Jev估值100億美元！創始人Diogo Almeida回答一切

來源原標題

Jev估值100億美元！創始人Diogo Almeida回答一切

作者

梦晨

原始標籤

資訊

原始連結

https://www.qbitai.com/2026/10/500148.html

摘要原文

Jev估值100億美元！創始人Diogo Almeida回答一切 夢晨 2026-10-03 10:38:19 來源： 量子位 文婷 發自 凹非寺 量子位 | 公眾號QbitAI 他來了他來了，TypeSafe AI的聯合創始人兼CEO Diogo Almeida ，頂著一頭新染的紅髮閃亮登場了！（doge Diogo在最新一期Latent Space訪談中坦言： 公開benchmark極其容易被操縱，即便開發者沒有主動作弊，最終也可能被榜單牽著走。 所以相比於一張通用榜單，他更願意相信長期積累的產品體驗與信任： 直到你把模型放進自己的工作流，並針對那個工作流去評估、去測量，才能判斷它在真正重要的流程中表現如何。 甚至還大膽開麥： 當年身在OpenAI，我深深感受到了什麼叫無力… 666，Diogo這是真沒拿我們當外人，啥都往外說啊。 這幾天，Jev這款“不會聊天、只會做決定”的模型火爆全網。 有人用它來篩選海量論文；有人用它來提前拿捏客戶的需求；甚至還有人連夜開源了一個 “Jev聊天助手” ，可以提前預判老闆的預判、以及物件鬧彆扭到底是為了啥，並一鍵生成幾條最合適的回覆供你選擇： 好傢伙， 再也不用為猜不透老闆和物件的心思焦頭爛額了？! Jev的成績也相當能打。 短短6天，Jev釋出影片的瀏覽量便突破了 3870萬 ；在第三方JevBench v1.2.1綜合榜中，Jev 1.13.0也以75.3分 排名第一 。 我火速把訪談內容整理了出來，重點筆記如下： 現在整個行業都在卷速度、拼成本，反倒把可靠性給弄丟了；但 可靠性才是一款產品真正的靈魂 ，也是大家敢於託付信任的關鍵。 我並不仇視OpenAI， 但既然AI能破解千禧年大獎難題，那為什麼他們在有經濟價值的實際工作上貢獻幾乎為零？ 拉動TFP（全要素生產率）增長，才是衡量AI經濟革命真正的標尺，我們的目標就是在五年內拉動3%。 我已經厭倦AI永遠站在舞臺中央；世界本身就應該更有趣，AI只需要退到幕後，默默提供輔助。 目前的AI編碼，本質上仍是圍繞單一模型展開的競爭 ，只是提供不同檔位供使用者選擇；所以當下各家開源coding agent的能力差距並不大，while迴圈能實現的能力邊界是有限的。 一旦某一家做出獨有的殺手級場景，所有人都會蜂擁而至，而開源專案則可以快速復刻這套能力。 就算給我十億美元（約71.3億元），我也不會選擇從零開始預訓練大模型的！因為 預訓練實在太·燒·錢·了！ 全程高能，大家速看！ AI連難題都能攻克，為什麼還幹不了多少實際工作？ 主持人（swyx）： Jev爆火之後，你感覺如何？ Diogo Almeida： 說實話，我覺得自己已經被榨乾了，每天只剩一副筋疲力盡的軀殼四處飄蕩。 事情鋪天蓋地砸過來，而我是技術出身的CEO，所以每天需要到處救火。 這幾年我一直在講， 整個AI行業就像遊樂園裡的鏡子屋 ；大家都有點脫離現實，說著很多邏輯根本對不上的話。 但就在這周，整個行業終於被拉回了現實。 大家開始意識到AI比之前想像得強大得多，由AI驅動經濟變革，也再次成了行業認真討論的議題。 我經常在演講裡丟擲一個問題，即 “AI已經聰明到足以挑戰千禧年大獎難題，為什麼還是沒法自動化大量最基礎的工作？” 這些工作的門檻不高，也沒什麼職業成就感，人類本來可以去做更有意思的事，但現在仍然被困在這些重複、枯燥的任務裡。 根本原因就是我們還沒法把它們自動化。 