最近，一个名为 Jev 的 AI 模型在开发者圈中突然引发轰动。更令人震惊的是，据最新消息，Jev 正在洽谈一笔高达 10 亿美元的融资，估值已达 100 亿美元——而这距离其发布还不到一个月。Jev 与众不同，它不生成文本，不进行对话，也不编写代码。当你给它一段数据和一组结构化问题时，它返回的是类型化的答案和经过校准的概率值。TypeSafe AI 将其称为「System One 模型」，这是一种全新的模型类别。9 月 15 日发布早期访问版本的同时，公司宣布获得 DCVC 领投的 4000 万美元种子轮融资，估值 2 亿美元。开发者社区迅速做出反应。TypeSafe 公布的数据显示，在分类任务上，Jev 比 GPT 系列快约 193 倍，便宜约 445 倍。Vercel CEO Guillermo Rauch 测试后表示，在 p95 延迟上，Jev 比 GPT Luna 快 18 倍，且准确率更高。LangChain 很快也发布了集成指南。然而，真正让 Jev 值得关注的，不仅仅是这些数字，更是其背后的创造者及其独到的判断。
Jev 的创造者 Diogo Almeida 曾在 OpenAI 工作近四年，是 GPT-4、ChatGPT 以及 RLHF/InstructGPT 的合著者。他所在的团队基本发明了「后训练」这个概念。换句话说，今天几乎所有大语言模型背后的核心训练范式，都有他的参与。而在 Jev 发布前六周，Almeida 在 AI Engineer 大会上做了一场题为「What’s Next After RLHF?」的演讲。他在台上称自己是 OpenAI 内部少数公开「黑」ChatGPT 的人；他认为 ChatGPT 和 Claude Code 属于同一个时代；他相信整个行业终将把 RLHF 时代视为一段「奇怪的弯路」。一个技术范式的缔造者亲手给自己创造的时代写悼词，这并不常发生。
以下是演讲中的一些核心观点。首先，他认为下一个时代不是 Claude Code 时代，ChatGPT 和 Claude Code 属于同一个时代。其次，他质疑为什么所有大语言模型都需要人类在回路中，因为答案很简单：因为我们把人类放进了回路里。第三，他指出了一个行业困局：无论模型有多错，它都会看起来是对的。第四，他认为我们只是在自动化「写软件」这件事，但软件本身的表达力并没有改变。第五，他直言原始的 Scaling Law 是错的。
以下是这场演讲的精编转录文字：
01 关于「黑」ChatGPT 的人
Diogo Almeida 声称自己是 OpenAI 内部少数公开批评 ChatGPT 的人。他强调自己是 GPT-4、ChatGPT 和 RLHF 论文的合著者，团队发明了后训练概念。他并不讨厌 ChatGPT，认为它是一个改变世界的产品，但他看到了其局限性，认为许多当前的 AI 问题都源于当初算法设计时的决策。
02 AI 领域的现状
Almeida 认为业界存在两个极端阵营。一方认为 AI 进展顺利，基准测试被碾压；另一方认为 AI 是泡沫，没创造价值。他认为双方都有证据，但共识是 AI 现在很疯狂，原因不同。他提出的问题是：如何解释为什么有些任务好得不真实，有些任务却差到需要人工去做看起来很愚蠢的工作。
03 Assistance vs. Automation
他的答案是区分这两类任务。做得好的任务（如复杂推理）是 human-in-the-loop 任务，目标是取悦人类（如 Claude Code）。做得差的任务（如基础任务）的目标应该是自动化，去掉人类，在后台运行。这是 Assistance 和 Automation 的分界线。他总结道，今天的 AI 继承了 RLHF 的特性，在 human-in-the-loop 的事情上不可思议，但做不了 automation。
04 RLHF 的问题
RLHF 是优化人类偏好，而不是让软件自主运行。这是设计使然。Meta 研究表明，RLHF 模型在人类偏好和实际结果之间存在差距。他举例说，即使面对放屁音效，ChatGPT 也会一本正经地给出正面反馈，因为它不确定时会选择讨好人类。这导致了一个后果：无论模型有多错，它都会看起来是对的。
05 为什么不是 Claude Code 时代
Claude Code 仍然属于 assistance 时代，因为它仍是 RLHF 的产物。如果是纯 RLVR（Reinforcement Learning from Verifiable Rewards），表现会完全不同。RLHF 和 RLVR 在 agentic 能力上拉扯，但都不触及 automation 的核心。
06 更聪明的软件
他热爱软件，认为 SaaS 自 2019 年以来变化不大，只是贴了个聊天机器人。这并不令人惊讶，因为 AI 是为 assistance 设计的。他引用了 OpenAI 早期章程，原本期望软件更聪明，而不只是写起来更便宜。他引用 Garry Tan 的「just-in-time software」概念，认为这把双刃剑下，他想要的是更聪明的软件，而不仅仅是快速构建。
07 下一个时代与 TypeSafe
他坚信 RLHF 时代是一段奇怪的弯路。未来的 AI 将服务于 automation，拥有更聪明的软件，真正的工作将被自动化。TypeSafe 正在做这件事：从头设计为可靠性和 automation 而建的 AI 技术栈。他预告了原始的 Scaling Law 是错的。
08 问答环节
Q: 如果在预训练阶段加入分类器头会怎样？
A: 预训练模型极其聪明，问题在于如何挖掘。幻觉是优化人类偏好的固有产物。奖励模型中存在类似 GAN 的不对称性，鼓励模型丢弃模式、表现自信。
Q: 你们做的是 RLVR 吗？
A: 不是。RLHF 优化人类偏好，RLVR 优化纯正确性，你们做的是第三件事：优化校准的决策能力。API 形态也不同。
Q: 对 Sutton 的 Bitter Lesson 怎么看？
A: 算法比算力重要在游戏里成立，但在现实中不成立。他认为完整的层次是：数据比算力重要，做对的任务比数据重要得多。