Jev：面向生产环境的系统一模型，而非上帝——专访TypeSafe AI CEO Diogo Almeida

TypeSafe AI 的 CEO Diogo Almeida 发布了名为 Jev 的 AI 模型系统。据该文陈述，发布视频播放量约 4000 万次，作为对比，该文给出的数字是 GPT4o 2200 万次、Fable 5 1500 万次、Navier Stokes 7400 万次、6 Astra 1.37 亿次。这些播放量数字均来自该文作者陈述，无第一方数据佐证，应视为来源主张而非确认事实。

Jev 被定位为面向软件而非聊天场景的 System One 模型。其一个核心目标是“消失在背景中”，即像正则表达式一样不起眼。这一定位与当前主流大模型追求通用聊天与推理能力的路径形成鲜明对比。

Jev 的核心创新是“校准决策强化学习”（RLCD），一种尚未公开发表的技术，优化目标是让 System One 任务给出“认知上诚实的概率答案”。该文称，RLCD 不同于基于人类评分反馈的 RLHF——后者会导致幻觉、谄媚和永久依赖人类；也不同于用可程序化验证输出与评分标准的 RLVR——后者能解 Navier Stokes 但加剧“锯齿状智能”且难以与其他软件集成。

RLCD 被描述为“尚未公开发表的技术”，其具体方法与效果无法从来源核实。这意味着，尽管该文将其呈现为 Jev 的核心创新，但读者目前只能将其视为来源主张，而非经过独立验证的技术突破。

TypeSafe 拒绝公开基准测试，转而优化“每美元智能”（intelligence per dollar）。该文提到，Diogo Almeida 公开拒绝了做通用 JevBench 基准测试的想法。这一立场在当前的 AI 竞争环境中颇为罕见，因为公开基准测试通常是模型能力的主要证明方式。

该文还提到，TypeSafe 将自己视为数据实验室而非模型实验室。这一自我定位与拒绝公开基准测试的立场相互呼应：如果核心优势在于数据与任务选择，而非模型规模或通用能力，那么传统的基准测试可能确实不是最合适的衡量标准。

Diogo Almeida 在《最苦的教训》一文中主张“你得到的是你所优化的东西，而 ML 中最苦的教训是其中最重要的部分根本不是 ML”，即选对北极星指标比算力更关键。该文进一步解释，他的观点是：选择正确的北极星指标——例如，是优化用户偏好投票，还是优化被集成到工具调用中——会让其他一切顺理成章。

这一主张与 Diogo Almeida 表示不会用 10 亿美元去做预训练形成逻辑一致：如果最重要的部分不是 ML，那么将巨额资金投入预训练算力可能并非最优路径。该文提到，他还暗示了自己对缩放定律的反主流观点，并以此引出如何在没有大实验室数十亿美元资金的情况下建立现代新实验室。

Diogo Almeida 曾是 OpenAI 后训练团队的成员，并参与合著了 InstructGPT 论文（Ouyang et al 2022）。该文称，他多年来一直认为 API 可用的前沿模型走错了路，从对齐到拒绝到可靠性视角都是如此，而 ChatGPT 的巨大成功导致业界放弃了自回归聊天微调 LLM 之外的所有模式。

Diogo Almeida 称自己在 2023 至 2024 年间因个人与组织层面的低估，未能成功训练出能解决他所认为的 LLM 作为软件核心的根本问题——可靠性——的模型。这一叙述为个人自述，无第三方佐证，应视为来源主张。

该文列出的 Jev 用例包括游戏与计算机使用等速度型场景、语音加浏览器控制、Doom 演示、游戏内驾驶、Excalidraw、虚拟试穿、智能 NPC、文本消息引导回复、编码代理、linting、工具调用压缩、分析回放与用户旅程回顾、暗数据、实体解析、自然语言搜索、作为评判者等。

这些用例的实际效果与成熟度在来源中未给出可验证证据。因此，尽管用例列表广泛，读者无法从现有信息判断哪些已经成熟、哪些仍处于演示阶段。

该文提到 TypeSafe 未来模型可能包括 ReasoningJev，但仅以疑问形式出现，未给出具体计划。因此，ReasoningJev 是否真会推出，在来源中仅以疑问形式出现，无明确计划，只能视为推断。

Diogo Almeida 发表了关于“KV 缓存暴政”的笔记，作为 Jev 与编码代理话题的后续阅读材料，因为他相信“缓存决定一切”。这一笔记的存在表明，TypeSafe 对编码代理的思考不仅限于模型本身，还涉及底层基础设施的约束。