就好比我們手裡有一臺動力強悍的自動化引擎，卻找不到合適的介面，接不進真正有商業價值的業務場景。 主持人： 有道理，行業裡還有很多全新的模型範式等著我們去探索，應該百花齊放。 Diogo Almeida： 我覺得早期網際網路那種蓬勃的活力回來了，技術烏托邦的浪潮也回來了。 不再是coding agent時靈時不靈、頂尖能力全被鎖在大廠內部的那一套， 現在，每個人又都有機會參與創造了。 但這會是一片狂野的新大陸，請大家系好安全帶。 主持人： 能不能分享一些可以對外披露的資料，比如註冊量之類的指標？ Diogo Almeida：我們的日處理量已經突破一萬億token ，而且不是曇花一現的峰值，夜間流量也在持續走高。 這說明大量呼叫來自機器自動化，不只是普通使用者嚐鮮。 目前日吞吐一萬億token的這個規模也相當可觀，能做到這個數字讓我感到非常振奮。 而註冊量對我來說其實就沒那麼重要了。 坦白講，這算是我們踩過的一個小坑；推特上有人調侃我們是營銷天才，但我們幾乎沒有市場團隊，所謂“營銷”，也只是帶著一股直白、略顯笨拙的勁兒，持續向候補名單上的使用者開放註冊。 但我們之前沒意識對開發者平臺來說，等待名單和註冊使用者量的參考價值有限； 很大一部分註冊使用者根本不是開發者，只是進來隨便跑幾條查詢，然後用完後疑惑：“這是什麼？它又不是聊天機器人，我的ChatGPT才是。”然後就走了。 我覺得和重度開發者寫一段迴圈批次呼叫相比，這些註冊使用者幾乎可以忽略不計，因為真正創造價值的是前者。 真正棘手的是呼叫速率限制（rate-limit）。一旦使用者真正從模型裡拿到業務價值，就會需要更大的呼叫配額。 軟體系統本來就是這樣搭起來的。 你前期投入成本搭建鏈路，當鏈路產出的價值超過搭建成本時，你就可以把這套邏輯放到後臺持續執行，作為其他系統的依賴，再在上面搭更高層的應用，創造海量現實價值。 早期網際網路從業者恐怕很難想像，2000年初的網際網路能迸發出多大的能量。 許多顛覆性創新，正是因為不同能力可以自由組合才得以出現。 主持人： 你們讓我印象很深的一點是，你反覆強調可靠性。 我原本以為你們重點聊的是校準，也就是LCD，但實際上你們同樣關注服務可用性和可擴展性。 Diogo Almeida： 這些都很重要。 因為可靠性不只是服務穩定執行，也包括模型輸出是否智慧、結果是否穩定、是否符合預期。 推理類的大模型確實夠聰明，但可靠性依舊有很大短板。 從許多場景的實際需求來看，模型完全有能力把工作自動化，商業上也有強烈的落地動機，但就是做不到，根源在於 模型的最佳化目標不一樣。 可靠性分兩層。 一層是 你能否信任模型的輸出結果 ； 一層是 能否從更多維度保證模型可靠 。 我們雖然還暫時沒走到第二層，但我對此滿懷期待。 通常來說，我們應該先自動化簡單工作，再攻克複雜任務。 但我的目標一直都是： 開發者不用反覆試錯，就能確信模型一定能把任務完成。 這就像程式設計時的心流狀態， 我寫查詢指令，只是因為這裡需要。 對於不需要複雜分支判斷的環節，直接呼叫TypeSafe的 System-One（機器原生、可程式設計的決策核心） 查詢直接拿結果，由模型可靠地完成分支邏輯。這就是我們的理想，也是一條漫長而艱難的路。 我的願景是讓軟體工程被AI充分賦能，而我最不願看到的悲劇就是AI明明能力很強，但實際落地使用率卻極低。 這件事讓我很難平靜…我不信奉盲目的技術樂觀主義，也不認為所有技術天然向善。 我覺得當下AI的現狀是對技術潛力的巨大浪費； 我只想讓這些尚未釋放的技術潛力真正為人所用。 主持人： 你覺得最難的部分已經結束了嗎？ Diogo Almeida： 我不認為最難的部分已經結束，未來還會有更多嚴峻挑戰。 如果各類工作順利實現自動化，GDP顯著增長，到處一片狂歡，那或許意味著難關已過，但我並不這麼樂觀。 