Jev估值100亿美元！创始人Diogo Almeida回答一切
Jev估值100亿美元！创始人Diogo Almeida回答一切 – 量子位
首页
资讯
智能车
智库
活动
MEET大会
AIGC
扫码关注量子位
< img id="wx_img" src="https://www.qbitai.com/wp-content/uploads/imgs/qbitai-logo-1.png" width="400" height="400">
Jev估值100亿美元！创始人Diogo Almeida回答一切
梦晨
2026-10-03
10:38:19
来源：
量子位
文婷 发自 凹非寺
量子位 | 公众号QbitAI
他来了他来了，TypeSafe AI的联合创始人兼CEO
Diogo Almeida
，顶着一头新染的红发闪亮登场了！（doge
Diogo在最新一期Latent Space访谈中坦言：
公开benchmark极其容易被操纵，即便开发者没有主动作弊，最终也可能被榜单牵着走。
所以相比于一张通用榜单，他更愿意相信长期积累的产品体验与信任：
直到你把模型放进自己的工作流，并针对那个工作流去评估、去测量，才能判断它在真正重要的流程中表现如何。
甚至还大胆开麦：
当年身在OpenAI，我深深感受到了什么叫无力…
666，Diogo这是真没拿我们当外人，啥都往外说啊。
这几天，Jev这款“不会聊天、只会做决定”的模型火爆全网。
有人用它来筛选海量论文；有人用它来提前拿捏客户的需求；甚至还有人连夜开源了一个
“Jev聊天助手”
，可以提前预判老板的预判、以及对象闹别扭到底是为了啥，并一键生成几条最合适的回复供你选择：
好家伙，
再也不用为猜不透老板和对象的心思焦头烂额了？!
Jev的成绩也相当能打。
短短6天，Jev发布视频的浏览量便突破了
3870万
；在第三方JevBench v1.2.1综合榜中，Jev 1.13.0也以75.3分
排名第一
。
我火速把访谈内容整理了出来，重点笔记如下：
现在整个行业都在卷速度、拼成本，反倒把可靠性给弄丢了；但
可靠性才是一款产品真正的灵魂
，也是大家敢于托付信任的关键。
我并不仇视OpenAI，
但既然AI能破解千禧年大奖难题，那为什么他们在有经济价值的实际工作上贡献几乎为零？
拉动TFP（全要素生产率）增长，才是衡量AI经济革命真正的标尺，我们的目标就是在五年内拉动3%。
我已经厌倦AI永远站在舞台中央；世界本身就应该更有趣，AI只需要退到幕后，默默提供辅助。
目前的AI编码，本质上仍是围绕单一模型展开的竞争
，只是提供不同档位供用户选择；所以当下各家开源coding agent的能力差距并不大，while循环能实现的能力边界是有限的。
一旦某一家做出独有的杀手级场景，所有人都会蜂拥而至，而开源项目则可以快速复刻这套能力。
就算给我十亿美元（约71.3亿元），我也不会选择从零开始预训练大模型的！因为
预训练实在太·烧·钱·了！
全程高能，大家速看！
AI连难题都能攻克，为什么还干不了多少实际工作？
主持人（swyx）：
Jev爆火之后，你感觉如何？
Diogo Almeida：
说实话，我觉得自己已经被榨干了，每天只剩一副筋疲力尽的躯壳四处飘荡。
事情铺天盖地砸过来，而我是技术出身的CEO，所以每天需要到处救火。
这几年我一直在讲，
整个AI行业就像游乐园里的镜子屋
；大家都有点脱离现实，说着很多逻辑根本对不上的话。
但就在这周，整个行业终于被拉回了现实。
大家开始意识到AI比之前想象得强大得多，由AI驱动经济变革，也再次成了行业认真讨论的议题。
我经常在演讲里抛出一个问题，即
“AI已经聪明到足以挑战千禧年大奖难题，为什么还是没法自动化大量最基础的工作？”
这些工作的门槛不高，也没什么职业成就感，人类本来可以去做更有意思的事，但现在仍然被困在这些重复、枯燥的任务里。
根本原因就是我们还没法把它们自动化。
