2026년 11월 3일 Unreal Fest Tokyo에서는 UE6 전환 방침과 함께 UE5.9 소식도 나왔습니다. 기존 UE5 프로젝트를 개발하는 입장에서는 다음 버전이 무엇을 지원하는지 살펴볼 만합니다.현재는 프리뷰 공개 예고 단계이므로 발표된 범위와 실제 지원 사양을 나누어 정리했습니다.다음 주 공개 예정인 것은 프리뷰입니다기조연설에 이어 Epic Games Japan의 카와사키 타카유키 대표가 등단했습니다. UE5.9 프리뷰를 발표 다음 주에 공개할 예정이라고 밝혔습니다.11월 3일 발표를 기준으로 읽어야 하는 일정이며 정식 버전 출시일을 발표한 것은 아닙니다. Game Makers 기조연설 현장 취재예고된 변화는 네 가지입니다분야현재 확인한 발표 범위AIAI를 활용하는 개발 작업 흐름 개선웹웹 ..
언리얼 엔진을 쓰는 개발자라면 그냥 넘기기 어려운 발표가 나왔습니다.2026년 11월 3일 Unreal Fest Tokyo에서 팀 스위니가 UE6의 게임플레이 개발을 Verse와 Scene Graph 중심으로 바꾸는 계획을 설명했습니다. 현장 취재에 따르면 기존 Actor·Blueprint·C++ Gameplay Framework는 단계적 비권장을 넘어, UE6 얼리 액세스부터 제거하는 방향입니다. Game Makers 현장 취재다만 “언리얼에서 C++ 언어가 완전히 없어진다”는 뜻은 아닙니다. 게임플레이 프레임워크의 전환과 엔진 기반 구현의 C++는 구분해서 봐야 합니다.이 글은 2026년 11월 4일 기준 발표 내용과 공식 문서를 대조한 정리이며 아직 출시되지 않은 UE6의 최종 사양이나 마이그레이션..
Google이 2026년 9월 30일 Gemini 4 Argon을 발표했습니다. Google이 강조하는 용도는 소프트웨어 개발, 기업 지식 업무, 사이버 보안 방어입니다. 여러 단계를 거치는 복잡한 작업을 오래 수행하는 능력에 초점을 맞췄습니다. Google 공식 발표이번 글은 공식 발표와 평가 문서를 바탕으로 정리한 내용입니다. 직접 사용한 성능 리뷰는 아닙니다.가장 눈에 띄는 변화: 출력 한도 100만 토큰공식 발표에 따르면 출력 토큰 한도가 기존 64K에서 1M으로 확대됩니다. 여기서 중요한 단어는 ‘출력’입니다. 긴 자료를 입력받는 컨텍스트 길이와 구분해서 읽어야 합니다. 공식 발표의 출력 한도 설명개발자 입장에서 제 관심은 이 여유가 실제 작업에 어떻게 쓰이느냐입니다. 복잡한 버그를 조사하고, ..
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..