从 InstructGPT 到 Jev：ChatGPT 之后是什么 — Diogo Almeida，TypeSafe 联合创始人兼 CEO

摘要

• Diogo Almeida 发布 Jev，押注一种新的模型类别——“System One”或“large programmable”模型，让“代码成为消费者”，而不是让聊天成为终点。 它不同于 RLHF（“取悦人类”）或 RLVR（“优化基准测试”）；TypeSafe 称自己的任务为 RLCD，目标是提升模型用于程序化调用时的可靠性，以及单位美元对应的智能前沿，这也是 Jevons paradox 的由来。在他的框架里，这是 LLM 的第2次到第3次重大 North Star 转向：“RLVR 在我看来是 0.2，而且我觉得这已经算慷慨了。”
• Jev 的采用是真实的，而不是游客式流量：上线不到1周，日处理量就超过 1万亿 tokens，“即使在夜里……也一直在运转”，说明调用者是机器。 对开发者平台而言，等待名单数量“无关紧要”；稀缺资源是速率限制，因为软件允许用户一次性指定机械性任务，再让它在后台持续运行。上线前收入几乎为零，超过一半测试者“完全没看懂”，这也挑战了正统的产品市场匹配判断。
• 他的 mode dropping 论证解释了，为什么针对长字符串的错误直觉不能直接套用到经过 RLHF 塑造的模型上。 经过校准、覆盖多种模式的模型会保留离群结果；类似 GAN 的 mode dropping 则会删除少数输出，在可见错误受到重罚时让生成变得保守。这或许能保住长字符串，却让字符串模型成为糟糕的决策引擎。对此，他把校准、置信度阈值以及 choice/score/null 等类型化输出视为产品层面的回应。
• 他强烈反对把公开基准和演示作为主要证据，但并不反对测量本身。 他更认可的路径是：“先靠感觉和信任，直到把它放进工作流，再针对该工作流进行评估。” TypeSafe 保留内部评测，但把“不去投机取巧”视为顶层优先级。即便这曾经损害融资，他也坚持：“没人相信我们……我们有原则。我们会坚持自己的立场。”
• 在他看来，API 中的安全对齐属于类型错误，但他并不反对安全这一原则。 依赖项中的拒答可能让软件随机失败。安全对齐或许适合 ChatGPT 这类第一方产品；在基础设施层，他把智能比作数据库，认为不应把终端使用限制写进技术层，因为那会割裂通用能力。
• 他的 coding agent 判断是：现有头部 agent 建立在单模型世界之上，而开放 agent 可以试验多模型设计。 他下一步的研究方向是打造“摆脱 KV cache 暴政的 coding agents”：带标签的子任务树、并行 agent 之间共享状态，以及低成本查询历史上下文，而不是把持续学习当成一个独立问题。
• 他的宏观判断非常明确：“5年内 TFP 增长率：3%。” 他认为，尽管模型已经能解决困难的数学问题，但目前在具有经济价值的工作中的自动化占比仍大致为零，并预测会出现一场 SaaS 被全面增强的“逆 SaaSpocalypse”，而不是大规模失业。他承诺部署后的模型不会被静默替换，但没有做出普遍的长期支持承诺；可能的模型规模、LTS 以及其他机器原生智能形态仍在考虑中。
• 他同时否定“跟上前沿”的共识，以及很大一部分 neo-lab 浪潮。 在他看来，所谓 pacing 的论证默认所有人都必须在不受限的行动空间里继续做更多 RLVR；而对 Jev 这种形态而言，“最优的量就是零”。他认为大多数 neo-lab 都很弱，除非拥有真正的 North Star 任务；但对确实找到 North Star 的研究者，他建议继续追下去。

精读

1. 上线周：情绪“从未如此糟糕”，却从未如此贴近现实

• Jev 占据时间线后，Diogo 的状态是：“我现在就是一个衣衫褴褛的人的尸体”，但在精神上得到了验证——“整个 AI 行业就像嘉年华里的哈哈镜屋，每个人都疯了……至少这一周，我和现实的同步程度更高了。”他的核心判断是：“基于 AI 的经济革命重新回到了议程上。”
• 他有意把 Discord Town Hall 放在 VIP 投资人会面之前；当时服务器约有10万人。“在我那张巨大的日程表里，如果社区不是其中一项，我会觉得很脏。”他甚至考虑过一边走去录音室，一边主持 Town Hall。
• swyx 提到 Twitter 上有3个话题正在上热榜，Diogo 随后发现自己看到的是个性化信息流，尴尬地说：“我是个新手。”