就好比我们手里有一台动力强悍的自动化引擎，却找不到合适的接口，接不进真正有商业价值的业务场景。
主持人：
有道理，行业里还有很多全新的模型范式等着我们去探索，应该百花齐放。
Diogo Almeida：
我觉得早期互联网那种蓬勃的活力回来了，技术乌托邦的浪潮也回来了。
不再是coding agent时灵时不灵、顶尖能力全被锁在大厂内部的那一套，
现在，每个人又都有机会参与创造了。
但这会是一片狂野的新大陆，请大家系好安全带。
主持人：
能不能分享一些可以对外披露的数据，比如注册量之类的指标？
Diogo Almeida：我们的日处理量已经突破一万亿token
，而且不是昙花一现的峰值，夜间流量也在持续走高。
这说明大量调用来自机器自动化，不只是普通用户尝鲜。
目前日吞吐一万亿token的这个规模也相当可观，能做到这个数字让我感到非常振奋。
而注册量对我来说其实就没那么重要了。
坦白讲，这算是我们踩过的一个小坑；推特上有人调侃我们是营销天才，但我们几乎没有市场团队，所谓“营销”，也只是带着一股直白、略显笨拙的劲儿，持续向候补名单上的用户开放注册。
但我们之前没意识对开发者平台来说，等待名单和注册用户量的参考价值有限；
很大一部分注册用户根本不是开发者，只是进来随便跑几条查询，然后用完后疑惑：“这是什么？它又不是聊天机器人，我的ChatGPT才是。”然后就走了。
我觉得和重度开发者写一段循环批量调用相比，这些注册用户几乎可以忽略不计，因为真正创造价值的是前者。
真正棘手的是调用速率限制（rate-limit）。一旦用户真正从模型里拿到业务价值，就会需要更大的调用配额。
软件系统本来就是这样搭起来的。
你前期投入成本搭建链路，当链路产出的价值超过搭建成本时，你就可以把这套逻辑放到后台持续运行，作为其他系统的依赖，再在上面搭更高层的应用，创造海量现实价值。
早期互联网从业者恐怕很难想象，2000年初的互联网能迸发出多大的能量。
许多颠覆性创新，正是因为不同能力可以自由组合才得以出现。
主持人：
你们让我印象很深的一点是，你反复强调可靠性。
我原本以为你们重点聊的是校准，也就是LCD，但实际上你们同样关注服务可用性和可扩展性。
Diogo Almeida：
这些都很重要。
因为可靠性不只是服务稳定运行，也包括模型输出是否智能、结果是否稳定、是否符合预期。
推理类的大模型确实够聪明，但可靠性依旧有很大短板。
从许多场景的实际需求来看，模型完全有能力把工作自动化，商业上也有强烈的落地动机，但就是做不到，根源在于
模型的优化目标不一样。
可靠性分两层。
一层是
你能否信任模型的输出结果
；
一层是
能否从更多维度保证模型可靠
。
我们虽然还暂时没走到第二层，但我对此满怀期待。
通常来说，我们应该先自动化简单工作，再攻克复杂任务。
但我的目标一直都是：
开发者不用反复试错，就能确信模型一定能把任务完成。
这就像编程时的心流状态，
我写查询指令，只是因为这里需要。
对于不需要复杂分支判断的环节，直接调用TypeSafe的
System-One（机器原生、可编程的决策内核）
查询直接拿结果，由模型可靠地完成分支逻辑。这就是我们的理想，也是一条漫长而艰难的路。
我的愿景是让软件工程被AI充分赋能，而我最不愿看到的悲剧就是AI明明能力很强，但实际落地使用率却极低。
这件事让我很难平静…我不信奉盲目的技术乐观主义，也不认为所有技术天然向善。
我觉得当下AI的现状是对技术潜力的巨大浪费；
我只想让这些尚未释放的技术潜力真正为人所用。
主持人：
你觉得最难的部分已经结束了吗？
Diogo Almeida：
我不认为最难的部分已经结束，未来还会有更多严峻挑战。
如果各类工作顺利实现自动化，GDP显著增长，到处一片狂欢，那或许意味着难关已过，但我并不这么乐观。
现在整个行业都在卷速度、拼成本，反倒把“可靠性”给弄丢了；但说到底，可靠性才是一款产品真正的灵魂，也是我们敢于托付信任的关键。
主持人：
你们提出过五年内拉动TFP（全要素生产率）增长3%？
