TypeSafe 创始人 Almeida 讲 Jev：发布不到一周日调用量过一万亿 token 且夜间不落、发布前几乎没有收入、超半数试用者「没看懂」；模型只输出选择、是非、评分三种可被代码消费的概率，拒绝公开基准与拒答，「给我十亿美元也不做预训练」（Latent Space，2026-09-21）

本期录于 Jev 发布当周，嘉宾 Diogo Almeida 是 TypeSafe AI 联合创始人兼 CEO，此前在 OpenAI 参与 InstructGPT 的指令跟随工作，主持人 swyx 与他相识多年并审过公司宣言。本站 09-22 博客要点已收录 Simon Willison 对 Jev 的介绍：输入文本只返回类别、是非、评分与置信度，只按输入计费，每百万 token 0.042 美元，低于 GPT-5 Nano 的 0.05 美元，社区已基于 Qwen 3.5 做出开放权重复刻版 Kev。本文不重复产品说明，只整理访谈里关于用量、商业判断、技术路线与行业争论的信息。全部数字为口播，公司未发布任何论文或财务数据；Almeida 多次自称「不看基准」「不做演示」，因此本文没有可核对的性能坐标，评价其能力只能等第三方评测。

一类新模型：代码是消费者，输出是三种概率

Almeida 把 Jev 定义为「System One 模型」，也叫机器原生的大型可编程模型，与三类既有模型的区别在于消费者：预训练大模型服务于互联网文本的自动补全，RLHF 模型服务于回复人类，RLVR 模型处于两者之间的灰色地带，Jev 的输出直接由代码消费，公司名 TypeSafe 由此而来。三种输出原语刻意不复用编程语言里的既有类型：choice 对应枚举上的 switch 语句，nool（取名自 Bernoulli）对应 if 语句，score 对应排序或阈值比较；输入端的状态、指令、判据都可以是嵌套的 JSON 对象，他认为把结构拍平成系统提示是「旧思路」，系统消息相当于把所有指令塞进一个全局变量再祈祷每条都被执行。

他推荐的用法是把任务拆到语义上的最小单元，并行问许多小问题，每个问题都可单独评测，出错就加一个问题、加一个阈值、留一个测试用例，「像没有机器学习的机器学习」。他承认拆小后会重复传状态、显得不经济，解法是给长状态里的每条消息编号，状态付费一次，对每个编号各问一个问题。swyx 自己的测试结论是单跳判断表现居前，多跳推理随跳数增加而衰减，Almeida 未反驳，只说能挖出多少能力是经验问题。

用量与商业化：一万亿 token 一天、发布前几乎零收入、瓶颈从等候名单变成速率上限

他给的唯一里程碑是日调用量超过一万亿 token，并强调这是「夜里也在跑」的稳定用量，说明调用方以机器为主。注册人数他认为对开发者平台没有意义，等候名单已经全部放行，很多注册者根本没在编程，「一个重度用户的 for 循环抵得上全人类各写两句查询」；真正稀缺的是速率上限，用户一旦从中获得价值就会不断要额度，甚至提出直接送 GPU。发布视频播放 3800 万次，他自己拿来对照的是 OpenAI Navier-Stokes 成果的 7400 万和 Fable 5 的 5700 万。Discord 社区 10 万人。

发布前的情况与之相反：公司隐身两年，「几乎没有收入」，试用者超过一半没看懂，看懂的问「怎么过采购流程」，非技术同事担心产品只是「维生素」，解决不了痛点。他由此质疑「产品市场契合」这个概念，认为当时产品和市场都在，只是没有人相信。这段对判断这类平台的早期数据有参考意义：它的用量指标在发布一周内从零跳到万亿量级，收入指标仍是空白，两者之间的转换率没有任何披露（作者归纳）。

定价上他把品牌定义为「单位美元智能」的前沿，Jev 这个名字取自 Jevons 悖论，即成本下降会带来更多消耗；他不押「单位秒智能」，认为实时场景很值钱，但留给别家去做。swyx 的解读是市面上「更快」通常意味着「更贵」，Jev 占了「更快且更便宜」这个空着的象限，前提是智能水平大致不变，Almeida 承认「智能不变」是最难的部分。为了留在这条前沿，他说公司在做「令人作呕的事」，不承诺确定性输出（相同输入相同输出），因为确定性可以换成本；也不承诺长期支持，当前版本 Jev 1.13.0 可能临时进入 LTS，理由是不想让机群碎片化。他明确承诺的只有一条：已部署的模型不会被悄悄替换或量化。

