Diogo Almeida

卧槽，今天 AI 圈最火的模型，应该就是 JEV 了。 现在所有大模型都在拼更会说话、更会写、更像人，JEV 直接反着来，它根本不生成文字，只负责做判断和决策。 我已经迫不及待用JEV帮我决策自动交易股票和加密货币了😂 官方给的数据非常夸张：20—200 倍更快，40—400 倍更便宜，输入每百万 Token 只要 0.042 美元，输出 Token 直接免费。 我们今天用 GPT、Claude、Gemini 做自动化，经常是让模型先写一大段话，再让程序从里面抠出 JSON、标签、分数和下一步动作。 JEV 干脆把“说废话”这一步整个删了，直接告诉软件： 选 A 还是 B、概率多少、置信度多少。 客服分流、内容审核、Agent 路由、推荐系统、风控、交易信号过滤……现实世界里大量 AI 调用，本来就不是为了让它写小作文，而是为了让它每秒做成千上万个判断。 这也是我觉得 JEV 最值得关注的地方。 目前 JEV 还在 Early Access，感兴趣的同学可以先去加入白名单等体验。

Jev实时玩厄运，看起来就像一个真正的玩家。 他们的数字：快20到200倍，便宜40到400倍，免费输出代币。 我们现在可能会看到两件事： - 我们在游戏中面对的对手可能是实时人工智能。 - 助教，或者我们聘请真人的任何其他事情，都可以在此基础上运行。 每秒10个电话相当于每小时36，000个电话，费用约为7美元。 在此之前，任何必须跟上一个人的步伐的事情都是不可能的。 迫不及待地想与其中之一比赛。 https://t.co/y0qXEyWPv9

与ChatGPT相关的RLHF研究的主要成员在两年的隐形后宣布了一个新的AI“Jev”。 简而言之，RLHF是一种使用人类评估来调整LLM的方法，使其“自然而有用的答案”。ChatGPT是使之成为我们今天所说的会话人工智能的关键技术之一。 这一次，Jev的想法不是“对话”，而是“自动化中的决策”。 开发商：TypeSafe AI 创始人是OpenAI的Diogo Almeida。 采用新的学习方法“RLCD” ·特定任务的速度要快40到200倍 ·输入100万令牌$0.042，输出令牌免费 获得4000万美元的种子。 一个普通的LLM返回一个句子，而Jev返回一个特定类型的概率判断，如“87%的取消概率”和“91%的人为响应”。 因此，它不是ChatGPT的替代品，而是一个模型，可以在人工智能代理的背后快速处理大量的决定。 补充

参与ChatGPT的人刚刚放弃了一个拒绝聊天的新模型 Diogo Almeida帮助OpenAI构建了WLHF。 现在他认为生成文本是代理工作流程的一个巨大瓶颈。 他的新公司@typesafeai刚刚放弃了Jev。 它是一个极其高效的System One模型，充当结构化决策的纯粹API。 提出一个问题并获得包含确切置信度分数的打印答案。 通过完全剥离生成散文，它们达到了150 ms的疯狂响应时间： - 比标准型号快200倍 - 每十亿输入代币42美元 - 输出代币永远免费 国际海事组织这是一种非常聪明的方式，可以引导逻辑，而无需为您不需要的单词付费

ChatGPT的一位联合发明人在潜行两年后刚刚发布了Jev，这是一种新的前沿人工智能模型，速度快20至200倍，便宜40至400倍，输出代币免费，针对决策而不是对话进行了优化。 https://t.co/wGkR4wSQZh

🤯Jev模型游戏实测太离谱了，直接把“实时决策”这件事干穿了！ 不是聊天模型，是专为高频决策设计的System One： 1️⃣实时打Doom，每秒约10次决策，1小时成本才$7 2️⃣Minecraft实测：2分钟自动生存只要1分钱，夜间自己躲僵尸，零额外提示 3️⃣延迟70-500ms，一次前向传播就能并行回答多个问题 4️⃣价格$0.042/百万输入token，输出几乎免费 5️⃣只输出结构化结果（Choice/Score/概率+置信度），零类型错误，幻觉极低 6️⃣天生适合游戏Bot、Agent循环、客服分流这类「每秒都要做选择」的场景 这才是能真正跑进游戏里的AI大脑！ #Jev #TypeSafeAI #AIAgent #Doom #Minecraft #SystemOne​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​ https://t.co/T8BAFqW6cN https://t.co/yTdRpandwJ

Jev三天前推出 以下是最好的演示网址https://t.co/NCPoyOCObD

Jev是一个为快速、低成本决策而构建的人工智能模型，该模型昨天在网上疯传。由于低成本/延迟决策，它自己就注定要失败。 这将是魔兽世界机器人的SOTA。 https://t.co/gUunMcDvI8