Diogo Almeida：
没错，
我从来没见过哪家实验室把TFP当成目标，但这才是AI经济革命真正的衡量标尺。
这一点其实和OpenAI最初的宪章内核高度契合，只是如今他们不断改写定义，目标逐渐转向追求千亿美元级别的利润。
我并不仇视OpenAI，只是“AI”这个词本身至今没有清晰定义。
OpenAI最初的愿景也是承担世界上绝大多数有经济价值的工作，那为什么直到现在，他们的AI能破解千禧年大奖难题，但在有经济价值的实际工作上贡献几乎为零？
我认为目前几乎所有模型，真正创造的商业价值几乎都还接近于零。
或许已经有微弱起步，但我判断还不到1%。
真正的变革到来时，宏观经济统计数据（如GDP）一定会体现出这一点，那将会是无比激动人心的时刻。
我觉得AI不会带来大规模失业，但会推动社会完成一系列良性转型，让整个世界变得更好。
另外，
我已经厌倦AI永远站在舞台中央；世界本身就应该更有趣，AI只需要退到幕后，默默提供辅助。
主持人：
从历史背景看来。2019年，SaaS软件创造了巨大的价值。
2026年，AI的能力突飞猛进，但绝大多数软件几乎还是老样子，只是额外外挂了一个聊天框，勉强能用，但好像却没人敢把业务关键决策交给AI，因为输出结果不可信。
Diogo Almeida：
我觉得“AI会把SaaS搞垮”这种说法实在很离谱。
我倒觉得未来发生的或许不是SaaS末日，反而是SaaS被AI全面改造
——SaaS软件会被AI全面赋能。
目前巨大的商业价值，正在倒逼SaaS与AI深度融合。而最懂业务痛点的SaaS厂商，才是这场自动化革命的真正主角，一个前所未有的创新狂潮即将到来！
主持人：
现在大家啥活儿都往Jev上扔，结果有的翻车有的封神，你怎么看这种情况？
Diogo Almeida：
我觉得大家拿它来尝试各种五花八门的任务，这件事本身挺有意思。
坦白说，这是一个经验问题，就像缩放定律scaling law也来自经验总结。
为什么机器人领域砸了巨额资金，进展依旧有限？
我不认为单纯是钱投得不够，有可能是客观经验证明，这条路现阶段就是走不通。
根据经验，预训练大模型这种高度压缩的智能集合体，本质上属于System-One思考者。而System-One是最适合描述LLM擅长能力的标签。
现在，RLVR在System-Two深度推理方向取得了惊人进展，我由衷敬佩这项工作。
RLVR确实非常酷，但我不认为它会引发AI末日——虽然RLVR确实把模型推理能力推到了极限，概率不可能绝对为零，但模型在这个方向依旧极度脆弱。
回想ChatGPT刚问世时，大家惊叹模型通用性极强，却吐槽它不擅长数学，搞不定GSM8K小学数学数据集。
而如今谈RLVR，大家又感慨它脆弱、处处是坑，疑惑它为什么能完成部分高难度任务。
数学问题的难点并不是简单几个尖峰，而是呈现分形式的复杂分布，这正是RLVR带来的现实。
不同技术路线有不同的北极星目标。RLHF的优化目标是取悦人类，核心是人类反馈；而RLVR面向基准评测benchmark做优化，所有RLVR任务本质上都可以归为可程序化验证、输出简洁的基准测试任务；
而我们的RLCD（以程序闭环验证为目标的强化学习），目标则是让模型在编程场景下足够可靠。
主持人：
你觉得技术人员们可以重点关注哪些方向？
Diogo Almeida：
我觉得demo固然亮眼，但
coding agent
也是一大核心场景。我们很早就基于第一性原理，划分出几大类核心应用场景：
第一类是
暗数据（Dark-Data）
：大量企业囤着海量数据，却不敢随便投入算力分析，因为成本太高；企业对这块需求极其狂热，成堆的数据等着解析，这简直是数据科学家理想的场景。
第二类就是
coding agent
。以上两块会成为主要现金牛，本身数据体量足够庞大。
第三类是
实时场景
，需要模型参与业务闭环。企业CTO、CEO都很清楚，延迟每削减10毫秒，产品体验就会明显提升，这在电商、智能助手领域尤其明显。
第四类我个人格外看好
游戏领域
