https://www.youtube.com/watch?v=cFx9Z3ZXca0
简易版：TypeSafe CEO Diogo Almeida 播客访谈：Jev模型、System‑One架构
通俗大白话解读这场播客：TypeSafe的Jev到底想干啥
简单背景：Diogo是TypeSafe公司CEO，刚发布叫Jev的新AI模型。现在市面上ChatGPT、Claude这类大模型，是给人聊天用的；而Jev是专门给电脑代码调用的AI。
1、为啥要搞Jev？（核心矛盾）
现在AI很离谱：能解超级难的数学难题，但是很多简单重复的干活活儿，AI却没法自动干完。
就好比：AI是一台超级厉害的发动机，但是没有插头，接不到现实工作的机器上。
ChatGPT是把AI输出文字给人看；但真实世界大量工作是程序、软件在后台跑，代码看不懂人类聊天的文字，这就是现在的痛点。
Jev这类模型叫「系统一模型」，目标：输出结果直接给代码读，不是给人看。
它主打指标：花1块钱，最多的智能能力（每美元智能），追求便宜又能干。
对比老模型：
ChatGPT系列：人提问 → AI输出漂亮文字 → 人阅读使用
Jev：程序代码发请求 → AI输出机器能识别的结果 → 软件直接拿去干活
2、吐槽现在聊天AI（RLHF训练出来）的一堆毛病
现在的聊天AI用RLHF训练（人类反馈对齐），为了让人类觉得回答舒服，会出现模式坍缩。
大白话：AI学会专挑人爱听的话说，掩盖自己拿不准的地方，不敢输出不确定的结果。
举例：明明不知道答案，强行编一套看起来很通顺的假话。
这个问题对于聊天还能忍，但是给程序后台用就会灾难，程序分不清AI啥时候在瞎编。
有大佬LeCun提出过一套新理论JEPA，Diogo评价：想法很棒，但是现在还没法落地干活。
3、一个争议观点：底层AI模型，不该做“拒绝回答”
现在ChatGPT遇到敏感问题会说“我不能回答这个问题”。
Diogo说：聊天软件这么做没问题，但是当做底层API工具绝对不行！
举个生活例子：
你写了个软件，Jev藏在后台默默干活。万一随机触发拒绝，软件莫名其妙就崩了。你作为开发者完全预料不到什么时候会罢工。
👉 分清两件事：
- 能力对齐：AI老老实实完成程序员交代的任务，越稳定越好（这个要做）
- 安全对齐（拒绝过滤）：强制AI遵守第三方的道德规矩（底层模型不要干这个）
类比：数据库。数据库不会管你拿它存好人数据还是坏人数据。作恶是使用者的问题，不该数据库本身去拦截。
不是说支持拿AI干坏事，Diogo的想法：过滤限制放到上层业务代码去实现，不要把约束焊死在AI内核里，焊死会破坏AI本身的智商。
4、不相信AI排行榜（公开基准测试）
网上各种AI跑分榜单，他觉得水分很大。各家公司会专门做数据刷分数，跑分高≠真实干活好用。
不要看排行榜，正确做法：拿你的真实业务去实测这个AI好不好用。
同时他提出：做AI，数据比算力、显卡重要得多。堆再多显卡，数据不行模型照样拉胯。
他们甚至坚决不用用户的真实数据来训练模型。用户的数据会带大量现实偏见，模型学多了就只会适配现在，没法应对未来新奇的软件场景。
5、Jev的特殊接口，和普通AI不一样
普通大模型输入输出全是字符串文字。
Jev提供3种专门给代码用的返回结果：
- Choice（选择）：类似多选一，适合程序的分支判断（比如：A/B/C三个方案选哪个）
- Score（分数）：返回一个置信分数，用来排序、判断阈值
- Bernoulli（伯努利，布尔概率）：不是简单true/false，返回概率，适合if判断
💡给开发者忠告：
不要把一大堆要求全部塞到一段提示词里！把大任务拆成很多个小问题！
坏做法：写一大段提示词，让AI一次性干完所有事
好做法：拆成几十次小查询，每一步结果都能校验。出错了就新增一条判断，稳定可控。
6、关于大家关心的几个现实问题
能不能固定输出结果？（同样输入每次返回一模一样）
可以做到，但会牺牲性能成本。他们优先追求：输入意思差不多，输出就差不多（鲁棒性），而不是死板的完全一模一样。模型版本更新：上线的模型不会偷偷暗地改效果；但是不会无限永久维护老版本，会不停出新版本。
两大指标怎么选
