핵심 요지
- JEV(제브)는 LLM이 아닌 분류 전용 모델이다. 주관식 서술 대신 객관식 선택지(1번 85%, 2번 10%, 3번 5%)로만 응답하며, LLM 대비 100배 이상 저렴하고 400배 빠르다고 발표됐다. 출시 후 인공지능 유료 모델 중 가장 빠른 성장률을 기록해, 특정 업무에서 LLM이 과잉 스펙임을 드러낸 신호탄으로 평가됐다.
- DOTS(다치)는 Astra를 판단 로직으로 탑재하고 가상 머신에서 24시간 작동하는 인공지능 에이전트다. 개인 컴퓨터가 아닌 전용 가상 서버에서 구동돼 PC가 꺼져도 작업이 계속되고, 허용된 정보 외에는 개인 자료에 접근하지 않는 구조로 기존 로컬 에이전트의 보안 약점을 보완했다.
- AI 업계 경쟁의 무게중심이 모델 성능에서 서비스·에이전트로 이동하고 있다. 에이전트가 로그인·결제·취향 판단까지 수행하려면 LLM 외에 그에 맞는 인프라가 필요하다. 진행자는 해당 인프라를 이미 보유한 페이스북·구글이 OpenAI·Anthropic보다 에이전트 서비스에서 유리하다고 분석했다.
왜 지금 이 영상인가
JEV가 LLM이 아니라는 발표와 DOTS의 가상 머신 기반 에이전트 구조는 LLM 중심 AI 서사에 균열이 생기는 신호다. 진행자는 이 두 문장을 제대로 이해하면 현재 AI 산업 경쟁 구도를 파악할 수 있다고 보고, CNN→RNN→트랜스포머라는 아키텍처 진화 흐름과 연결해 핵심 개념을 설명한다. 딥시크·키미 등 중국 모델의 MoE 방식 부상도 같은 맥락으로 짚는다.
발언 요지 (시각은 원본 영상 기준)
- [00:00~04:07] LLM 정의 — 인공지능 모델은 사람이 코딩한 로직이 아니라 데이터를 머신이 학습해 만든 것이다. LLM(라지 랭귀지 모델)은 그중 하나로, 큰 언어를 다루는 것이 특징이다.
- [04:09~08:15] CNN·RNN 대 트랜스포머 — CNN은 주변 정보만, RNN은 순서 정보를 중심으로 학습한다. 트랜스포머는 입력된 모든 정보끼리의 관계를 전부 파악해 성능이 높지만, 연산·전력·메모리 소모가 구조적으로 크다.
- [08:17~12:22] JEV는 LLM이 아니다 — JEV는 객관식 분류(1번 85%, 2번 10%, 3번 5%)만 내놓는 모델로, LLM 대비 100배 이상 저렴하고 400배 빠르다고 발표됐다. 출시 직후 인공지능 유료 모델 중 가장 빠른 성장률을 기록해 LLM 만능주의에 균열을 냈다.
- [12:26~16:29] DOTS의 구조 — DOTS는 Astra를 판단 로직으로 탑재한 인공지능 에이전트다. 가상 머신에서 24시간 구동돼 PC가 꺼져도 작업이 이어지며, 개인 컴퓨터 자료에 무방비로 접근하던 기존 로컬 에이전트와 달리 필요한 정보만 허용하는 구조다.
- [16:33~20:39] 모델에서 서비스로 — Astra 이후 AI 발표 흐름이 모델 성능에서 '이런 일을 잘한다'는 방향으로 전환됐다. 에이전트가 예매·결제를 처리하려면 LLM 외에 로그인·결제·취향 인프라가 필요하므로, 이를 갖춘 페이스북(뮤즈)·구글이 OpenAI·Anthropic보다 유리하다고 봤다.
- [22:29~24:44] LLM 아키텍처의 한계 — CNN→RNN→LLM 진화처럼, 딥시크·키미의 MoE 방식 등 연산량을 10분의 1로 줄이는 확인 필요 — 제공 자막에 없음(후반부 생략 구간) 새 방법론이 주류가 되면 트랜스포머 중심의 판도가 바뀔 수 있다. 현재는 모델 경쟁을 넘어 소비자가 지갑을 열 만한 서비스 경쟁 단계에 진입했다는 것이 진행자의 판단이다.
주부형의 입장 — 중립(LLM 만능주의 균열, 서비스 경쟁 시대 진입)
진행자 주부형은 JEV와 DOTS 사례를 통해 LLM이 모든 AI 수요를 충당한다는 인식에 균열이 생겼다고 분석한다. 에이전트 경쟁에서는 LLM 기술력보다 로그인·결제 인프라를 보유한 빅테크가 유리하다고 보며, CNN→RNN→LLM 흐름처럼 트랜스포머를 대체할 새 아키텍처 등장 가능성도 열어 뒀다. 이 표시는 말한 사람의 견해를 옮긴 것이며 서비스의 투자 의견이 아니다.