2. Jev 是什么：让代码成为消费者的 System One 模型

• 用他的话说，这是一个新的模型类别——“machine-native、System One、large programmable”，不同于预训练 LLM（“互联网的自动补全”）、RLHF 聊天机器人和 RLVR。“目标是让代码成为消费者……让东西直接被代码消费，这也是 type-safe 这个名字的由来。”
• Jev 是这类模型的品牌，目标位于“单位美元智能的前沿”，名字来自 Jevons paradox；发布时强调的取舍包括可靠性、成本、校准和速度。他们没有采用“decision models”这个名称，因为“System One 超越了这个概念”；Diogo 说，他们手里还有更多工作。
• 发布后的一个解脱是：“现在我终于不用再向父母回答那个问题了，因为 ChatGPT 可以直接给他们解释。”

3. mode dropping 如何解释它与 LeCun 悲观曲线的脱节

• Diogo 认为 Yann LeCun 的判断是最接近事实的观点之一，但他用 mode dropping 解释了那张著名曲线所呈现的表面矛盾：随着序列长度增加，错误概率会上升。
• 在经过校准、覆盖多种模式的分布中，离群结果是预期之内的；类似 GAN 的 mode dropping 则会丢弃少数类别，只保留常见输出。对于长字符串，显而易见的错误很容易被发现，因此模型会变得极度保守。
• 对他的业务而言，关键在于：这种保守性可以保住长字符串，却会让字符串模型成为糟糕的决策引擎——“这种校准对字符串的概率分布来说是彻头彻尾的毒药。”
• 对 LeCun 提出的 JEPA 修复方案，他采取了务实的保留态度：“早期研究真的很酷。现在实用吗？可能不该这么说。”他坚持认为，自己的品牌“除了不受控制之外，是实用的”。Scaling laws 可能需要指数级更多资源，才能换来通常低于线性的增益；除非这些增益极其有价值，否则看起来就是一笔糟糕的投资。

4. API 中的安全对齐属于类型错误

• Diogo 说自己并不反对安全这一原则，但认为安全对齐通常与用户需求错位。能力对齐——按照用户想要的方式行事——“对软件工程师来说很棒”；安全对齐则是“指令遵循的反面”，因为它遵循的是实验室的限制。对第一方产品可以接受，但“在 API 里，这太离谱了……太反用户了。”
• 具体的失败模式是：Claude Code 拒绝读取 DNA.py——“抱歉，我不能读取 DNA.py”——虽然烦人，但还能继续工作，用户也会因为“斯德哥尔摩综合征”而逐渐容忍。但如果依赖项在后台拒绝，“难道你希望软件仅仅因为用户发了一条奇怪消息，就随机崩掉吗？”
• swyx 追问：“如果我们拿它去杀人怎么办？”Diogo 给出的答案是分层的：他希望人们把它用于好的用途，也会“把拇指压在秤上”推动这些用途，但“我会在技术层这么做吗？绝对不会，因为那会割裂智能。”在他的模型里，智能“更像数据库，而不是同事”：“我们是一个 API……我们不该知道下游用户在做什么。”

5. 基准不如感觉和信任——一种曾让他们融资受挫的立场

• 在预览期因服务条款对基准测试产生误解后——swyx 说团队会删除相关条款，Diogo 则表示自己已经让律师核查——Diogo 解释了他们的立场：智能有“一种不可言传的东西……好模型的气味”，而公开基准“极其、极其容易被投机利用”。
• 他的例子是：一些实验室收集看起来像 MMLU 的数据来提高分数，“这不过是多绕了几步的基准测试”。
• 替代方案是：“先靠感觉和信任，直到把它放进工作流，再针对该工作流进行评估。” TypeSafe 要做的是不断提升“可靠性的几个9”。他们保留内部评测，但“要有很强的纪律，才能不去钻这些评测的空子”；不自欺、诚实面对智能水平是顶层优先级。“我们必须追求真相。”
• 他们把原则的代价当作荣誉：“去年我们融资时，没人相信我们……他们只想看基准，我们说不做。那是在奖励坏人。”这也揭示了质量与时间的取舍：“如果我们愿意，Jev 1年半前就能发布，只要我们不介意它很蠢。”