現在整個行業都在卷速度、拼成本，反倒把“可靠性”給弄丟了；但說到底，可靠性才是一款產品真正的靈魂，也是我們敢於託付信任的關鍵。 主持人： 你們提出過五年內拉動TFP（全要素生產率）增長3%？ Diogo Almeida： 沒錯， 我從來沒見過哪家實驗室把TFP當成目標，但這才是AI經濟革命真正的衡量標尺。 這一點其實和OpenAI最初的憲章核心高度契合，只是如今他們不斷改寫定義，目標逐漸轉向追求千億美元級別的利潤。 我並不仇視OpenAI，只是“AI”這個詞本身至今沒有清晰定義。 OpenAI最初的願景也是承擔世界上絕大多數有經濟價值的工作，那為什麼直到現在，他們的AI能破解千禧年大獎難題，但在有經濟價值的實際工作上貢獻幾乎為零？ 我認為目前幾乎所有模型，真正創造的商業價值幾乎都還接近於零。 或許已經有微弱起步，但我判斷還不到1%。 真正的變革到來時，宏觀經濟統計資料（如GDP）一定會體現出這一點，那將會是無比激動人心的時刻。 我覺得AI不會帶來大規模失業，但會推動社會完成一系列良性轉型，讓整個世界變得更好。 另外， 我已經厭倦AI永遠站在舞臺中央；世界本身就應該更有趣，AI只需要退到幕後，默默提供輔助。 主持人： 從歷史背景看來。2019年，SaaS軟體創造了巨大的價值。 2026年，AI的能力突飛猛進，但絕大多數軟體幾乎還是老樣子，只是額外外掛了一個聊天框，勉強能用，但好像卻沒人敢把業務關鍵決策交給AI，因為輸出結果不可信。 Diogo Almeida： 我覺得“AI會把SaaS搞垮”這種說法實在很離譜。 我倒覺得未來發生的或許不是SaaS末日，反而是SaaS被AI全面改造 ——SaaS軟體會被AI全面賦能。 目前巨大的商業價值，正在倒逼SaaS與AI深度融合。而最懂業務痛點的SaaS廠商，才是這場自動化革命的真正主角，一個前所未有的創新狂潮即將到來！ 主持人： 現在大家啥活兒都往Jev上扔，結果有的翻車有的封神，你怎麼看這種情況？ Diogo Almeida： 我覺得大家拿它來嘗試各種五花八門的任務，這件事本身挺有意思。 坦白說，這是一個經驗問題，就像縮放定律scaling law也來自經驗總結。 為什麼機器人領域砸了巨額資金，進展依舊有限？ 我不認為單純是錢投得不夠，有可能是客觀經驗證明，這條路現階段就是走不通。 根據經驗，預訓練大模型這種高度壓縮的智慧集合體，本質上屬於System-One思考者。而System-One是最適合描述LLM擅長能力的標籤。 現在，RLVR在System-Two深度推理方向取得了驚人進展，我由衷敬佩這項工作。 RLVR確實非常酷，但我不認為它會引發AI末日——雖然RLVR確實把模型推理能力推到了極限，機率不可能絕對為零，但模型在這個方向依舊極度脆弱。 回想ChatGPT剛問世時，大家驚歎模型通用性極強，卻吐槽它不擅長數學，搞不定GSM8K小學數學資料集。 而如今談RLVR，大家又感慨它脆弱、處處是坑，疑惑它為什麼能完成部分高難度任務。 數學問題的難點並不是簡單幾個尖峰，而是呈現分形式的複雜分佈，這正是RLVR帶來的現實。 不同技術路線有不同的北極星目標。RLHF的最佳化目標是取悅人類，核心是人類反饋；而RLVR面向基準評測benchmark做最佳化，所有RLVR任務本質上都可以歸為可程式化驗證、輸出簡潔的基準測試任務； 而我們的RLCD（以程式閉環驗證為目標的強化學習），目標則是讓模型在程式設計場景下足夠可靠。 主持人： 你覺得技術人員們可以重點關注哪些方向？ Diogo Almeida： 我覺得demo固然亮眼，但 coding agent 也是一大核心場景。我們很早就基於第一性原理，劃分出幾大類核心應用場景： 第一類是 暗資料（Dark-Data） ：大量企業囤著海量資料，卻不敢隨便投入算力分析，因為成本太高；企業對這塊需求極其狂熱，成堆的資料等著解析，這簡直是資料科學家理想的場景。 