개요

개발자 Akhila가 개인 프로젝트로 Jev-Omni를 공개했다. Gemma 4 12B를 바탕으로, 텍스트뿐 아니라 이미지·음성·영상을 보고 선택지별 확률을 판단하는 jev 계열 결정 모델이다. @choi.openai와 @gaekyul이 같은 날 Threads에 소개했다.

사양

항목내용
기반 모델Gemma 4 12B
입력텍스트, 이미지, 음성, 영상
지연(H200)텍스트 약 83ms, 이미지 26ms, 13초 음성 31ms
라이선스Apache 2.0
성능개발자 스스로 Jev보다 낮다고 밝힘

생성형 멀티모달 모델과의 차이

@gaekyul의 설명이 요점을 짚는다. GPT-4o나 Gemma 같은 멀티모달 모델은 토큰을 하나씩 생성하며 문장으로 설명하지만, Jev-Omni는 주어진 선택지 안에서 분류만 한다. 프로젝트 소개 문구도 “질문과 선택지를 주면 설명 대신 선택지마다 확률을 돌려준다”이다.

  • 선택지를 주지 않으면 확률을 계산할 대상이 없어 엉뚱한 결과가 나온다.
  • 서술형 답변은 만들 수 없다.

의미

에이전트가 빠르게 내리는 판단(라우팅, 게이트, 화면 상태 확인)이 텍스트를 넘어 영상·음성으로 넓어지고 있다. 예를 들어 스크린숏을 보고 “로그인 화면인가?”를 수십 ms 안에 판정하는 식으로 쓸 수 있다.

메모

  • 두 글 모두 2개짜리 스레드의 첫 글만 수집됐다. 저장소·모델 카드 링크와 벤치마크 수치는 확인하지 못했다.

관련 위키