6. 他们是数据实验室，不是模型实验室；也不会用用户数据训练

• “我们永远会极其重视数据……模型能力就是数据。数据复杂得难以置信，而这正是那些9的来源。”他们正在“无限招数据人才。真的，无限。”
• 所有训练数据都是合成数据，而且是有意如此。现实使用遵循幂律——“你最终会对它过拟合，也会被它割裂”——而他们瞄准的是一个科幻式未来：模型成为通用基础设施，“有点像 LLM 是 UDP，而我们的模型是 TCP”。
• 即便拥有今天的全部数据，也意味着对当下过拟合。他眼中的优秀数据人才更像艺术家，而不是标注员：他们研究认知核心，找到其中的崎岖之处，再针对过去、现在和未来进行手术式修补。“一般情况而非特殊情况”要求每一次都调用智能。

7. RLCD：第3次 North Star 转向，也是他最苦涩的教训

• 他的层级判断大致归于 Suchin：“粗略地说，算法胜过算力。数据显然重要得多。真正做对任务、找到 North Star，则是最难、最重要的事。”在 LLM 领域，任务已经发生了“两次，也许是2.2次”转向：RLHF 负责指令遵循，RLVR 是“一次很小的编辑”，现在则是 RLCD——“让程序进入闭环”。
• 他通过多个历史案例解释，为什么“RLHF”本质上是一个任务，而不是一种算法。他并不完全确定早期后空翻工作的准确归属，随后谈到 OpenAI 的 Learning to Summarize：这是在语言模型上运行 PPO，目标却是一个定义不清的任务。Dario、Alec Radford 和 Ryan 都与相关工作有关。
• “关键不在 PPO，那部分不重要。”North Star 是指令遵循；正如 DPO 及其后继方法即便不使用原始算法，也仍然属于 RLHF。
• 对 swyx 将其总结为可编程 AI、让人类退出闭环这一点，他补充了一个限制：必须保持实用。有些程序化类型可能“强得离谱”，但如果技术还没准备好，暂时无法部署也并不是什么悲剧。

8. Jev 之前的世界是一场悲剧；他担心的 AI 寒冬已经避免

• 他离开 OpenAI 的情绪核心是：“如果 AI 寒冬真的发生，而我没有尽一切他妈的可能去避免它，我会认为自己负有个人责任。”这既是因为他认为 RLHF 方向扩大了过度承诺与实际交付之间的差距，也因为自己没有在这一方向上全力投入。上线后，他改口说：“我担心的 AI 寒冬已经避免了。”
• 他最喜欢的挑衅式问题是：AI 怎么能解决数学中的 Millennium Prize Problems，却仍然无法自动化基础的机械性工作？它是“一台被强化的自动化引擎，只是插头插错了”。
• 他的绝对判断是：如果 Tessl 消失，人们可能需要1-2年才能追上，但“这件事已经完成了，对吧？它改变了技术史的路径。”他也承认自己最初的傲慢：“我以为整个项目一周就能完成……我错得离谱，所以我要向 OpenAI 的所有人道歉。”

9. 数据：日处理1万亿 tokens，以及为什么等待名单不重要

• 他主动披露的里程碑是：“每天1万亿 tokens 已经很多了……这不是短暂的日处理量。即使在夜里也一直在运转，所以你知道调用它的是机器，而不只是人们试用。”
• 他明确否定注册数量：“对开发者平台来说，等待名单数量不重要……如果世界上每个人都只写几个查询，相比一个超级用户用一个不断创造价值的 for loop，这也只是舍入误差。”真正令人担忧的变量是速率限制。
• “营销天才”的说法被他戳破了——“那只是我们自己做的。我们没有营销人员，也正在招聘”——同时他把功劳归给平台团队：“我觉得，在经历史无前例的发布后，我们的 uptime 里有更多的9，甚至超过了 Anthropic。”
• swyx 提到上线视频约有3600万次观看，Diogo 更新为3800万。他将其与 Navio 的7400万次、Fable 5 的5700万次相比，并称 Jev 目前是2026年 Neo Lab 发布中排名第一的项目。Diogo 不接受这个分类：“我根本不在乎自己是不是 neo-lab……我在乎的是成为可靠的开发者平台。”