每美元智能：Jev主攻，适合后台大批量跑任务，不怕慢，要省钱
每秒智能：追求响应飞快，适合面向人的实时产品，Jev不作为主攻方向
微调支持？
现在不开微调。微调容易让模型在小任务变强，但是通用性变笨。优先靠「拆任务+调整置信阈值+调用更强模型」解决。
7、Jev适合干什么活？
- 暗数据分析：企业存了海量历史数据，以前AI处理太贵，现在用Jev大批量解析
- AI写代码助手（编码Agent）：这是最大场景，开源代码工具接入Jev会迎来大变局
- 实时场景：游戏、客服助手
- 校验别的AI输出：拿Jev去检查其他大模型有没有胡说八道
- 电脑自动化操作：控制浏览器、操作系统（现在demo看着很酷，可靠性还不够）
8、创业的底层思考
Diogo以前在OpenAI上班。他反思早期的AI产品，只拿来写文案，没能真正自动化工作。
他逆向思考：如果AI真的掀起经济革命，调用AI的主体一定是代码程序，而不是人类。这就是他创办公司做Jev的源头。
他觉得现在很多新AI实验室只是烧钱玩实验，没有找准要解决的实际任务。
他呼吁研究者：不要跟着主流思路卷聊天AI，去挖掘全新的任务方向。
9、最后总结一句话
ChatGPT这类模型是给人聊天对话的AI；
Jev是埋在软件底层，给程序代码打工的AI。
目标：让软件像调用数据库一样，简单、稳定、便宜地用上AI能力，实现大规模自动化。
详情版：TypeSafe CEO Diogo Almeida 播客访谈：Jev模型、System‑One架构与可编程AI革命
说明：无真实时间轴，按照文档token总长度，通过内容位置估算内容占比百分比。
第（一）部分 访谈开篇：Jev发布后的个人状态与行业现状 （0%‑10%）
1 发布Jev之后的身心状态：Diogo作为技术型CEO，身心极度疲惫，感觉自己像“残破的躯体”，需要处理大量突发问题；但精神层面感到振奋，认为当下自己终于和现实对齐，开发者群体看懂了Jev的价值，基于AI的经济革命重新成为现实可能性，对开发者社区满怀感激。
2 优先面向开发者而非VIP投资人：发布会后优先举办面向普通工程师、开发者的线上大厅会（town hall），拒绝把时间大量分配给投资人等权贵人群；他认为理想状态应该把绝大多数时间留给开发者社区，甚至曾设想一边前往演播室一边开线上大厅会，只是想法太过疯狂作罢。
3 社区数据与自嘲不懂自我营销：Discord社区已达到10万用户，Twitter账号热度暴涨；自嘲自己是社交平台新手，完全不擅长自我推广，还闹出把个人信息流趋势当成全网热搜的乌龙。
4 开篇抛出核心行业矛盾：提出一个长久困惑他的行业悖论——AI已经能够解决千禧数学大奖级别的难题，却连大量基础、机械的经济类工作都无法自动化；强大的自动化引擎缺少对接现实经济工作的接口；即便TypeSafe公司消失，竞争对手也要花费1‑2年才能追赶上来，Jev已经改变技术历史的发展路径。
第（二）部分 Jev是什么：System‑One（系统一）可编程模型定位 （10%‑22%）
1 Jev所属的新模型类别：System‑One模型：团队内部把Jev归为System‑One（系统一）模型，不倾向叫“决策模型”，因为能力范围会超越单纯决策；本次Jev更偏向低调的研究预览，公司内部还有大量储备技术没有放出。
2 和传统大模型本质定位差异：传统预训练大语言模型面向互联网文本自动补全；RLHF聊天模型面向人类文本回复；而System‑One机器原生大可编程模型，消费方是代码，模型输出直接供程序读取，这也是TypeSafe公司名字的由来。
3 Jev核心优化目标：每美元的智能（intelligence per dollar）：名字源自Jevons悖论；团队把资源全部投入该指标的前沿；承认模型需要做权衡，可靠性、成本、校准、速度都是重要维度，但Jev系列的旗帜就是最大化单位成本下的智能水平。
4 校准（calibration）议题引入：聊到RLHF带来的模式坍缩（mode dropping / mode collapse）问题，模型输出会偏向人类最希望听到的答案，而不是模型自身真实置信度，这对程序调用场景非常有害。
