图片 **TypeSafe AI / # 来自 ChatGPT 发明者的一种新型 AI 模型正令开发者为之振奋 太平洋夏令时 2026 年 9 月 18 日上午 49 分 ChatGPT 让迪奥戈·阿尔梅达（Diogo Almeida）心碎了。
阿尔梅达曾是 OpenAI 的一名研究员，他曾协助构建该聊天机器人，随后又发明了人类反馈强化学习（RLHF）——这项模型训练技术或许是造就我们当今 AI 时代的幕后最大功臣。但尽管它功能强大，他却感到失望。
“我们手里握着绝世秘宝，然而它却并不实用，”阿尔梅达对 TechCrunch 表示。“从那时起，我一直在与这个问题作斗争。我花了一段时间才意识到，问题在于我们一直在为人类语言进行优化……四年来，我们一直极其擅长人类语言，但这对于自动化来说并没有用，因为计算机说的是另一种语言。”
两年前，阿尔梅达离开 OpenAI 创办了 TypeSafe AI，这是一家试图解决该问题的初创公司。本周，该公司发布了一款基于 Transformer 架构的新模型 Jev，它并非大语言模型。它不输出文本，而是生成概率，或者该公司所称的“校准决策”。抛弃语言带来了诸多优势：这使得该模型极其廉价且快速，并且由于用户可以提前定义输出结果，它不会产生幻觉。它的输出 Token 是免费的，而输入 Token 则以十亿为单位进行计量，而非百万。
一张截图显示了 Jev 与 OpenAI 模型在响应相同请求时的对比。图片 TypeSafe / TypeSafe 开发者对该产品表现出了浓厚的兴趣；由于需求过于旺盛，该公司一度短暂失去了为用户提供服务的能力。Jev 似乎在软件自动化领域最有用处。到目前为止，软件开发者将其视为一种更便宜、更稳健的方式，将智能融入他们的代码之中。
例如，Vercel公司的软件工程师Pranit Sharma表示，该公司曾使用OpenAI的ChatGPT Luna 5.6来运行分类器，以评估用户输入的命令的安全性。当Vercel将ChatGPT Luna替换为Jev后，处理命令的速度提高了5到18倍，同时准确率也得到了显著提升。
Dario Amodei等AI领域的领军人物希望“掌控技术发展的节奏”，但他们究竟该怎么做呢？（来源：Equity Podcast，时长34分钟，当前播放至0秒处。）另一位开发者Nikhil Mudholkar（Bryo AI的首席技术官）将Jev与Gemini进行了对比测试，用于对商务邮件进行分类。测试结果显示，Gemini的准确率略高一些，但使用成本却高出Jev的10到20倍。Mudholkar认为Jev的“置信度评分”（即模型对任务完成概率的预测）非常有用——“这是唯一一个能够提供实际概率值的模型，因此非常适合用于自动化工作流程！”除了在某些场景中替代大型语言模型（LLMs）外，Jev还可以作为这些模型的辅助工具，用于监控模型的行为是否异常。Almeida指出：虽然使用代理程序来监控其他代理程序的成本可能会很高，但使用Jev来实现这一目标是非常合理的。他认为用户可以部署Jev来追踪大型语言模型的运行轨迹，并防止它们出现“异常行为”（例如违反预设规则的行为）。
（注：翻译中保留了原文的专业术语和具体细节，同时采用了简洁明了的表达方式。）“归根结底，这种技术将‘幻觉’（即错误或误导性的信息）的问题部分地交给了用户自己去判断，”Earendil公司的首席技术官Armin Ronacher解释道。Earendil公司开发了名为Pi的开源模型。“用户需要自己做出决定：如果某个结果的出现概率只有50%，那么这可能只是随机事件，可以忽略不计；但如果概率高达95%，那么就可以据此采取相应的行动。”Ronacher还表示，Jev模型还可以用于模型路由（即决定某个任务应该使用哪个模型来处理）。虽然预测某个任务是否需要特定模型确实很有用，但使用大型语言模型（LLM）来完成这项任务会非常昂贵；而Jev模型由于成本低廉、处理速度快，使得这种实时任务分配成为可能。
这正是Almeida所期望的。该模型以19世纪经济学家William Stanley Jevons的名字命名——Jevons提出了一个著名的悖论，指出某种商品成本的下降会促使人们更多地使用该商品。在这个场景中，智能技术的成本下降也应该会推动其得到更广泛的应用。
“我们认为，未来的智能软件将会以一种‘自发的’、‘分布式’的方式无处不在……这种趋势会更类似于互联网的早期阶段，而不是现在那些大型应用程序（mega apps）的发展方向，”Almeida说道。
阿尔梅达对该模型的架构守口如瓶，外界观察人士怀疑它是基于一个开放权重的LLM构建的。该公司将Jev称为“系统一模型”，专注于直觉而非推理，并且专门针对正确的任务。阿尔梅达表示，Jev完全使用合成数据进行训练，采用的是一种他称之为“基于校准决策的强化学习”的技术。
“我们很早就下了一个赌注，那就是我们将自己制造所有数据，而这是我一生中做过的最好的赌注之一——在我看来，比我们的产品发布更好，比RLHF更好，”他告诉TechCrunch。“我们公司有一半是一个实验室，基本上拥有这个统计上可充分理解的合成数据的整个子领域，这现在是我的人生乐趣。”目前，Jev作为这类模型独树一帜，但罗纳赫预计，既然其实用性已经显而易见，竞争对手将会涌现。
“在很多方面，我们本应更早看到这一点，但大概是因为LLM如此便宜且受到补贴，你往往还不需要有创造力，”他说。
TypeSafe本身将会继续开发该模型的更多版本，并将其应用于新的领域/场景中。当被问及TypeSafe是否属于“前沿实验室”（frontier lab）时，Almeida表示：“前沿实验室的主要产物往往是炒作或恐惧（即公众对新兴技术的过度反应）；我希望我们的主要产物是真正的‘智慧’（即这些技术能够带来的实际价值）……但我们并不是那种追求无限财富、将某种理念视为‘宗教信仰’、或者试图在数据中心中‘创造上帝’（即试图通过技术实现某种超自然目标）的实验室。”