。
第五类是
智能软件
；它高度可组合，能够实现过去无法想象的功能。比如用户可以直接把Jev当成编程语言来用，这类项目效果很惊艳。
还有一类是
校验观测场景
：校验所有LLM调用，类似可观测性工具。
顺带分享一个工程技巧——
并行提问的成本很低。
如果你需要处理一份庞大的状态数据，可以先给整条消息打上ID，再针对每一条ID独立发起查询。
而庞大的状态只需要付费加载一次，就可以针对内部每一条信息发起大量问题，这是非常划算的降本思路。
主持人：
我一直觉得System-One/System-Two框架很有价值。因为这意味着每一次高层推理调用都可以搭配一次、十次甚至上百次Jev调用。
Diogo Almeida：
这或许可行，也许我们可以把高层推理调用数量减半，每次配套十次Jev调用，用这样的配比解决过去无法处理的难题。
另外，Computer-Use也偏向实时赛道。要是它的可靠性能够达标，我觉得这个领域会有巨大的发掘空间。
对于coding agent来说，目前Claude Code和Codex虽属第一梯队，但其单一模型体系仅适配自身业务。
目前的AI编码，本质上仍是围绕单一模型展开的竞争，只是提供不同档位供用户选择，所以当下各家开源coding agent能力差距并不大，while循环能实现的能力边界是有限的。
一旦某一家做出独有的杀手级场景，所有人都会蜂拥而至，而开源项目则可以快速复刻这套能力。
我希望与所有产品集成，即便它们可能成为竞品，但作为基础设施提供者，我不该带有偏向性立场。
无论对方是否愿意合作，这都让赛道格局充满变数与趣味。
我们也正整理适配coding agent的设计模式文档，计划后续公开。
这个领域还有无比肥沃的探索空间，如果我不是在创业，我一定会一头扎进去研究coding agent。
Jev要做的，是嵌进软件里的“AI大脑”
Diogo Almeida：ChatGPT最让我欣慰的一点是，它终于能向我父母解释清楚我在做什么了。
但我认为行业需要一种全新的模型。我们称之为System-One模型。
虽然有人叫它“决策模型”，但这不够准确。它的核心定义是“机器原生、大型可编程模型”。
简单说，预训练LLM是做文本补全，RLHF模型是陪人聊天，而我们的模型是给代码用的，输出结果会直接交给程序读取和处理。
我们希望让AI深度融入软件系统，从底层到接口全为编程优化。
而Jev就是我们的第一款System-One模型，它的名字源于“杰文斯悖论”，核心目标是追求极致的性价比。
在可靠性、成本、速度这些指标里，我们也将死磕性价比这一项。
主持人：
你们为什么反对传统的安全对齐，不做输出拒绝？
Diogo Almeida：我不反对安全本身，但传统的安全对齐方式，与开发者的实际的需求并不匹配。
如果你只和它们聊天，那AI说“我无法回答”也只是让人烦躁一会儿；
但如果把模型当后台依赖，它随机拒绝就是一个严重的Bug。
因为业务软件不能因为一条奇怪输入就崩溃，这完全不可理喻。
这套对齐思路来自不懂软件开发的人，他们沉迷于“AI同事”的浪漫想象，却没挖掘AI作为工具的真正潜力。
主持人：
所以你想要做的是一个随处可嵌入的认知内核？
Diogo Almeida：
没错。它既要足够通用，也要能适配各种创新场景。
这里要区分两个概念：
Safety Alignment（安全对齐）
对ChatGPT这类C端聊天产品是合理的；
但开发者需要的是
Capability Alignment（能力对齐）
——让模型按工程师意图完成任务，输出可预测，减少调试成本。
Jev离完美还远，可靠性也还有很多个坎要爬过，我的终极理想是希望它像数据库查询一样——
让开发者几乎无须额外操心，需要时就能直接调用。
数据库不会审查使用者是谁、拿来做什么，决策权应该交给上层业务。
政府可以通过立法约束，但作为平台，我不会把限制硬编码进模型底层。
主持人：
聊聊API细节吧。你们设计了choice、score、null三个基础原语，null这个名字来自学术文献吗？
