Diogo Almeida迭戈·阿爾梅達(dá)這周過得并不輕松。作為TypeSafe的聯(lián)合創(chuàng)始人兼CEO他剛剛發(fā)布了Jev——一個在整條時間線上刷屏的產(chǎn)品而他自己形容當(dāng)下的狀態(tài)是情緒上從未這么糟過像一具被各種突發(fā)狀況拖垮的技術(shù)型CEO的殘軀。但與情緒狀態(tài)相反的是他罕見地感到自己與現(xiàn)實(shí)同步了整個AI領(lǐng)域長期像一座游樂場里的鏡子屋人人都在說些不著調(diào)的話而這一周開發(fā)者社區(qū)終于開始理解他一直想表達(dá)的東西。這場對話發(fā)生在Latent Space播客就在Jev發(fā)布數(shù)天之后。Diogo Almeida此前在OpenAI參與過指令遵循模型instruction-following models的構(gòu)建后來創(chuàng)辦TypeSafe用了幾年時間去回答一個看似矛盾的問題AI已經(jīng)能解決千禧年數(shù)學(xué)難題級別的極難問題為什么卻連最基礎(chǔ)、最瑣碎的工作都自動化不了他的答案不是再等一代模型而是一個更根本的判斷——聊天式的AI從底層設(shè)計上就不是為這類工作準(zhǔn)備的。Jev是這個判斷的產(chǎn)物。它不是又一個聊天機(jī)器人也不是又一次的模型能力競賽而是Diogo Almeida所說的System One模型——一類從內(nèi)部設(shè)計上就把代碼當(dāng)作消費(fèi)者的模型。理解這一點(diǎn)也就理解了他為什么說自己沒能在OpenAI把Jev做出來不是能力不夠而是方向本身就不在原有的賽道上。1. 把開發(fā)者放在VIP投資人前面發(fā)布周最忙的時候Diogo Almeida做了一個在他自己看來有點(diǎn)臟的決定把社區(qū)的Town Hall放在了一堆重要投資人前面。他形容自己面對滿檔的重要會議邀約時反而覺得不安——真正想優(yōu)先照顧的是開發(fā)者和社區(qū)而不是那些聽起來更重要的日程。TypeSafe的Discord已經(jīng)涌入十萬人他的Twitter賬號也從幾乎無人問津變成三個話題同時上榜以至于有人特意提醒他那是你自己的個性化推薦。這不是一段無關(guān)的花邊。它解釋了Diogo Almeida判斷產(chǎn)品價值的方式不是資本市場的認(rèn)可,而是開發(fā)者懂了這件事本身。他反復(fù)用jazzed興奮、來勁這個詞描述自己的狀態(tài)理由不是估值或融資而是AI可以遠(yuǎn)比人們此前設(shè)想的更強(qiáng)大這件事第一次被寫代碼的人真切感受到了。2. 代碼是消費(fèi)者而不是人類的眼睛Jev要解決的問題用Diogo Almeida的話概括就是一句現(xiàn)有的AI是一臺超強(qiáng)的自動化引擎,卻沒有合適的插頭去接入真正有經(jīng)濟(jì)價值的工作。他把現(xiàn)存的模型體系拆成三類——預(yù)訓(xùn)練大語言模型本質(zhì)是互聯(lián)網(wǎng)文本的自動補(bǔ)全RLHF模型也就是聊天機(jī)器人和指令遵循模型是用來回復(fù)文本的RLVR模型則處在一個尷尬的灰色地帶某種程度上仍然繼承了RLHF的問題。這三類模型的共同特征是它們的輸出終點(diǎn)是人類的眼睛和判斷而不是軟件本身。Jev所代表的System One模型試圖顛覆這一點(diǎn)——讓代碼而不是人來消費(fèi)模型的輸出讓AI深度嵌入到軟件的內(nèi)部邏輯里而不是停留在對話框里。為此TypeSafe從模型的最深層內(nèi)部結(jié)構(gòu)開始就按照被軟件調(diào)用這一目標(biāo)去優(yōu)化而不是先訓(xùn)練一個通用聊天模型再往外包一層API。Jev這個名字本身也帶著態(tài)度取自Jevons悖論Jevons paradox意味著這類模型追求的核心指標(biāo)不是跑分意義上的智能而是每一美元能換來多少可用的智能——在可靠性、成本、校準(zhǔn)calibration和速度之間做取舍而不是盲目追求單一維度的領(lǐng)先。