第二類就是 coding agent 。以上兩塊會成為主要現金牛，本身資料體量足夠龐大。 第三類是 即時場景 ，需要模型參與業務閉環。企業CTO、CEO都很清楚，延遲每削減10毫秒，產品體驗就會明顯提升，這在電商、智慧助手領域尤其明顯。 第四類我個人格外看好 遊戲領域 。 第五類是 智慧軟體 ；它高度可組合，能夠實現過去無法想像的功能。比如使用者可以直接把Jev當成程式語言來用，這類專案效果很驚豔。 還有一類是 校驗觀測場景 ：校驗所有LLM呼叫，類似可觀測性工具。 順帶分享一個工程技巧—— 並行提問的成本很低。 如果你需要處理一份龐大的狀態資料，可以先給整條訊息打上ID，再針對每一條ID獨立發起查詢。 而龐大的狀態只需要付費載入一次，就可以針對內部每一條資訊發起大量問題，這是非常划算的降本思路。 主持人： 我一直覺得System-One/System-Two框架很有價值。因為這意味著每一次高層推理呼叫都可以搭配一次、十次甚至上百次Jev呼叫。 Diogo Almeida： 這或許可行，也許我們可以把高層推理呼叫數量減半，每次配套十次Jev呼叫，用這樣的配比解決過去無法處理的難題。 另外，Computer-Use也偏向即時賽道。要是它的可靠效能夠達標，我覺得這個領域會有巨大的發掘空間。 對於coding agent來說，目前Claude Code和Codex雖屬第一梯隊，但其單一模型體系僅適配自身業務。 目前的AI編碼，本質上仍是圍繞單一模型展開的競爭，只是提供不同檔位供使用者選擇，所以當下各家開源coding agent能力差距並不大，while迴圈能實現的能力邊界是有限的。 一旦某一家做出獨有的殺手級場景，所有人都會蜂擁而至，而開源專案則可以快速復刻這套能力。 我希望與所有產品整合，即便它們可能成為競品，但作為基礎設施提供者，我不該帶有偏向性立場。 無論對方是否願意合作，這都讓賽道格局充滿變數與趣味。 我們也正整理適配coding agent的設計模式文件，計劃後續公開。 這個領域還有無比肥沃的探索空間，如果我不是在創業，我一定會一頭扎進去研究coding agent。 Jev要做的，是嵌進軟體裡的“AI大腦” Diogo Almeida：ChatGPT最讓我欣慰的一點是，它終於能向我父母解釋清楚我在做什麼了。 但我認為行業需要一種全新的模型。我們稱之為System-One模型。 雖然有人叫它“決策模型”，但這不夠準確。它的核心定義是“機器原生、大型可程式設計模型”。 簡單說，預訓練LLM是做文本補全，RLHF模型是陪人聊天，而我們的模型是給程式碼用的，輸出結果會直接交給程式讀取和處理。 我們希望讓AI深度融入軟體系統，從底層到介面全為程式設計最佳化。 而Jev就是我們的第一款System-One模型，它的名字源於“傑文斯悖論”，核心目標是追求極致的價效比。 在可靠性、成本、速度這些指標裡，我們也將死磕價效比這一項。 主持人： 你們為什麼反對傳統的安全對齊，不做輸出拒絕？ Diogo Almeida：我不反對安全本身，但傳統的安全對齊方式，與開發者的實際的需求並不匹配。 如果你只和它們聊天，那AI說“我無法回答”也只是讓人煩躁一會兒； 但如果把模型當後臺依賴，它隨機拒絕就是一個嚴重的Bug。 因為業務軟體不能因為一條奇怪輸入就崩潰，這完全不可理喻。 這套對齊思路來自不懂軟體開發的人，他們沉迷於“AI同事”的浪漫想像，卻沒挖掘AI作為工具的真正潛力。 主持人： 所以你想要做的是一個隨處可嵌入的認知核心？ Diogo Almeida： 沒錯。它既要足夠通用，也要能適配各種創新場景。 這裡要區分兩個概念： Safety Alignment（安全對齊） 對ChatGPT這類C端聊天產品是合理的； 但開發者需要的是 Capability Alignment（能力對齊） ——讓模型按工程師意圖完成任務，輸出可預測，減少除錯成本。 