TypeSafe AI, Jev 1.14 출시 — 이미지 입력·바운딩 박스·262K 컨텍스트 추가
TypeSafe AI가 의사결정 특화 모델 Jev 1.14를 공개했어요. 이미지를 입력하고 객체 위치를 바운딩 박스로 받을 수 있고, 컨텍스트 창이 64K에서 262K 토큰으로 4배 늘어났어요. 새 기능은 모두 'Danger Zone' 헤더로 켜는 옵트인 방식이에요.
- TypeSafe AI가 10월 14일 Jev 1.14.0을 출시했어요. 기존 텍스트 전용이던 모델에 이미지 입력이 추가됐어요. 헤더 TypeSafe-Danger-Zone-Images: true를 보내면 state·instructions·criteria에 이미지를 넣을 수 있어요.
- 새 Box 프리미티브가 생겼어요. 이미지 속 객체의 위치를 top·bottom·left·right 네 변(0~1 정규화 좌표)과 confidence 점수로 돌려줘요. 질문 하나에 박스 하나를 반환하고, 아주 작은 객체는 놓칠 수 있어요.
- 컨텍스트 창이 요청당 64K → 262K, 질문당 32K → 262K로 4배 확장됐어요. TypeSafe-Danger-Zone-Long-Context: true 헤더로 활성화하며, 같은 토큰 단가($42/Btok 입력, 출력 무료)에 속도와 정확도가 약간 떨어질 수 있어요.
타입 안전한 의사결정 API에 시각 입력까지 쓸 수 있게 됐어요. 이미지 속 객체 위치를 박스 좌표로 받아 자동 크롭이나 라벨링 파이프라인에 바로 연결할 수 있어요.
'텍스트 전용 모델이 눈을 떴다'는 전환점을 콘텐츠 소재로 쓸 수 있어요. Danger Zone이라는 옵트인 네이밍도 이야깃거리예요.
긴 문서(계약서·보고서)를 통째로 넣어 의사결정을 시킬 수 있어요. 262K 토큰이면 A4 약 500페이지 분량이에요.
Jev의 Box 프리미티브로 이미지 속 객체 좌표를 받는 워크플로는 자동화 콘텐츠 소재로 데모 영상을 만들어 볼 만해요.
TypeSafe AI가 10월 14일 의사결정 특화 모델 Jev 1.14.0을 출시했어요. RLCD(Reinforcement Learning from Calibrated Decisions)로 훈련된 이 모델에 세 가지 큰 변화가 왔어요.
이미지 입력
기존 텍스트 전용이던 Jev에 이미지를 넣을 수 있게 됐어요. 요청 헤더에 TypeSafe-Danger-Zone-Images: true를 추가하면 state·instructions·criteria 필드에 이미지를 포함할 수 있어요.
Box 프리미티브
새로운 Box 반환 타입이 추가됐어요. 이미지 속 객체의 위치를 top·bottom·left·right 네 변(0~1 정규화 좌표)과 confidence 점수(0~1)로 돌려줘요. 픽셀 좌표로 변환하려면 각 변에 이미지의 너비·높이를 곱하면 돼요. 질문 하나에 박스 하나만 반환하고, 수십 픽셀 크기의 작은 객체는 놓칠 수 있어요.
262K 컨텍스트
컨텍스트 창이 요청당 64K → 262K, 질문당 32K → 262K 토큰으로 4배 늘어났어요. TypeSafe-Danger-Zone-Long-Context: true 헤더로 활성화하며, 토큰 단가($42/Btok 입력·출력 무료)는 동일하지만 속도와 정확도가 약간 떨어질 수 있어요.
그 외에 다국어 지원이 가장 크게 개선됐다고 해요. jev-latest 별칭은 1주 뒤 1.14.0으로 전환되고, jev-1.13.0은 60일 사전 고지 후 폐기될 예정이에요.
X 게시물 보기 · https://x.com/typesafeai/status/2110536685805355064