3. RLHF的隱藏代價模式丟棄如何偷走校準(zhǔn)一個幾乎沒人認(rèn)真討論過的問題被Diogo Almeida擺上了臺面RLHF訓(xùn)練出來的模型付出的代價遠(yuǎn)不止有點(diǎn)討好用戶這么簡單它的真正毒藥是模式丟棄mode dropping也叫mode collapse對校準(zhǔn)的破壞。他解釋,一個覆蓋了完整分布、校準(zhǔn)良好的模型會誠實(shí)地承認(rèn)自己有一定比例的輸出會落在分布之外——這正是GAN出現(xiàn)之前那些圖像生成模型會產(chǎn)出模糊圖片的原因它們沒有作弊只是老實(shí)地覆蓋了整個分布的不確定性。而GAN和后來的RLHF模型走的是相反的路丟掉那些少數(shù)、不常見的模式,只保留最主流、最安全的那部分輸出。代價是,要生成長字符串而不出錯,模型必須變得極度保守——因為明顯的錯誤很容易被人類發(fā)現(xiàn),但看起來正確卻實(shí)際存在偏差的微妙錯誤卻很難被察覺。這種被校準(zhǔn)掉的誠實(shí),恰恰是字符串輸出模型不適合用來做決策的根本原因。4. 楊立昆的判斷是對的,但他給出的解釋是錯的Diogo Almeida對Yann LeCun楊立昆的評價出乎意料地正面在他看來,楊立昆的很多論斷反而是這個領(lǐng)域里最接近事實(shí)的一批。但他隨即把話鋒轉(zhuǎn)向了那張流傳甚廣、也被戲稱為臭名昭著的幻燈片——楊立昆用一張餅圖說明,隨著輸出序列長度增加,語言模型出錯的概率會不斷累積、趨近于必然出錯。Diogo Almeida對這張圖的評價很直接這個結(jié)論在數(shù)學(xué)上看似成立,但在經(jīng)驗上明明是錯的,而理解這個錯在哪,恰恰是他最喜歡教給別人的東西。問題的根源正是第3節(jié)提到的模式丟棄。如果模型是一個覆蓋了完整分布、誠實(shí)校準(zhǔn)的系統(tǒng),那么楊立昆的直覺推理確實(shí)成立——誤差會隨長度累積。但現(xiàn)實(shí)中的RLHF模型走的是另一條路它們通過極度保守的策略主動規(guī)避容易被察覺的錯誤,代價是犧牲對分布尾部的誠實(shí)覆蓋。這解釋了為什么長序列生成的實(shí)際表現(xiàn),和誤差會隨長度指數(shù)累積的樸素數(shù)學(xué)直覺之間存在明顯的斷層——不是數(shù)學(xué)錯了,是對模型行為機(jī)制的假設(shè)錯了。5. JEPA很酷,但還沒到能用的階段面對楊立昆給出的解藥——用聯(lián)合嵌入預(yù)測JEPAjoint embedding predictive architecture之類的世界模型來替代對token輸出的自回歸推理——Diogo Almeida的態(tài)度謹(jǐn)慎而克制。他坦言自己不太想深入討論模型內(nèi)部的具體技術(shù)路線,但給出了一個明確的立場他的品牌除了不加掩飾之外,還有務(wù)實(shí)。對scaling law規(guī)模法則他的態(tài)度是看情況規(guī)模法則告訴你的,往往是用指數(shù)級增長的資源,換來次線性的收益,這在大多數(shù)情況下是一筆糟糕的投資,除非那部分線性增長真的極其珍貴。對JEPA本身,他的判斷是——這是很酷的早期研究,他真心喜歡這類扎實(shí)的研究工作,但它是否已經(jīng)足夠?qū)嵱?目前還不好說。這句話背后,是TypeSafe一貫的行事邏輯不為了追逐前沿敘事去下注,而是問一個更樸素的問題——用手頭已有的東西,能做出的最大差異化價值是什么。Diogo Almeida離開OpenAI去做TypeSafe,本質(zhì)上是在賭一件事AI下一波真正的價值爆發(fā),不會長得像聊天而會隱入代碼和軟件的內(nèi)部邏輯里。System One模型是否會成為這場變革的答案,還需要時間驗證但他至少已經(jīng)證明了一件事——當(dāng)開發(fā)者社區(qū)比投資人更先看懂一個產(chǎn)品,這個產(chǎn)品可能真的抓住了什么此前被所有人忽略的東西。