10. 确定性不是正确的 North Star，稳健性才是

• swyx 问为什么没有 seed 参数。Diogo 将问题重新定义为：“可靠性其实是一个总括概念——每当 AI 无法自动化某件事，原因都是某种形式的可靠性问题。”确定性——相同输入得到相同输出——“对单元测试来说有点意思”，但“不是正确的 North Star”；稳健性——相似输入得到相似输出——才是“人们被 AI 做决策坑到的地方”。
• 他们的测试方式，是向提示词里注入 UUID 或 nonce，然后要求模型对语义相同的问题给出相似答案。
• 如果被证明有价值，他会做确定性模型——“我们活着就是为了取悦用户”——但“那只会让你获得更低的单位美元智能”，而且他怀疑未来很长时间里都会受 GPU 约束。swyx 提醒说，用户仍然会要求确定性。
• 关于 Pareto 前沿，他透露了一个很能说明问题的细节：“为了站在单位美元智能的 Pareto 曲线上，我们做了绝对恶心的事情。”团队还告诉他，不要把结果称为“模型的弗兰肯斯坦怪物”。

11. 版本承诺：绝不静默替换模型，但也不承诺长期支持

• 针对 swyx 对量化的担忧，Diogo 做出了绝对承诺：“我们部署模型后不会再改它们。这太疯狂了。我们在乎开发者。”第一方产品可以改变行为，API 不行。
• 但“我们不承诺长期支持这些模型”，而且会比用户预期更快推出新模型。他举了一个可能的例子：暂时将 Jev 1.13.0 设为 LTS，因为开发者讨厌依赖被破坏；另一种选择是把整个模型集群割裂开来，那会是糟糕结果。
• 他们正在研究更友好于开发者的 LTS 方案，但他没有承诺会无限期维护某个确切模型版本。模型版本应该越来越聪明；当系统从崎岖、局部能力走向广泛能力时，差异会最大。
• 对于是否把 LTS 模型移植到 Cerebras 或 Etched 等其他芯片上，他回答：“无可奉告。”每秒智能是“另一种指标”；100毫秒到1毫秒之间的实时预算可能有价值，但“我不认为那会是 Jev 的专长”。

12. 基础类型：choice、score 和 null（源自 Bernoulli）

• “Null”源自“Bernoulli”，是一种连续的、类似 bool 的概率。被否决的名字包括 PBool 和 Pool——“我们本来想叫它 pool party，但没人允许。”这3种基础类型都是有意创造的新概念：“这些不是编程里原本就存在的类型……score 不是 int。”
• 他认可的映射是：choice 对应 enum 上的 switch statement，null 对应 if statement，score 对应排序或设定阈值。“还会有更多类型，它们会映射到编程原语。”Choice 最接近函数调用，但“函数调用是一个极其恶心的东西。”
• Jev 这个名字在内部遭到相当大的反对。除了 Diogo 的联合创始人之外，所有人都已经道过歉；那位联合创始人希望它叫 Meow。

13. 结构化状态输入，以及作为“恶心全局变量”的 system prompt

• API 中最容易被低估的部分是：状态、指令和标准都可以使用结构化 JSON。“如果你在用模板，把它变成 system message 之类的东西，你是在用旧思路思考……在计算机内部，你应该传递四周都带有语义的嵌套结构。”
• 他对现状的批评是：“System message 就是恶心的全局变量，你把所有东西都塞进去……然后希望每条指令都被准确执行，而不是把问题并行地问出来。”
• 他们想要的设计目标是一种 flow state：人们可以写出类型安全的 System One 查询，得到准确的分支结果，而不必反复测试模型是否真的有效。“这就是梦想。而这会是一场漫长、漫长的苦战。”

14. 如何拆解问题：许多小问题，“没有 ML 的 ML”

