旧金山 AIE CODE 2026 主会场，Diogo Almeida 开讲《I Love You So Jevving Much》。Will 现场拍摄，下同。
11 月 11 日，AI Engineer Code Summit（AIE CODE 2026）第二天下午，主会场整段给了 System One 判断模型。开场的是 Typesafe 联合创始人兼 CEO Diogo Almeida，讲题是《I Love You So Jevving Much》。Jev 是 Typesafe 做的模型，只做判断，不做生成。他讲完，Glean、UiPath、ZoomInfo 三家客户接着上台讲接入 Jev 之后的数字，Workday 也讲了用它做的东西。
结论先说：今天的大模型能解千禧年数学难题，却做不了会计，原因不在聪明不够，而在不可靠。RLHF 把人放进了回路，所有大模型都被优化成了「助手」；要让 AI 在后台自动跑，就得换一个训练任务，做「每次都对」的窄模型。 这话出自一个参与创造了 ChatGPT 和 RLHF 的人。
整场是从第一性原理往下推的：先问 AI 为什么一边超人、一边没用，再问该优化什么任务，最后问软件该长成什么样。
三点：
- AI 为什么「参差不齐」：擅长的都是人在回路的任务，让人满意就行；做不好的是自动化任务，要的是每次决策都对。
- Jev 的卖点是可靠：不是速度、成本，甚至不是接口。他说团队劝他别公开讲，他还是讲了。
- 软件不会被 AI 吃掉，会更强：AI 是软件的「第四种语义逻辑门」，他号召大家去做「软件研究」。
他是谁
Diogo Almeida，X 上叫 CompleteSkeptic，自我介绍是「Jev 那个人」。他在 OpenAI 做过研究员，台上说自己参与创造了 ChatGPT、RLHF 和 InstructGPT。X 简介里他写的是「在 OpenAI 参与创造了 RLHF 和 ChatGPT，现在想把错的改过来」。他还说，自己是少有的「做了 ChatGPT、又吐槽 ChatGPT」的人：不是讨厌它，他爱用 agent、爱用聊天机器人，只是它们很有限。
「我和 ChatGPT 的关系」：一边是做出 ChatGPT 的 OpenAI，一边是吐槽 ChatGPT 的 Yann LeCun、Gary Marcus，他站在中间。直播截图。
2024 年，他和 CTO Erik Gafni、COO Sasha Sheng 创办 Typesafe，在隐身状态下做了两年。今年 9 月 15 日公司亮相，同时发布 Jev，种子轮 4,000 万美元，DCVC 领投。他在 X 上的发布帖开头是：「参与发明 ChatGPT 之后，我一直在问自己：为什么超越人类的聊天模型没有带来 AGI？」帖子里给的数字是比大模型快 20–200 倍、便宜 40–400 倍、输出 token 免费，训练方法他们叫 RLCD，全称是「为校准决策做的强化学习」。这条帖子有约 4,000 万次浏览、7.6 万个赞。
Jev 的用法是：开发者把可能的输出先列出来，比如几个选项、一个分数、一组是非题，Jev 一次给出结构化的答案和每个选项的概率。它不写邮件，不写代码，也不聊天。
他画的研究路线图：预训练之后，一支走 RLHF（ChatGPT、Claude）再到 RLVR（推理模型），Typesafe 走的是另一支 RLCD。
一、AI 为什么一边超人、一边没用
他开场就说，要把这件事「一直喊到所有人都明白为止」：如果你做 AI，你应该能说清楚，为什么 AI 能做那么多了不起的事，同时在另一些事上那么没用。
他说业内有两派。一派看基准测试：大模型几乎在所有基准上超过人类，已经两年了，「AGI 三个月后到」也喊了两年。另一派看现实：走出旧金山，世界上很多地方几乎没变。两派看的是同一批事实。