Diogo Almeida：
是的，内部为此争论很久。它本质是连续概率，名字源自伯努利分布。有人提议叫pool party，还有人坚持叫meow，最后选了null。
我们必须创造新概念。如果直接叫bool，会带来巨大认知混淆。
这三个原语都不等同于编程语言原生类型，优先追求语义清晰：
Choice
对应枚举上的switch分支，比原生function-call更干净；
Null
对应if条件判断；
Score
对应排序和阈值比较。
主持人：
不怕增加接入门槛吗？为什么不直接兼容现有生态？
Diogo Almeida：
我们当然希望做到兼容，社区其实也已经自发做了大量集成工作。
成功不是非黑即白的，score本身也还有很大的优化空间；文档也在持续快速迭代，以便帮助开发者理解这些新的抽象概念。
主持人：
给评估Jev的开发者一些实战建议吧，置信度在测试中有多关键？
Diogo Almeida：
很多人说Jev没什么新意，但有两件事实被忽略了。
第一，我们证明了这条技术路线走得通；
第二，benchmark依然大幅领先各类复刻版本。
不过我本人不太看重跑分，核心差异在于System-One和所谓的Decision模型，两者是截然不同的范式。
客观情况是Jev的单跳推理是顶尖水平，但多跳推理会随着步数增加单调下滑。我们不搞字符串式的隐式推理，而是专注于挖掘模型已有的内在智能。
System-One其实就是对模型擅长能力的归纳总结。
只要对机器原生任务有利，不低效、不脆弱，任何新的推理形式都可以纳入进来。
主持人：
视觉能力目前还是缺失的模块，它不属于System-One的范畴吗？
Diogo Almeida：
对于是否加入视觉等新能力，我们不预设边界。
行业里其实有个经典矛盾，那就是
究竟应该按用户口头提出的要求做产品
，
还是提供他们真正需要的东西？
我们低调研发了两年后选择押注后者，比如长上下文性能衰减的控制。
我觉得一味迎合用户，产品会走向保姆式思路，反而伤害开发者体验。真正对开发者友好，是把用户当作能独立决策的成年人，而不是强加管控。这个平衡点我们还在摸索。
另外，
基础设施是关键。
光速本身就是物理瓶颈，欧洲服务器不足导致延迟优化不到位，这点我非常遗憾，正在全力招人攻坚。
我们的终极目标不只是做成一家Jev公司，而是交付多种形态的智能内核。System-One就好比智能时代的TCP协议，我的方向是构建智能领域的亚马逊（AWS）。
模型越听话，为什么反而可能越不好用？
主持人：
校准在过去是行业里很少讨论的话题。
Hugging Face的Clémentine Fourrier观点和你对RLHF的批判高度相似，即模型习惯输出人类最爱听、概率最高的答案，而不是输出自己真实的判断。
Diogo Almeida：
我可以再往深一层拆解。
很多人没注意到RLHF带来的副作用——也就是
mode‑dropping
，这和mode‑collapse模态崩溃其实是同一个现象。
（即模型为了看起来不出错，主动放弃了对那些虽然真实但罕见/复杂的情况做出正确反应的能力，转而输出一个平庸、安全但错误的万金油答案；副作用是可能导致决策场景灾难性失效。）
杨立昆
有很多判断非常接近真相。
在他那张著名的PPT（LLMs are doomed）里，饼图展示出序列越长、出错概率越高。
这个结论的数学推导看似无懈可击，但现实经验并不支持，这就是理论和现实之间的断裂。
如果采用覆盖完整分布mode‑covering、校准良好的分布，遇到离群样本就不会被过度惩罚，因为分布天然允许一定概率出现异常样本。
而mode‑drop模态丢弃，就像GAN早期的图像生成：模型丢掉少数、小众的模式，只保留最高频的主流输出。
为了保证长文本输出表面上不出错，模型必须变得极度保守。
明显的错误很容易被人类察觉，但细微的、看似合理的偏差却很难识别。这种保守性，对字符串概率分布来说几乎是毁灭性的。