Jev離完美還遠，可靠性也還有很多個坎要爬過，我的終極理想是希望它像資料庫查詢一樣—— 讓開發者幾乎無須額外操心，需要時就能直接呼叫。 資料庫不會審查使用者是誰、拿來做什麼，決策權應該交給上層業務。 政府可以通過立法約束，但作為平臺，我不會把限制硬編碼進模型底層。 主持人： 聊聊API細節吧。你們設計了choice、score、null三個基礎原語，null這個名字來自學術文獻嗎？ Diogo Almeida： 是的，內部為此爭論很久。它本質是連續機率，名字源自伯努利分佈。有人提議叫pool party，還有人堅持叫meow，最後選了null。 我們必須創造新概念。如果直接叫bool，會帶來巨大認知混淆。 這三個原語都不等同於程式語言原生型別，優先追求語義清晰： Choice 對應列舉上的switch分支，比原生function-call更乾淨； Null 對應if條件判斷； Score 對應排序和閾值比較。 主持人： 不怕增加接入門檻嗎？為什麼不直接相容現有生態？ Diogo Almeida： 我們當然希望做到相容，社群其實也已經自發做了大量整合工作。 成功不是非黑即白的，score本身也還有很大的最佳化空間；文件也在持續快速迭代，以便幫助開發者理解這些新的抽象概念。 主持人： 給評估Jev的開發者一些實戰建議吧，置信度在測試中有多關鍵？ Diogo Almeida： 很多人說Jev沒什麼新意，但有兩件事實被忽略了。 第一，我們證明了這條技術路線走得通； 第二，benchmark依然大幅領先各類復刻版本。 不過我本人不太看重跑分，核心差異在於System-One和所謂的Decision模型，兩者是截然不同的範式。 客觀情況是Jev的單跳推理是頂尖水平，但多跳推理會隨著步數增加單調下滑。我們不搞字串式的隱式推理，而是專注於挖掘模型已有的內在智慧。 System-One其實就是對模型擅長能力的歸納總結。 只要對機器原生任務有利，不低效、不脆弱，任何新的推理形式都可以納入進來。 主持人： 視覺能力目前還是缺失的模組，它不屬於System-One的範疇嗎？ Diogo Almeida： 對於是否加入視覺等新能力，我們不預設邊界。 行業裡其實有個經典矛盾，那就是 究竟應該按使用者口頭提出的要求做產品 ， 還是提供他們真正需要的東西？ 我們低調研發了兩年後選擇押注後者，比如長上下文效能衰減的控制。 我覺得一味迎合使用者，產品會走向保姆式思路，反而傷害開發者體驗。真正對開發者友好，是把使用者當作能獨立決策的成年人，而不是強加管控。這個平衡點我們還在摸索。 另外， 基礎設施是關鍵。 光速本身就是物理瓶頸，歐洲伺服器不足導致延遲最佳化不到位，這點我非常遺憾，正在全力招人攻堅。 我們的終極目標不只是做成一家Jev公司，而是交付多種形態的智慧核心。System-One就好比智慧時代的TCP協議，我的方向是構建智慧領域的亞馬遜（AWS）。 模型越聽話，為什麼反而可能越不好用？ 主持人： 校準在過去是行業裡很少討論的話題。 Hugging Face的Clémentine Fourrier觀點和你對RLHF的批判高度相似，即模型習慣輸出人類最愛聽、機率最高的答案，而不是輸出自己真實的判斷。 Diogo Almeida： 我可以再往深一層拆解。 很多人沒注意到RLHF帶來的副作用——也就是 mode‑dropping ，這和mode‑collapse模態崩潰其實是同一個現象。 （即模型為了看起來不出錯，主動放棄了對那些雖然真實但罕見/複雜的情況做出正確反應的能力，轉而輸出一個平庸、安全但錯誤的萬金油答案；副作用是可能導致決策場景災難性失效。） 楊立昆 有很多判斷非常接近真相。