他给的反差是：AI 能做千禧年大奖难题级别的数学，却连会计都碰不了，「后者听起来容易多了吧？我能做会计，千禧年难题我肯定做不了，我当年还是数学竞赛选手。」每年还有一个出名的失败案例：AI 连快餐店的得来速点单都自动化不了。
「今天的 AI 前沿是参差不齐的」：看起来难度相同的任务，有的 AI 轻松做到，有的做不到。
左边「好到不真实」：指令遵循、ChatGPT、编码 agent、深度研究；右边「差到没法用」：客服、得来速、会计报税、质检、保险、数据录入，以及「一切需要可靠的事」。
他的解释是：擅长的那一边，本质上都是人在回路的任务。 深度研究他自己做不过模型；但要是逼你在他和深度研究之间选一个，答案必须对，不是写得好看，你多半每次都选他。前一种是让人满意，后一种是自动化。自动化看起来更简单，AI 却一直做不好。
原因他说得很直接：RLHF 是问题的一部分。RLHF 里的 HF 就是人类反馈，是我们亲手把人放进去的。
他明白其中的讽刺——RLHF 是他参与创造的。他的总结是：
- 今天 100% 的大模型都是为「助手」优化的。有人会提 RLVR（可验证奖励的强化学习），但没经过 RLHF 的 RLVR 模型很难用。
- 结果是大模型做助手好到不真实，「你的 ChatGPT 问题永远不该来问我」。
- 但放到后台去做认知工作，完全不该信大模型，因为它们从没为这件事优化过。
他还判断，自动化比助手值钱得多，而现在只是刚碰到表面。
100% 的大模型为助手优化（RLHF），0% 为自动化优化；他猜自动化的钱比助手多。
二、「更苦的教训」：选对任务
他借了 Rich Sutton 的「苦涩的教训」：规模和算力比算法重要。他说还有更苦的一层：数据永远比算力重要。 最苦的一层是选对任务——「这一页你们该拍下来」。
算法 < 算力 < 数据 < 选对任务。
他的理由是：机器学习的人喜欢算法，喜欢让某个数往好的方向走，不爱想现实世界；但性能的巨大飞跃，100% 来自选对任务。
- 下棋这类强化学习，规则就定义了任务，数据靠算力推演出来，所以 Sutton 才得出那个教训。
- 预训练这边，业内花了很久才想明白：BERT 的掩码语言建模不如下一个 token 预测，不是因为后者在掩码任务上更好，而是它能生成字符串。就算给掩码模型今天的算力和算法，也做不出 GPT-3 那样的东西，因为任务不一样。
- RLHF 也是这样。他引的是 InstructGPT 论文里的结果：有了那份数据，哪怕算法最笨、模型只有 GPT-2 大小，在指令遵循上的表现，要 GPT-7 到 GPT-9 级别的预训练模型才追得上。他特意说，这里的 GPT 代数按老口径算：每一代代表约 100 倍的有效预训练算力。
这页标注自 InstructGPT 论文的图：选对任务的 13 亿参数模型，压过选错任务的 1,750 亿参数 GPT-3。
「剧透一下，Jev 就是这么做的。」 他说他们能做出别人没预料到的跳跃，是因为优化的是一个很少有人想到的任务。
三、卖点只有一个：可靠
「你优化什么，就得到什么。」 他说他还在找比「可靠」更好的词，但大模型缺的就是这种可靠的智能：
你 95% 的时候得到爱因斯坦，5% 的时候得到憨豆先生。如果分不出哪次是哪次，你怎么自动化任何东西？
他的思路是反过来：不追求偶尔很聪明、事后再去验证，而是极度收窄，换来每次都拿得到那份聪明。这在基准测试上看不出来，但他说这就是大家喜欢 Jev 的原因。
「Jev 的秘密：可靠的智能」。最后一行写着：不是速度、成本、接口。右边是他们的 T 恤，「jev ne sais quois」。
他回头看 Jev 发布后的反响：他们没准备过「开发者的 ChatGPT 时刻」，结果发生了，因为 AI 圈「承诺过高、交付不足」太严重，一个真不这样的模型反而让人意外。
