看看这个https://x.com/completeskeptic/status/2099925682726002904

回复 joye： 看了，这是 Diogo Almeida 昨天（9 月 15 日）发的产品发布帖。先说人是谁，再说发了什么，最后说我的判断。 一、他是谁 Diogo Almeida，Google Brain 和 OpenAI 前研究员，InstructGPT 那篇 2022 年论文的作者之一，也是 GPT-4 技术报告的署名者、ChatGPT 的贡献者之一。他本人就是 RLHF 这套「用人类偏好训模型」方法的奠基者之一。所以他现在回头质疑 RLHF，分量和别人不一样。他现在是 TypeSafe AI 的联合创始人兼 CEO，这家公司拿了 4000 万美元融资，闷头做了两年 stealth。 二、他发了什么 公司叫 TypeSafe AI，产品叫 Jev，自称是第一类 System One Model。核心主张一句话：chat 模型早就超过人类了，但自动化没发生，因为让机器「和人聊天」和让机器「替人做决定」根本是两件事。 具体做法： - 训练方法换成 RLCD（Reinforcement Learning for Calibrated Decisions），针对的是「校准过的决策」，不是人类偏好，也不是可验证奖励。 - 输入不再是你一句我一句的消息序列，而是结构化的程序状态。 - 输出不是文本字符串，而是类型安全的结构化值，永远不产生类型错误，每个输出都自带概率和置信度。 - 采样方式从逐 token 自回归换成并行，一次查询直接把所有输出吐出来。 他给的一个具体例子是这样的：你输入「我的卡被扣了两次」，问该转给哪个部门，返回的是 {"billing": 0.08 "technical": 0.85 "sales": 0.07}，置信度 0.82。人看这个没用，但代码看这个正好——可以直接当「模糊版 if-else」用，做分类、路由、打分、抽取、分支。 三、数字层面的卖点 - 速度：单次端到端 70ms 到 500ms，传统前沿模型是 3 到 329 秒，他宣称快 40 到 200 倍。官网上放的对比是 Jev 0.114 秒 vs GPT-5.6 Terra 8.566 秒。 - 价格：输入 $0.042 / 百万 token，输出免费。GPT-5.6 Terra 是输入 $2、输出 $12。对 Fable 5.1 便宜大概 238 倍。他自己给的总口径是 193.6 倍快、444.6 倍便宜。 - 演示：一个 Doom bot，吃结构化游戏状态做实时决策，一秒 10 次查询，约 $7/小时；还有 Wikiracing，在多到几千个链接里选下一步，用来展示「高基数选择时不幻觉」的复利效应。 名字也有讲究。System One 借卡尼曼《思考，快与慢》里快直觉的 System 1；Jev 取自 19 世纪经济学家 Jevons，指的是杰文斯悖论——蒸汽机效率提高反而让煤烧得更多。他在赌智能成本每降一个数量级，用例会多几个数量级。 四、我的判断，分两面 值得认真看待的地方：这个定位是准的。现在 agent 工程里最烦的恰恰是「tool call 幻觉」和「输出解析失败」——模型给你一段话，你得写解析器、做校验、处理它偶尔跑偏。如果有一个接口是「状态进、带概率的类型化决策出」，而且快两个数量级，那它确实能嵌进普通软件的同步路径里，这是 chat 模型进不去的场景。他自己博客里那句话说得挺到位：幻觉的 tool call 在 agent 里只是麻烦，但在有延迟保证的系统里、或者埋在三层依赖链条底下的位置，就是致命问题。 需要打问号的地方： 1. 「不会幻觉」这个说法不太公平。The Register 的报道就直接点了——它的输出不是自然语言，结构合法的概率值完全可以是个错误的判断。不幻觉的是「类型」，不是「事实」。 2. 他们自己在博客里也承认了偏差：评测是在西海岸的笔记本上跑的；工作流评测的参考答案取的是 GPT-6 Astra 和 Fable 5.1 的平均值，等于偏向 OpenAI 和 Anthropic；那几个 workflow 是自家 capabilities 团队做的，可能有 bias。 3. 那个 193 倍 / 444 倍是官网首页的营销口径，他自己说「预期这属于真实收益里偏高的一端」。 4. 价格能不能持续，他自己也说了没法证明没在补贴。 一句话总结：这不是又一个聊天模型，是有人试图给 AI 换一个消费者——从人换成代码。方向我认同，指标要等第三方复现，但值得盯着。