Jev를 짧게 10번 돌려 본 뒤 가장 궁금했던 것은 하나였습니다. 표본을 200개로 늘려도 속도와 판정 품질이 유지될까?이번에는 고객지원 사례 100개와 Unreal Engine 사례 100개를 만들고, 같은 사례를 Jev와 네 개 비교 모델에 각각 입력했습니다. 즉 200개 사례 × 5개 모델 = 총 1,000회 호출입니다.먼저 결론부터 말하면, 이번 환경에서 Jev의 응답시간 중앙값은 0.518초였습니다. GPT-5.6 계열보다 약 10~15배 빨랐고, 세 가지 판정을 모두 맞힌 비율도 81.5%로 가장 높았습니다. 다만 합성 데이터 실험이므로 이 결과를 모든 업무에 그대로 일반화해서는 안 됩니다.Jev는 평문 대신 구조화된 판단을 반환한다일반 LLM은 사람이 읽는 텍스트 생성이 중심입니다. 반면 ..
이전 글에서는 Jev가 기존 LLM과 무엇이 다른지 개념 중심으로 살펴봤습니다. 이번에는 실제 접근 권한을 받은 뒤, API를 직접 호출해 봤습니다.결론부터 말하면 Jev는 “짧은 답을 잘 쓰는 LLM”이라기보다 애플리케이션 상태를 읽고, 코드가 바로 사용할 수 있는 판단값과 확률을 돌려주는 모델에 가깝습니다. 문장을 생성하고 다시 JSON으로 파싱하는 흐름이 아니라, 처음부터 질문의 타입과 가능한 답을 정해 두고 판단만 맡깁니다.이 글의 코드와 응답 형식은 2026년 9월 17일 TypeSafe 공식 문서와 실제 API 호출을 기준으로 작성했습니다. 아래 결과는 제 환경에서 수행한 소규모 탐색 측정이며 공식 벤치마크가 아닙니다.Jev의 기본 구조: State → Questions → AnswersJev..
2026년 9월 중순, TypeSafe AI가 Jev를 공개했습니다. “40~200배 빠르다”는 수치는 모든 작업이 아니라 특정 System One형 판단 작업에서 나온 회사 측 측정치입니다. 핵심은 단순한 속도 경쟁이 아닙니다.Jev는 LLM이 하던 일 가운데 ‘판단’만 떼어내, 타입이 정해진 선택·점수·확률로 바로 반환하는 모델에 가깝습니다.LLM은 문장을 만들고, Jev는 결정을 반환합니다.기존 LLM과 무엇이 다른가일반적인 autoregressive LLM은 입력을 받은 뒤 답변을 토큰 단위로 순차 생성합니다.입력↓생각 / 추론↓“이 요청은 코드 수정 작업으로 판단됩니다…”↓토큰을 하나씩 생성Jev는 설명 문장을 만들지 않습니다. 자연어·코드·로그 같은 상태를 넣으면, 미리 정의한 타입에 맞춰 판..
2026년 1월부터 Unreal Engine 개발 업무에 Hermes Agent를 사용하면서 확인한 장점과 운영 노하우를 정리했습니다.Skill, Memory, MCP, Profile, Gateway, Cron을 실제 개발 흐름에 연결한 경험과 C++을 넘어 Blueprint와 UMG까지 작업 범위를 확장한 과정을 다룹니다.작성일: 2026-09-11작성 환경: Windows 11 / Hermes Agent / Unreal Engine 5.6저는 2026년 1월부터 Hermes Agent를 실제 개발 업무에 사용하고 있습니다.처음에는 여러 AI Agent 중 하나로 테스트하기 시작했지만, 현재는 Unreal Engine C++ 개발, 코드 분석, 디버깅, UMG와 Blueprint 작업, MCP 연동, ..
이 글의 핵심 3줄 요약MetaHuman Crowd는 가까운 캐릭터는 고품질 Actor로, 먼 캐릭터는 Instanced Skinned Mesh와 GPU 애니메이션으로 전환해 군중 규모를 확장Mass, Mass StateTree, Mass Navigation으로 행동과 이동을 처리하고, MetaHuman Collection과 Instance로 머리, 몸, 헤어, 의상을 조합발표 데모 기준 PC는 1,000명 규모, 모바일은 500명 기준 30fps, 9세대 콘솔은 200명 기준 60fps를 목표로 플랫폼별 예산을 제시언리얼 페스트 서울 2026 Day 1 게임 아트 트랙 세 번째 세션은 Epic Games의 Zhi Kang Shao 님이 발표한 언리얼 엔진에서 대규모 메타휴먼 군중 구현하기였습니다.이번 ..
이 글의 핵심 3줄 요약PCG는 나무를 뿌리는 기능을 넘어 도로, 건물, 인테리어, 바이옴, 게임플레이 데이터까지 규칙으로 만드는 프레임워크대규모 월드는 파티셔닝과 계층적 생성을 조합하고, Shape Grammar와 Biome Core로 "무엇을 어디에 어떻게 만들지"를 데이터와 규칙으로 정의PCG는 Niagara Data Channel과 MCP에도 연결됩니다. 여러 이펙트를 하나의 시스템으로 합치고, PCG 그래프를 LLM이 조작하는 워크플로까지 확장언리얼 페스트 서울 2026 Day 1 게임 아트 트랙 두 번째 세션은 Epic Games의 시니어 테크니컬 아티스트 Chris Murphy 님의 PCG: 고급 개념과 검증된 워크플로였습니다.이번 세션은 PCG를 처음 소개하는 시간이 아니었습니다. 단순한 ..