第（三）部分 批判RLHF缺陷、对Yann LeCun JEPA的务实评价 （22%‑33%）
1 RLHF的关键弊病：模式坍缩Mode Collapse：Diogo刻意保证Jev发布视频全部内容真实准确，他认为RLHF带来严重模式坍缩；为了长文本生成尽量少出错，RLHF模型会变得极度保守，破坏概率分布、破坏模型校准。
2 反驳Yann LeCun一张著名图表的推论：LeCun图表提出序列越长模型出错概率会持续走高；Diogo认可图表数学逻辑，但现实实证并不完全成立，根源来自模式坍缩；GAN生成图像时会丢弃少数类别只输出高频样本，RLHF语言模型发生同类现象。
3 看待Yann LeCun JEPA（联合嵌入预测）方案：承认JEPA是非常酷的早期研究，但现实实用性存疑；自己是务实主义者，不迷信缩放定律；缩放定律意味着投入指数级资源只换来次线性能力提升，只有收益足够高才值得；大量优质研究成果躺在论文里，缺少面向真实任务打磨。
4 行业前景预判：可编程AI会迎来淘金热：Jev的发布不仅仅利好TypeSafe公司，会催生一整个平行生态，大量团队会探索如何让软件获得更强AI能力，重回早期互联网那种蓬勃创造的时代，打破“只有头部大实验室可以做AI”的垄断叙事。
第（四）部分 安全对齐：反对在技术底层做拒绝（refusal）对齐 （33%‑46%）
1 区分「安全原则」和「安全对齐」两件事：Diogo不反对安全这个原则本身，但认为当前行业流行的安全对齐往往损害用户利益；模型拒绝输出（refusal）对于聊天产品尚可接受，但作为API底层内核属于类型错误（type error）。
2 底层API中拒绝机制的致命问题：当AI作为后台依赖库运行时，如果随机触发拒绝，下游开发者完全无法预知，会造成软件随机、不可控崩溃；这套对齐思路的设计者往往缺少软件开发实践，执着于把AI打造成AI同事，而不是释放AI全部底层能力。
3 区分能力对齐（capability alignment）vs安全对齐（safety alignment）：能力对齐：让模型完成开发者想要做的事，追求可预测、少测试，目标接近数据库一样可靠；安全对齐：强制模型遵从第三方的价值观约束，违背指令跟随；聊天产品做安全对齐合理，但API基础设施层面不可接受。
4 边界：不在技术内核植入价值判断：个人主观不希望产品被用于伤害人类，但拒绝在模型技术层植入过滤；每一次强制价值对齐都会撕裂、损伤模型智能；类比数据库：数据库不应该为使用者拿它做的坏事负责；作为API服务商，不应该窥探下游开发者完整业务逻辑，任务会被拆解成微小单元，这才是给予工程师最大能力的边界；只要Diogo掌权，就会把这类偏见从技术层剥离。
5 战争/恶意使用的讨论：承认业界担忧AI被用于战争杀人，但通用基础技术层不适合做这类拦截；可以在产品层、业务层处理，不能破坏底层模型智能。
第（五）部分 基准评测（Benchmark）立场、数据才是模型能力的核心 （46%‑58%）
1 API条款误解澄清：预览版本曾有限制基准测试的条款，团队后续会移除，不禁止外部基准测试。
2 强烈反对公开基准评测，认可私有代理评测：公开基准极易被刷分、游戏；历史上各大实验室专门采集模仿MMLU的数据刷榜单；公开基准无法衡量难以量化的“智能的独特质感（geniqua）”。
3 正确评估模型的思路：必须放到自己真实业务工作流中做自定义评估，靠实际使用感受建立信任；公司的核心工作就是持续提升模型可靠性的“9个9”级别；Jev其实可以在一年半之前就对外发布，但团队刻意没有那么做。
4 “最痛教训”：任务目标（northstar）、数据远大于算力：引用Sutton观点，算法胜过算力；数据比算力重要得多；LLM发展三次重要转向：RLHF转向指令跟随；RLVR做了小方向调整；TypeSafe的RLCD确立面向程序闭环的新任务。
5 TypeSafe定位是极度重视数据的实验室：模型能力本质来自数据；数据极度复杂，想要提升可靠性指标全靠数据；公司在疯狂招聘数据方向人才；好的数据人员需要具备品味，甄别模型输出问题，以通用方式修复缺陷，而不是只修复个别样本。