• 作为模型最重度的用户，他给出的技巧是：把问题拆成“最小的语义单元”，做到“非常结构化、非常明确”——他喜欢使用反引号——并清楚说明每个引用指的是什么，因为模型应该按字面理解。
• 对拒答问题，不要问“这里应该拒绝吗？”而要围绕具体拒绝条件提出许多独立问题，再设定阈值，并把遗漏的情况加入测试。“通过把那个问题加进去修掉 bug……现在它就永远解决了。”这种拆解让系统变得可测量：“这就像没有 ML 的 ML。”
• swyx 汇报了自己的测试结果：与100次调用相比，一个大提示词更快、更便宜、效果更好。Diogo 的回应是，这种拆解确实不方便，但能生成值得信任、可在后台运行的软件。
• 并行提问的成本很低：“给每条消息都加上 ID，然后针对每个 ID 提一个问题……状态只付费一次。”
• 他主动提出一个保留意见：用这些模型做自动化交易让他“有点害怕”。这是模型目前可能还不够好的高阶任务；置信度估计和升级给人的阈值，可以帮助判断什么时候不该部署。

15. 微调：可能会做，但会很谨慎；模型规模、级联，以及消灭正则表达式

• 对于模型在本地场景中校准错误，他坦率承认：“需要明确的是，它会把很多事情做错。”团队希望每个模型版本都明显更好。微调“可能会进入选项”，但把通用模型收窄，可能改善某个任务的边缘案例，同时损害通用性。
• swyx 说 OpenAI 和 Claude，以及可能还有 Gemini，都曾推出后又撤回微调功能。Diogo 认同自己了解的那些版本确实很差，撤掉它们可能是更好的选择。
• 他正在构想一种科幻式方案——明确强调“不是承诺，只是愿望”：校准加上不同模型规模的级联；有把握的回答提前结束，不确定的回答则升级到更大模型，未来甚至可能在 Pareto 前沿上自动微调。“有没有一种可能，人们以后不再写正则表达式，因为单位美元的智能比正则表达式的复杂度更便宜？”
• Diogo 对不同模型规模持开放态度，因为他无法知道每个用户需要多少智能，但这仍是考虑中的方向，不是确定的发布路线图。
• 他还说，自己喜欢“文化就是一家公司在市场不奖励它时仍然会做什么”这个观点，同时承认自己可能记错了原话。

16. System One 与 System Two 是经验边界，而不是口号

• 当被要求定义边界、因为“人们只是在试图把一切都 Jev 化”时，他拒绝给出绝对理论：“事实是，这是一个经验问题，就像 scaling laws 一样。”他的判断是，预训练形成的智能浓缩物，本质上是 System One 思考者。
• RLVR “为 System Two 做了不可思议的事情”——“我对此肃然起敬”——但由此产生的行为既脆弱又崎岖。ChatGPT 时代的模型被描述为通用；RLVR 模型则被描述为狭窄而脆弱，而“数学不只是尖峰，它是分形的”。
• swyx 分享了上线首日的实测：单跳任务“达到了 SOTA”，但随着跳数增加，多跳任务开始崩塌。Diogo 说，工作重点是挖掘、平滑、雕刻并组合尽可能多的能力。System One 只是对这一范式中当前有效部分的描述。
• Diogo 没有承诺永远不使用基于字符串的推理或其他推理形式。他说，速度更慢、效率更低、更加脆弱的推理形式仍然可以存在；他的坚定承诺是，以机器原生 ROI 作为 North Star。
• 关于视觉能力，在 Doom demo 之后最直观的要求是：“所有方向都在考虑之中。”更难的问题是，用户以为自己想要什么，和他们真正需要什么，可能并不相同。Diogo 带着保留地说，据他所知，Jev 在避免长上下文退化方面遥遥领先，而其他供应商只是把用户要求的长上下文交给了他们。
• 如果产品哲学过度偏向满足用户明确说出的需求，可能会走向“Anthropic 式保姆国家思维”。如何在信任、发布速度和把用户当作成年人之间取得平衡，将是他近期最大的争论之一。

17. 上线前的市场反馈很差：对正统产品市场匹配理论的挑战

• 真实历史是：“反馈相当糟糕……超过一半实际试用的人完全没看懂”；非技术团队成员担心他们“卖的是维生素，而不是止痛药”，上线前收入“几乎为零”。那些真正理解产品的人问的则是如何通过采购流程。
• 然后发布发生了：“它爆了，所有人都在说，我们需要尽可能多的速率限制。能不能真的给你们 GPU？”他的结论是：“我确实想质疑一下产品市场匹配这个概念。”推动增长的不只是营销，而是“灵魂基本以同一频率共振的热情开发者”。
• 他的忠诚回应，是探索推出“对开发者比对企业更友好”的产品。他染了头发，用垃圾袋做 Town Hall，因为“在公司最重要的时刻，如果不继续和他们交流，我会觉得很脏”。他要求社区监督自己，如果改变了这点，就拿出干草叉来。