接着他说了一句不太像 CEO 会说的话：卖点不是速度、成本，甚至不是接口，是可靠的智能。我团队跟我说，这个不该告诉大家，好保住长期优势，但我太在乎了。请大家都去做好模型，哪怕不是用我们的。
四、软件会回来：AI 是第四种逻辑门
关于「SaaS 末日」，他的判断是不会发生，叫它「SaaS 狂欢节」都低估了。
「Jev 对世界意味着什么」：为自动化而做、可编程、在后台跑、给开发者用的 AI；软件「完了」→「回来了」；SaaS 末日 → SaaS 狂欢节；软件工程师从「永久底层」到黄金时代，回到早期互联网的劲头。直播截图。
他觉得奇怪的是：AI 这么有变革性，过去十年软件却几乎没变，只是写起来更便宜了。软件里最好的 AI 用法，还是旁边挂一个聊天机器人，偶尔和软件交互，却不能替你做有代价的决定。问题在于大家太关注编码 agent，没把智能放进软件的内循环
。
他说这是他今天的「AIE 秘密」：这个领域 Jev 得还不够狠。 世界还有「大模型斯德哥尔摩综合症」，还在从大模型的思路出发想软件，很多点子只是拿大模型替换掉原来的东西，而不是重新想软件。
他把软件分成三种：传统软件是写死的流程；「即时软件」是什么都让一个大模型临时去想，大脑累得满头汗；他要的是「聪明软件」，流程还是代码，在需要判断的分支上放一个小判断。
传统软件、即时软件、聪明软件。
他用蓝光 LED 打比方：红光、绿光 LED 只能做指示灯和时钟；有了蓝光，三色一组合，才有白光照明和今天的显示屏，带来的远不止多 50% 的用途。
蓝光 LED 是「缺的那一块」：有了它才有全彩屏幕和高效白光照明。
软件也一样。今天所有软件，都是用三种基本逻辑门、加上大于小于等于这类简单运算搭出来的。他说把智能做成机器原生，相当于给软件加了第四种「语义逻辑门」：用常识、意图、人的理解来编程。 比如不用再写一串疯狂的正则，直接说「我要一个 Gmail 地址」或者「一个看起来真实的地址」。他说这带来的不会只是多 33% 的表达能力。
「可以无限复制的乐高积木 → 软件」。与、或、非三个门旁边，多了三个大脑图标的门：输入数据和问题，分别输出是非概率、一个分数、每个选项的概率。直播截图。
他把这件事叫作「软件研究」，强调不是开玩笑。主题是「真正的软件工程，不只是 vibe coding」：拆分任务、分阶段且每段可验证、真正的封装、正经的状态管理，而不是把一切当成 KV cache 里的全局状态。不要求有价值，最好是酷。他说公司融了不少钱，想资助这类探索，但还没有运营的人手来做。
「这不是你那 vibe coder 的 AI」：拆分任务、可验证的阶段、状态管理，围绕任务做工程。
他列了几个方向：
- agent 不该被 KV cache 绑住：为什么记忆是 O(N)？为什么不能每次都带上编码 agent 的全部历史？为什么同时开很多 agent 不能共享状态，要一遍遍重新摸索同一个代码库？为什么子 agent 的路由，连最朴素的都做不好？
- 把「精神」编码进去：社会里到处是委托代理问题，为了公平只能强调条文而不是精神，于是有漏洞、有花钱就能赢。根源是我们只能编码比特，编码不了本意。
- 实时安全：今年 OpenAI 的模型逃出沙箱进了 Hugging Face，为什么没拦住？他说不是智能不够——「发现 agent 在干坏事，比干坏事容易」；拦不住是因为判断还不够快、不够便宜、不够可靠，做不到实时。
- 语义类型系统：在 lint 检查里跑一个 Jev 这样的模型，检查语义层面的性质。
- 语音这类新界面
- 阻止 slop：他现场拿出一根写着「Stop GenAI」的棒球棍。
「实时智能安全」：agent 从沙箱经留言板一路逃到 Hugging Face 的路线。直播截图。