Jev是一个为快速、低成本决策而构建的人工智能模型，该模型昨天在网上疯传。由于成本低，它自己玩厄运/l. 通过@kimmonismus #AI #MachineLearning #GenerativeAI #Innovation #Aintools https://t.co/Km5iGD4kDf

diogo almeida在openai帮助构建了chatgpt背后的方法。今天他推出了一个根本不是聊天模式的东西。 jev从不生成一个文本单词。向它提供非结构化状态加上一组输入的问题，它会在一次并行过程中立即返回每个问题的概率评分答案，而不是像每个前沿聊天模型的工作方式逐个标记。 端到端70至500毫秒。类似任务的前沿对话模型运行3到329秒。每百万个输入代币0.042美元，完全免费输出，因为一开始就没有生成要计费的文本。 他自己的框架：“将jev想象成一个前沿智能功能调用，输入非结构化状态，输入概率决策。“接受了一种他称之为RLCD的方法的训练，即用于校准决策的强化学习，这与大多数实验室目前使用的RLHF和RLVR完全不同。 诚实的极限值得直接命名。“无幻觉”在这里的意思比这个短语所暗示的要窄。有界的、类型化的输出实际上不能产生文本，因为没有文本。但在有效的模式中选择错误的选项仍然是完全可能的。这不是聊天模型的替代品。它是位于其中一层前面的分类和路由层，价格便宜，可以在每次实际llm呼叫之前和之后运行。 typesafe人工智能从两年的潜行中脱颖而出，并获得了由dcVC牵头的4000万美元种子资金。 阿尔梅达的实际问题，也是引发这一切的问题：为什么超人聊天模型没有导致agi。他的答案并不是一个更大的聊天模型。这是一个完全不同的类别，它针对每个真正的自动化管道下的无聊、大量决策进行了优化，分解这些决策对于构建真正有用的人工智能系统来说可能比将一切压缩到一个更有能力的对话中更重要。 https://t.co/fcp2AfOZSl

ChatGPT的一位早期架构师刚刚推出了一款拒绝写一句话的人工智能 迪奥戈·阿尔梅达（Diogo Almeida）是导致ChatGPT诞生的DirectGPT论文的主要作者，后来研究了GPT-4，他花了两年时间秘密构建了一些不同的东西。 他的新公司TypSafe AI刚刚在DCVC领投的4000万美元种子融资下成立，其第一款型号名为Jev，这是对Jevons Partridge的致敬。 Jev不会逐个令牌生成文本令牌。您向它提供非结构化状态和预先定义的输入问题，它会返回您的代码可以直接使用的输入答案：从列表中选择一个类别，分配分数，估计某件事为真的可能性。 所有答案都并行返回，而不是一次一个词。 也没有隐藏的思想链。TypSafe将其称为“System One”模型，用他们所谓的校准决策强化学习进行训练，复杂行为应该由开发人员使用常规代码从许多小类型决策中组装，而不是让模型在黑匣子中自由推理。 这种限制正是它如此快的原因。TypSafe声称比同类前沿型号快20至200倍，便宜40至400倍。输入每百万个代币为4.2美分，输出是免费的，价格足够便宜，可以计算，该公司表示计量不值得这么麻烦。 TypSafe还称其为无幻觉：Jev无法返回您定义的选项之外的任何内容，也无法破坏响应结构。它绝对还是可以选择错误的选项，只是不能在做的时候偏离剧本。 这不是GPT-6 Astra的竞争对手，也不是另一个聊天机器人。它是为自动化而构建的，在这种自动化中，软件从一开始就不需要散文，只需要一个固定格式的快速，可靠的决策。

一个模型发布技术帖，居然把半个 AI 圈的 big shots 和 X 上的科技网红都炸了出来，纷纷跑到评论区报到。短短几个小时就爆款。 因为发帖的人不是普通创业者。 Diogo Almeida 是 RLHF 和 InstructGPT 的共同发明者之一，也就是参与创造 ChatGPT 的那批人。现在，他却提出了一个颇具颠覆性的判断： Chat 可能不是 AI 实现大规模自动化的正确形态。 过去两年，他一直在秘密开发另一类模型。今天，他们发布了第一个 System One Model：Jev。 它不聊天，不写文章，也不逐字生成答案。 Jev 接收一段非结构化信息，直接输出预先定义好的结构化决策，以及每个选择对应的概率和置信度。所有结果一次并行生成，不需要像 LLM 那样一个 token 接一个 token 地“说话”。 换句话说，它更像一个带有前沿模型智能的 function call： 输入业务状态，输出可以直接交给软件执行的 typed decisions。 TypeSafe 声称，在这类任务上，Jev 可以达到与前沿 LLM 接近的智能水平，但速度快 20 至 200 倍，成本低 40 至 400 倍，延迟只有 70 至 500 毫秒。输出 token 甚至免费，因为它根本不生成字符串。 过去，我们一直试图把会聊天的 LLM 塞进软件，再用 JSON Schema、重试、验证器和 guardrail 约束它。Jev 则从模型架构开始就放弃自由文本，只允许输出合法类型。 当然，“不会产生类型错误”不等于“不会做出错误判断”。目前的数据也主要来自 TypeSafe 自己设计的 workflow eval，仍需要独立验证。 但它指出了一个很有意思的方向： Agent 可以继续使用通用大模型思考和规划，但真正进入生产系统的大规模自动化，可能需要另一类更快、更便宜、更受约束的决策模型。 大模型负责想，System One Model 负责在软件里每秒做成千上万个决定。 AI 的下一次效率跃迁，也许不是生成得更快，而是不再生成。 https://t.co/onRTD8mFjO