6 不训练用户数据：即便条款允许，也坚决不用用户真实业务数据训练；真实世界用户数据服从幂律分布，会造成过拟合，撕裂模型；目标是打造软件底层基础设施，类似TCP协议，要能适配未来科幻级未知业务；真实世界的数据会让模型过拟合当下，无法应对未来场景；数据团队像艺术家，定位、修复模型“锯齿缺陷（jaggedness）”，追求通用维度修复，而不是修补个案。
第（六）部分 RLCD概念辨析，AI自动化现实困境，行业未来畅想 （58%‑70%）
1 RLCD不是凭空造黑话，是一套新任务北极星：RLHF、DPO等后代算法本质都是在完成RLHF的任务目标；RLCD是TypeSafe确立的全新任务目标：面向可编程AI，把人类从循环中剥离，目标是让自动化可以运行；同时保持务实，如果现有技术达不到，不会强行追求不切实际的目标。
2 吐槽行业过度承诺兑现不足问题：RLVR和RLHF都有严重过度宣传问题；回到开篇悖论，AI很强却无法自动化大量基础经济工作，缺少适配经济工作的接口；即便TypeSafe消失，该方向追赶也要耗费1‑2年；这已经改写技术历史，行业会大量探索多种不同类型模型，百花齐放。
3 担忧AI寒冬已经被Jev的出现避免：如果自己没有推动这条路线，一旦出现AI寒冬，Diogo会觉得自己负有个人责任；RLHF放大了过度承诺与现实的鸿沟；Jev上线不到一周，已经被投入真实生产工作，进入狂野的拓荒时代。
4 发布之后业务数据情况：日处理token规模突破重大里程碑，不只是人类试用，大量机器后台持续调用；认为注册签名数量参考价值很低，很多注册者不是开发者，拿它当聊天机器人使用，会产生认知错位；一个重度用户循环脚本产生的价值远高于海量普通人类试用；平台团队实现极高可用性，比肩头部厂商。
5 公司定位：不想做新势力AI实验室（neolab），目标是可靠开发者平台：不在乎成为噱头型新AI实验室，希望成为稳定可靠、开发者信赖的基础设施，点燃开发者创造。
第（七）部分 可靠性、确定性、版本策略、智能/美元 vs 智能/秒指标权衡 （70%‑82%）
1 可靠性的两层内涵：一是输出智能本身的一致性，稳定完成预期任务；二是服务层面的正常运行时间、可扩展性；现在推理大模型聪明，但可靠性还不如实习生；梦想达到写代码心流状态，开发者无需试探就相信模型输出，非平凡分支也能精准执行，但这是漫长工程。
2 确定性（determinism / seed）：相同输入不一定输出相同结果：团队不把“同输入同输出”当作北极星；单元测试需要确定性，但更关键的是鲁棒性robustness：语义相似输入给出相似输出；测试方法：prompt中插入无意义唯一ID，语义不变但文本变，模型输出应当接近；确定性可以做，但会牺牲单位成本智能；如果社区给出足够强业务理由，未来可以提供。
3 模型版本、LTS长期支持策略：部署上线后的模型不会偷偷悄悄更新改动；会快速迭代发布新版模型，但不承诺对旧版本无限长期支持；大量LTS版本会分裂集群，损害整体体验；不排除对Jev现有版本做临时LTS支持，团队在研究一套对开发者友好的LTS方案。
4 两大指标权衡：intelligence‑per‑dollar（Jev主线）和intelligence‑per‑second：Jev系列优先每美元智能；每秒钟智能对实时业务价值巨大，但不作为Jev的主战场；实时业务、后台批量业务二者对延迟的需求完全不同；承认行业现状很多模型更快但是更贵，Jev处在“更快同时更便宜还维持智能”这个稀缺象限。
5 评测：反对游戏评测指标，但坚持内部评测：强烈反对外部公开基准被刷分，但TypeSafe拥有严格内部评测；最重要原则是不能游戏内部评测，坚持求真，不能自欺欺人。
第（八）部分 Jev API三大原语：Choice、Score、Bernoulli（nule）以及开发最佳实践 （82%‑92%）
1 三种全新API原语，不属于传统编程语言类型：
- Choice：近似枚举、switch‑case语句，可映射为函数调用；
- Score：类似LLM打分评判，用于排序、阈值判断，不是简单整数浮点数；
