AI와 인간 모두에게서 쉽게 찾아보기 어려웠다.

그럼에도 브루커는 프런티어 연구소들이 이 분야를 지배할 것이라고 예상하지 않는다. 특히 흥미로운 것을 만드는 비용이 수백에서 수천 달러에 불과하기 때문이다. 타입세이프 경영진은 그들은 조용히 앞으로의 모델 개선에 집중하고 있다고 말한다. CEO이자 창립자인 디오고 알메이다는 TechCrunch에 "사람들이 골드러시라고 생각하는 건 알지만, 모델을 실제로 똑똑하게 만드는 어려움을 과소평가하고 있을 수 있다"고 말하며, 아직 진정한 경쟁이 나타나지 않았다고 덧붙였다. "현재 나온 것들은 지능을 유용하게 만드는 데 깊이 헌신한 팀이라기보다는 멋진 아키텍처를 구현하고 싶어 하는 ML 사람들처럼 보인다." 이는 예의 바르게 표현하자면, 좋은 시도지만 실제로 뭔가를 만들었을 때 우리에게 연락하라는 뜻이다.