18. 使用场景地图：暗数据、实时应用、验证一切、智能软件，以及意外出现的 computer use

• 他们在发布前从第一性原理出发梳理出的场景包括：“暗数据”——企业囤积了大量数据，却因为成本过高而一直不敢用 LLM 分析——以及作为主要收入来源的 coding agents；实时和助手类应用；“验证一切”，即以类似 observability 的方式检查 LLM 调用；还有天然可组合的“智能软件”，包括一个 programming-language-as-Jev 项目。
• Computer use 是“从左侧突然飞出来”的场景。swyx 展示了一个由语音驱动的 demo，涉及 Notes、Arc、x.com 和 Photo Booth，并用 Jev 作为决策模型。Diogo 的态度既兴奋又谨慎：“正如我反对为基准刷分，我也反对 demo 驱动。我想确保它能可靠工作。”但他仍称其“酷得他妈的离谱”，并希望它最终支持免手操作电脑。
• 社区用户做出的东西“有点比我们的更酷……如果那是我们的 demo，天哪”。他们的 cookbook“不是 AI 生成的垃圾”，而是受到真实客户问题启发，包含可实际使用的技术。

19. Coding agents：单模型 incumbent 的困境，以及摆脱 KV cache

• Diogo 认为讨论中的 incumbent agents——Claude Code 和 Codex——很可能排名第一和第二，但明确表示自己并不完全确定。他说，这些产品建立在单模型世界之上，而开放式 coding agents 正在试验多模型设计。
• 由于开放式 agent 大致已经达到同等水平——“while loop 能做的事情没那么多”——第一个杀手级多模型模式可能会在它们之间迅速传播。他不确定单模型 incumbent 会如何应对。
• 他的研究议程来自文章《KV Cache Rules Everything Around Me》：cache 会把 agent 锁定在单一模型上，并鼓励不断追加内容，这与状态管理、抽象和拆解相冲突。它有助于解释为什么路由困难、为什么 sub-agent 经常失败，以及为什么压缩很难。
• 摆脱这一约束后，可以采用带标签的子任务层级，以搜索相关上下文；让并行 sub-agent 读取彼此的状态，使用智能锁而不是“基础得要命的”锁；并以低成本查询历史上下文。“每次都从头开始，还要解决一个叫持续学习的问题，这不是有点奇怪吗？其实那是一个内存管理问题。”
• swyx 提到了 Prime Agent 和 recursive-language-model 研究，认为它们属于相邻方向。

20. 宏观判断：3% TFP 增长、当下零自动化，以及逆 SaaSpocalypse

• swyx 指出宣言中的一句话——“5年内 TFP 增长率：3%”——在各家实验室中很不寻常。Diogo 说，这正是经济革命的含义，并把它与 OpenAI 宪章曾经代表的方向联系起来。
• 他的评分是：“现在所有模型大致都并列为零”，也就是在具有经济价值的工作中的自动化占比约为0%，不过这一过程可能已经开始。一旦真正的自动化发生，“它会出现在经济统计数据里”。他认为这不会导致大规模失业。
• 软件停滞的谜题是：“AI 明明这么他妈的强，为什么软件基本上和2019年完全一样，除了有时候旁边多了一个聊天框？”这些系统还不能被信任去执行企业需要承担后果的决策。
• 因此会出现“逆 SaaSpocalypse”：SaaS 将被全面增强，因为 incumbent software 公司知道哪些工作值得自动化。
• 他更喜欢 AI 融入背景：“我真的厌倦了 AI 总是充当前景角色……世界应该只是变得更令人愉悦，而 AI 帮忙实现这一点。”他希望整个软件世界都能做到“理解我的意思”。