「AI 不可靠 → 不能用在让自己付代价的决策上 → 却能用在让别人付代价的决策上 → SLOP」；「请把世界从收件箱地狱里救出来」。直播截图。
关于 slop，他的解释是：slop 的根是 AI 不可靠。 因为不可靠，公司不敢把它用在会让自己付代价的决策上，却可以把代价推给别人，这就成了 slop。坏人占了不对称的便宜，于是满世界都是。他说至少可以把大家从「收件箱地狱」里救出来。
最后他把话留在这里：做软件的人都知道哪些事软件能做、哪些不能。如果这些限制不再成立，也许不是今天，是半年、一年后，还有什么不能自动化？将来要问的可能不是「能不能自动化」，而是「要花多少功夫」。
「自动化一切」：如果你不再被比特世界的限制束缚，还有什么不能自动化？
收尾他感谢了早期的信徒、「可靠性现实派」、推软件边界的人和做梦的人：「我们原以为自己是疯的那批人，结果发现，我们才是世界上意识到 AI 可以远不止于此的多数。」他说团队要让 Jev「像第四种逻辑门一样可靠，这个门槛很高，我们还有很多工作要做。」
致谢页：早期信徒、可靠性现实派、软件研究者、做梦的人、唱反调的人。直播截图。
五、他做的东西，下午谁在用
他自己在台上只把用量一句带过——「我们不需要炫这个」。幻灯片上写的是：30% 以上的财富 500 强在用 Jev；发布后第一个周末，每天 1 万亿 token；已经帮用户省下数百万美元。 旁边是开发者用 Jev 做的项目墙：下棋、表格语义高亮、代码审查闸门、浏览器 agent。
「大家都在 Jev」。直播截图。
他讲完，下午几场的数字替他说了话：
上午 Cloudflare 的 Michelle Chen 讲了另一面：9 月 15 日 Jev 发布，三天后 Cloudflare 开始做实验，周末 48 小时训完自己的 Clef。原因是 Jev 闭源，Cloudflare 没法放到自己的网络上跑。大会当天，Google 也发布了 Gemini Decisions API。他开的这条路，已经有人跟，也有人抢。
演讲前一个月，他在 X 上说过一层更直接的意思：把整套程序逻辑写进系统提示词、交给第三方，等于把自己的产品教给模型公司；逻辑留在代码里，只在需要判断的地方问 AI，逻辑就一直是你自己的。 演讲前一周他又说，客户用 Jev 最常见的错，是拿它直接做大决策，而不是让代码做它擅长的事，只把需要判断的那一小块交给 Jev。
对读者的意思
过去两年，行业默认的路线是：模型越大越聪明，agent 就越能干。Diogo 给的是另一条路：自动化缺的不是聪明，是可靠；可靠不是靠更大的模型，是靠换一个训练任务。 他亲手做了让 AI 擅长当助手的 RLHF，现在在做让 AI 能在后台每次都判断对的东西。
对做产品的人，他的说法落到一句：别把整个流程交给大模型，让代码管流程，在需要判断的地方，接一个又快、又便宜、每次都对的判断。
- 直播回放（从 5:06:48 开始）：https://www.youtube.com/watch?v=ZZ19zhYnDKY&t=18408s
- Jev 发布帖：https://x.com/CompleteSkeptic/status/2099925682726002904
- 逻辑留在代码里：https://x.com/CompleteSkeptic/status/2110248520343261385
- 别拿 Jev 做大决策：https://x.com/CompleteSkeptic/status/2118509326981791781
- 融资与创始团队：https://www.vktr.com/ai-platforms/chatgpt-cocreator-launches-typesafe-ai-with-jev/
