Show GN: sysone_trans - 선택형 AI가 문자·자모를 골라 만드는 번역 실험

TypeSafe의 Jev나 OpenAI Decisions처럼 정해진 선택지 중 하나를 고르는 모델로도 번역문을 만들 수 있을까 궁금해서 직접 만든 CLI입니다. 한 번에 문장 전체를 생성하는 대신, 다음 문자나 한글 자모를 하나씩 선택하고 이어 붙입니다. 어떻게 동작하나요? 매 결정마다 원문 전체와 지금까지 만든 번역문을 보내고, 다음 출력 단위 하나를 고르게 합니다. 이미 만든 부분은 수정하지 않으며, EOS를 선택하면 끝납니다. 영어: 알파벳·숫자·문장부호 중 다음 문자 선택 일본어: 히라가나·가타카나로 출력하며 한자는 제외 한국어: 초성 19개 → 중성 21개 → 종성 28개(받침 없음 포함)를 순서대로 선택하고 유니코드 규칙으로 합성 한글 완성형 11,172개를 선택지로 모두 넣지 않고 자모로 나눴습니다. 별도 한글 라이브러리 없이 구현했습니다. 실험하고 비교할 수 있는 것 TypeScript와 Vercel AI SDK를 사용합니다. Jev와 OpenAI Decisions를 같은 인터페이스로 호출하고, API 키는 사용자가 직접 넣는 BYOK 방식입니다. 모델·출력 언어·반복 횟수를 지정해 순차 실행할 수 있고, 번역 전체와 각 결정의 소요 시간, 선택 확률, 제공되는 신뢰도, 토큰 사용량을 JSON으로 남깁니다. MIT 라이선스로 공개했습니다. 현재 결과는 실패에 가깝습니다 OpenAI gpt-6-luna(정확히는 luna 기반인 decision api)로 짧은 입력 9회, 한국어→영어 문장 4회, 추가 오류 진단 1회를 실행했습니다. 수동으로 확인했을 때 제대로 된 번역은 없었습니다. 예를 들면: “나는 사과를 좋아한다.” → Attttsstttetteeee (4.33초, 18회 결정) “오늘 날씨가 좋다.” → Attttttttt (2.72초, 11회 결정) “내일 오후 세 시에 역 앞에서 만나자.” → 첫 결정부터 EOS 한두 글자 뒤 조기 종료하는 경우뿐 아니라, 잘못된 글자를 반복한 뒤 종료하는 경우도 있었습니다. 영어→한국어 오류를 재현한 별도 진단에서는 다섯 번째 결정이 refusal이었습니다. 여기서 completed는 EOS로 끝났다는 뜻이지 번역이 정확하다는 뜻은 아닙니다. 위 시간도 정상 번역 속도로 해석하기 어렵습니다. 현재 프롬프트와 문자 단위 선택 방식의 결과이며, 모델의 일반적인 번역 능력까지 판단한 것은 아닙니다. Jev와의 실제 성능 비교는 아직 하지 않았습니다. 실행해 ...