Jev의 저비용·저지연 판단 기능으로 검색·분류 앱을 구축하는 방법을 제시한다.

01핵심 개요

• Jev는 Astra보다 400배 저렴하고 다른 어떤 모델보다도 빠르다고 소개되며, 기존에 비경제적이던 작업의 상업성을 높인다고 설명한다.
• Base44에서 이모지 검색기와 Netflix Finder를 만들고, 자연어 질의에 따라 항목을 선택·표시하는 흐름을 시연한다.
• 광고 크리에이티브 수백 개를 맞춤 루브릭으로 분류하고, 400개 처리 비용이 Frontier Model의 30달러 이상 대비 센트 단위라고 제시한다.
• 이미지를 볼 수 없는 Jev의 한계를 Dr. Gemini로 이미지 설명을 텍스트화하는 전처리로 보완하는 구조를 소개한다.
• 21st.dev 같은 컴포넌트 라이브러리에서 키워드 대신 요구사항·기능·시각적 적합도로 UI를 순위화하는 사례를 다룬다.

02핵심 주장 / 논점 구조

• 영상은 Jev의 낮은 비용과 짧은 지연 시간이 이전에는 느리거나 비쌌던 앱 기능을 가능하게 한다는 논점으로 시작한다.
• Jev는 입력된 영어를 바탕으로 선택, 점수, 또는 null을 반환할 수 있는 모델로 설명된다.
• 세 가지 사례는 자연어 기반 항목 선택, 광고 크리에이티브 분류, UI 컴포넌트 순위화로 구성된다.
• Jev는 현재 이미지 자체를 볼 수 없고 텍스트로 작동하므로, 이미지 작업에는 별도 전처리 모델을 결합해야 한다고 강조한다.

03Base44로 만든 이모지·Netflix 검색 앱

• Base44에서 Fable 5.1과 자동 모드를 선택해 이모지 피커와 Netflix Finder를 포함한 앱을 생성하는 과정을 보인다.
• 이모지 피커는 diet, deserted island 같은 자연어 질의를 입력하면 이모지 설명을 읽고 관련 항목을 결정한다.
• Netflix Finder는 mind-bending sci-fi, horror, AI movies, Mars 등의 질의에 맞춰 영화 목록을 표시하는 예시로 제시된다.
• Base44에서는 AI 키와 integration credits를 이용할 수 있으며, OpenRouter API 키를 연결해 Jev를 지정할 수도 있다고 설명한다.
• 완성한 앱은 Base44에서 보안 스캔을 실행한 뒤 publish를 눌러 공개할 수 있고, 결제 통합도 구축할 수 있다고 말한다.

04RAG 데이터베이스 없이 수행하는 즉시 판단

• 영상은 Netflix Finder의 동작을 RAG와 구분하며, Pinecone·벡터·유사도 검색용 별도 데이터베이스가 없다고 설명한다.
• 검색 질의마다 Jev가 전체 정보를 처리해 결과를 찾는 방식으로 소개되며, 이를 자동적이고 즉시적인 처리라고 표현한다.
• Jev는 output tokens 비용이 0달러라고 언급되며, 검색과 판단을 반복하는 앱의 비용 구조와 연결된다.
• 발표자는 Jev가 정보를 별도로 인덱싱하지 않아도 즉시 인덱싱 가능한 것처럼 활용된다고 여러 사례에서 설명한다.

05Gemini 전처리 기반 광고 크리에이티브 분석

• 광고 분석 앱은 트윗 등에서 가져온 광고를 대상으로 카테고리와 경쟁자를 설정하고 Jev에 질의할 수 있도록 설계된다.
• Jev는 이미지를 볼 수 없으므로 Dr. Gemini가 광고 이미지를 설명문으로 바꿔 Jev가 읽을 수 있게 전처리한다.
• 광고 수백 개를 hook, type, angle, clarity, landing page match 등의 맞춤 루브릭으로 분류하고 점수화한다.
• 영상은 400개 광고 분류가 센트 단위 비용이며 Frontier Model로는 30달러 이상 든다고 비교한다.
• 광고당 분류가 1초 미만이어서 전략가가 그리드가 채워지는 모습을 보며 새 루브릭으로 즉시 재실행할 수 있다고 말한다.

06광고 라이브러리 질의와 증거 확인

• Alex Hormozi와 School 등을 포함한 수백 개 광고 라이브러리에서 UGC 스타일 크리에이티브를 찾는 질의를 시연한다.
• 할인으로 시작하는 광고를 묻자 offer-led, free trial, free trial period 같은 분류 정보와 함께 결과를 확인한다.
• 랜딩 페이지가 맞지 않는 광고처럼 조건형 질문도 할 수 있으며, 결과에는 태그와 근거가 표시된다고 설명한다.
• Apify 같은 스크래핑 도구를 Base44에 추가하면 경쟁사 광고 라이브러리를 최신 상태로 유지하며 검색할 수 있다고 제안한다.

0721st.dev UI 컴포넌트 순위화

• 세 번째 사례는 21st.dev의 대규모 UI 컴포넌트 라이브러리에서 자연어 설명으로 적합한 컴포넌트를 찾는 방식이다.
• Jev는 키워드 검색이 아니라 각 후보를 개별 평가해 요구사항, 기능, 시각적 적합성의 세 질문으로 점수화한다고 설명된다.
• 컴포넌트당 세 질문을 수행해 검색당 약 750회의 모델 호출이 발생하지만 1~2초 내 반환된다고 제시한다.
• monthly annual toggle이 있는 pricing table처럼, 단어 자체보다 토글 요구사항을 충족하는지를 판단하는 예시를 든다.
• login 또는 animated light beam login 같은 상세 설명을 입력하면 결과를 순위로 보여 주고, 앱 안에서 생성 명령도 줄 수 있다고 시연한다.

08용어 사전