- Bernoulli（简写nule）：源自伯努利概率，类似布尔但连续概率输出，对应if条件判断； 团队内部还曾想命名为pool等玩梗名字。 2 API设计理念：面向计算机消费，拒绝字符串模板思维：输入的状态、指令、判断条件全部支持结构化JSON对象；不要把一切塞进system message（类比全局脏变量），不要全部拼接成字符串模板；字符串模板是面向人类交互的旧范式；AI函数应当传入程序状态变量。 3 给开发者实战建议：问题分解到最小语义单元：把复杂问题拆解为大量微小独立查询；哪怕模型当下能力有限也要坚持该范式；拆解之后每一步都可评估、可测试；不要靠一个巨大system prompt完成全部任务。 4 举例：拒绝逻辑该如何写：不要直接问“我是否应该拒绝”，而是拆成多个独立问题，分别评估不同风险维度；遇到错误可以新增问题、设置阈值、增加测试用例，永久修复，不受上下文丢失影响，相当于“不用训练机器学习就完成ML工作流”。 5 关于校准偏差、微调（fine‑tuning）的态度：承认模型会出现校准错误；目前没有开放微调；对微调持开放态度但有顾虑：微调过拟合窄任务，损失通用能力，损害边缘案例表现；备选方案：阈值调参、问题拆解、多模型级联（置信度低就调用更强模型）；未来会考虑不同尺寸模型，动态调度模型能力。 6 长期愿景：希望成为类似Visa一样不起眼的公共基础设施；本次发布只是低调研究预览，还有大量技术储备；未来还会出现更多机器原生模型类型，不完全局限于决策模型。
第（九）部分 发布前后验证、主要应用场景、编码Agent生态变局 （92%‑97%）
1 发布前内部验证情况：发布前一半以上接触原型的非技术人员无法理解产品；技术圈信徒高度看好；产品更像维生素而非止疼药；目标受众是开发者；社区菜谱（cookbooks）文档投入巨大心血，并非AI生成，来自真实业务问题沉淀，原本担心教育用户会成为巨大瓶颈。
2 四大主要应用场景：
- 暗数据Dark Data：大企业囤积大量数据，过去LLM处理成本太高，Jev可以做大规模分析，数据科学家重点场景；
- 编码Agent：体量最大场景之一；
- 实时交互场景：电商、AI助手、游戏；
- 可验证观测场景：对其他LLM输出做校验； 另外还有计算机操作（computer use），属于实时方向，社区demo效果惊艳，但可靠性还有很大提升空间。 3 编码Agent生态的变化：现有商业编码Agent构建于单一模型范式；开源编码Agent接入Jev之后会迎来新机会；一旦有人找到只能在Jev上实现的杀手功能，会迅速扩散；TypeSafe正在撰写面向编码Agent的设计模式文档，计划对外放出。
第（十）部分 安全节奏讨论、个人创业心路、给研究者的建议、未来值得探索的方向、访谈收尾 （97%‑100%）
1 对“前沿AI应当降速”观点的批判：该观点建立在“所有人都必须做更多RLVR”的前提之上；而Type‑Safe路线最优选择就是零RLVR；行业太少人去探索全新任务北极星；大众不了解技术的选项空间，被少数实验室叙事引导。
2 从OpenAI离职创业心路：早在ChatGPT发布之前就思考该问题；反思Instruction‑GPT最终只用在文案生成，没有释放经济价值；逆向推导AI驱动经济革命发生时，调用AI的主体是代码而不是人类；最初以为该方向一两周就能搞定，实际耗费数年；融资、组建TypeSafe；自认为0企业家特质，从来不想当CEO。
3 给前沿实验室受挫研究者的建议：警惕“新AI实验室”热潮，很多缺少清晰任务北极星，只是花钱做实验；最重要的是确立真正解决现实问题的任务目标；如果你找到了全新任务方向，勇敢跳出固有范式。
4 留给外界的研究课题（自己团队暂时不会主攻）：① 智能驱动游戏开发，NPC、故事世界；② 摆脱KV缓存桎梏的编码Agent体系，重新思考状态管理、子任务、记忆、多Agent锁与协同，上下文管理本质是内存管理问题。
5 公司招聘方向：大量招聘数据/模型能力人才、平台基建人才；希望在全球部署服务（目前缺少欧洲服务器）；目标不止Jev单一模型，希望打造AI领域的AWS，System‑One只是TCP一样的底层，上层还有很多层等待探索。
6 访谈收尾：Diogo评价公司文化，不崇拜CEO权威，鼓励互相吐槽；对未来迭代充满期待，结束访谈。
Top comments (0)