这也是为什么纯字符串模型并不擅长决策任务——
硬把字符串聊天模型套到决策场景里，本身就是一场灾难。
主持人：
你认同杨立昆提出的世界模型JEPA联合嵌入预测方案吗？
Diogo Almeida：我觉得立昆JEPA的研究方向非常精彩，但它还处在早期阶段。
另外，
我想谈谈关于“放缓前沿模型研发”的主张。
很多头部实验室联合签署声明，呼吁放缓前沿模型研发。
这背后的逻辑链条看似自洽，但底层前提是可以被替换的。
RLVR并不是简单的可验证奖励。早在推理革命之前，这条路线就已经失败过了。
回看历史，post‑training后训练最早包含三类截然不同的工作，指令遵循instruction‑following在一开始并不被看好。
很多资源投给了cogen团队，他们尝试用单元测试做RL，但这条路走不通，因为需要深度推理的潜变量参与其中。
关于前沿研发节奏的讨论，行业的视角过于狭隘，默认所有人都必须加码RLVR。对我们的模型路线而言，最合适的RLVR投入就是不投入。
部分实验室存在一种责任错觉——想要变强，就必须不断给模型中间自由发挥的权限。
但这并不是AI变强的唯一道路。
真正该承担责任的是研究者，而不是普通大众
——大众默认大厂已经尽力探索了所有可行路径。
我的目标不是说服头部实验室还有别的路线，而是想唤醒软件工程师们，让大家重新燃起希望，并动手去自动化那些长期以来一直想自动化的业务流程。
我写过一篇尚未对外发布的文章，用来描绘我理想中的AI未来。核心愿景是do‑what‑I‑mean，即
不要机械地照字面指令执行，而是理解使用者的真实意图
。Computer‑Use演示，就是朝这个方向的一次尝试。
至于智能无处不在的宏大愿景，我不愿过度承诺——当下还远远没有实现，但我们会竭尽全力朝它奔赴。
多模态也需要辩证看待。有些模态能增益能力，有些反而会带来损害。
语音领域甚至出现了行业性的撤退，泛化能力受限。
这些都是需要验证的经验问题。
缩放定律scaling law也不等于无脑砸钱，它只是描述投入资源与性能提升之间的关系。
因为即便无限投入资源，部分能力依旧可能无法达成。
比如Computer‑Use至今没有被彻底解决，无论投入多少数据，都可能需要全新的方法论。
预训练和后训练也存在着巨大区别。
我痛恨把智能人为割裂开来，而聊天优先、字符串推理的范式，本质上就是在强行扭曲智能。
幻觉、过度自信、输出大量华丽Emoji的长回复，全都来自字符串输出范式本身。
为了让文本输出不明显脱轨，模型不得不去校准失准、模态丢失和过度自信，这反而会彻底扭曲概率空间；再加上与推理模型之间的微妙交互，模型还会倾向于作弊、寻找捷径。
主持人：
某种意义上，你也把智能切分成了System‑One与System‑Two，只是切分方式跟别人不一样。
Diogo Almeida：
我们并没有抛弃System‑Two能力。Jev处理System‑Two任务时也会输出有价值的答案，只是伴随很高的不确定性，置信度会显著降低，可以借助启发式算法来提升。
System Two并不是模型能力必然的发展方向。我们拒绝把智能人为割裂开来，就是因为每一次割裂都会直接损伤模型的整体能力。
我不会硬编码身份设定，告诉模型“你是Jev、属于TypeSafe”，这么做同样是在撕裂智能。
API场景下，应当还原互联网真实的知识分布，追求平滑、可预测的智能；
而身份设定，则属于面向终端用户的聊天产品范畴。
TypeSafe另类路线：不卷跑分，不堆算力，让AI真正干活
主持人：
你怎么看待
缩放定律
的价值？
Diogo Almeida：
我这个人想法疯狂，但同时又极度务实。
我觉得缩放定律的价值要分场景看：
它告诉我们资源投入会带来收益，但往往是资源投入呈指数级增长，性能提升却低于线性增长。
除非这份边际收益价值极高，否则其实在商业上并不划算。
我反而觉得重点是
在现有的底座之上，我们还能挖掘出多大价值
。
主持人：听说你不大喜欢做benchmark评测
本文来源：量子位