21. “跟上前沿”是建立在 RLVR 单一文化上的偷换概念

• 他反驳前沿实验室的 pacing 文件，称其默认所有人都需要在宽泛行动空间里继续做更多 RLVR。他认为沙盒问题本可以被解决，但实验室选择了更强的模型能力，而不是优先解决这些约束。既然做出了这些选择，接下来当然会得出“是的，各位，我们正在走向危险世界”的结论，但这个前提并非没有替代方案。
• “我显然不认为我们需要在自己的模型上做更多 RLVR。我认为，对我们的形态而言，最优的量就是零。”
• 谁该负责？“唯一应该负责的是研究人员。”他说，公众合理地以为 OpenAI 和 Anthropic 已经在尽最大努力，却看不到还有其他可选方向。
• 当 swyx 说 pacing 主要是政治定位，包括围绕2028年大选的定位时，Diogo 受到很大冲击：“我真希望自己没听到这句话……这让我对人类有点失去信心。”他用 COVID 作类比：过度自信地诉诸权威，导致了次优回应和糟糕的后续影响。“即便是为了更大的善而误导人，我也不喜欢。”

22. 起源故事：从 InstructGPT 和文案垃圾，到“算了，兄弟，我们干就完了”

• 他曾努力推动 InstructGPT 上线。早期版本采用了他编写的一种尚未发表的算法，因为清洗 PPO 数据太慢；它“基本上立刻拿下了当时 LLM 市场50%的份额”。
• 随后却令人失望：它主要被用于文案写作——Jasper AI、Copy.ai，以及如今所谓的 slop——“我们担心自己让互联网变得更糟”。他认为，每个人都应该能够解释，为什么超越人类的指令遵循能力还不是 AGI。
• 这最终转化为 TypeSafe 的起点：从 AI 经济革命倒推——“如果 AI 是一个 API，我们会把这个 AI 称作什么？人类还是代码？我觉得会有很多个9属于代码。但所有优化都在服务人类这一边。”Sam 看完他的文档后说：“这太他妈好了。你应该去做这个。”
• 他原以为 Anthropic 一定已经在做同样的方向；随后他把 ChatGPT 描述为一个没有发布的内部 Claude 产品的复制品。swyx 补充说，推理能力可能是“较早出现的”，Diogo 则回应称，产品问题仍有争议，但研究质量毋庸置疑。
• 创业冲刺从他先给 Eric 打电话开始；当时甚至没有在招 Sasha，她却说“我加入”，并把自己的创业公司并入其中。“2周之内，我们拿到了资金，大家搬进我的公寓——这糟透了，因为我是洁癖。”
• swyx 把 OpenAI 感恩节期间的 GPU 运行与那段政变时期联系起来；Diogo 起初说不确定，随后想起那场政变很烦人，并答应之后再谈。他对自己的评价是：“我把自己描述成0%创业者……我无法想象有人会把这件事做两次。老实说，做一次都已经够糟了。”

23. 给受挫实验室研究者的建议、招聘，以及智能领域的 AWS

• 别人是否应该效仿他？“大多数 neo-lab 都很烂……他们往往只是想要钱来摆弄自己的实验。”他更深层的异端观点是：他并不看重研究履历本身；他看重的是能找到正确 North Star 任务并追到底的人。他仍然认为研究人员不可或缺。
• 如果有人真正找到了 North Star 任务：“绝对应该，拜托了。请打破这个蜂巢思维。”如果一个人主要只是想玩研究，他认为成熟实验室可能更适合。关于资本配置，他仍坚持：“如果给我10亿美元，我不会预训练……Frankensteining 不是最优雅、最漂亮的东西，但它能解决问题，宝贝。”
• 他抛给其他人的任务包括智能游戏——例如在类似 Stardew Valley 的游戏中，为 NPC 构建简单状态机——以及摆脱 KV cache 的 coding agents。他还说，不会把 Jev 的身份写进模型：“我不会把‘你是 TypeSafe 的 Jev’写进模型。那会割裂它……去代表互联网认为的东西。要正确。”
• 招聘重点包括“无限”数据人才，并把他们重新命名为模型能力人才，以获得更高地位；平台工程师；一名创始营销人员；以及能够推出决策之外的新型机器原生智能形态的人。
• 他说光速是一个瓶颈，并对欧洲用户目前只快了3倍、而不是100倍感到不满，因为那里还没有服务器。
• 他想要的终局是“智能领域的 AWS”。他说，声称这一定会由 TypeSafe 实现会很傲慢，但自己会尽一切所能推动它发生。System One 是“其中的 TCP”，而他喜欢 swyx 早先说过的一句话：“在上帝之上构建产品。”还有更多层次和模型形态等待探索。