技术路线：RLCD 是「新任务」，零 RLVR，不预训练，全部合成数据

他把大模型发展中的路线转折归为「2.2 次」：RLHF 把任务改成指令跟随，RLVR 只是小幅修正，RLCD 是他提出的第三个北极星，目标是「程序在环」。RLCD 没有论文，他解释这是一个任务定义，就像 DPO 及其后代没有用原论文算法也都归入 RLHF，重点在任务。对 RLVR 他的判断是强于 System Two 推理但脆弱、参差，「每一个进入 RLVR 类别的东西按定义都是基准」；Jev 不做推理链，「零 RLVR 对我们这种形态是最优量」。他反对 RLHF 的核心论据是模式坍缩：字符串生成要避免明显错误就必须过度自信、丢掉少数模式，这破坏了概率分布的校准，所以用字符串模型做决策「是糟糕的时间」。他把 LeCun 关于自回归误差随长度累积的著名论断称为「数学上显然、经验上不成立」，原因正是模型靠模式坍缩规避了误差累积。

数据是他反复强调的重点：模型能力等于数据，公司正在「无限」招聘数据人员。训练数据全部合成，且明确不用用户数据，理由有二：真实数据有幂律偏差，会让模型过拟合当下；公司瞄准的是多年后作为基础设施层的用途，「如果拿今天所有数据训练，只会过拟合今天」。他的表述是 LLM 像 UDP，Jev 像 TCP，上面还有多层可建。关于预训练，他说「给我十亿美元也不会预训练」，路径是把已有的预训练核心拼接、打磨，公司内部对「弗兰肯斯坦」这个说法有异议但他仍在用。他对新实验室的评价很直接：大多数「不行」，从头重做低概率推进前沿，是在毁灭价值；他不重视研究者履历，重视是否选对任务。

微调、视觉、多尺寸模型、欧洲服务器都在「可能」清单里，均不承诺。微调他的顾虑是通用性本身有价值，窄任务微调可能损害边缘情况；swyx 提到 OpenAI、Anthropic、Gemini 都推出过微调又收回。不同尺寸模型级联（低置信度时升级到更大模型）是他设想的替代方案。欧洲用户目前只比其他方案快约三倍，他本想做到百倍，因为没有当地服务器。

用例地图与对编码代理的判断

他在发布前从第一性原理划出的用例有五类：企业囤积多年却因成本从不敢用 LLM 处理的「暗数据」，编码代理，实时决策（他估计电商公司都清楚每省 10 毫秒产品会好多少），助手类产品，以及「验证一切」的可观测性。前两类是他眼中的主要收入来源，因为量在那里。发布后社区自发做出的电脑操作用例（语音指挥整台电脑）超出预期，他认为模型可以针对这类场景大幅改进。

对编码代理市场他给了一个结构判断：Claude Code 与 Codex 位居前两位，但都围绕单一模型构建；开源编码代理正在接入 Jev，各家目前大致齐平，因为 while 循环能做的事有限，一旦某家找到只有它能做的用例，其他开源代理都能复制，而绑定单一模型的两家会怎么办是悬念。他写过一篇《KV cache rules everything around me》，论点是 KV 缓存把编码代理锁死在一个模型上，为了效率只能不断追加上下文，于是状态管理、抽象、分解这些软件实践都做不了，子代理不好用、压缩很难做都源于此；如果智能足够便宜，可以给子任务树打标签做检索、让并行子代理互读状态，「持续学习」问题会变成内存管理问题。他说这份内部设计文档打算公开，团队可能否决。

对比本站 09-17 收录的 Gerstner 判断，实验室收入是「市场上唯一重要的数据点」，这期给的是另一侧：一家没有收入、靠低价三原语切入的平台在一周内拿到万亿 token 日用量，说明推理需求对价格的弹性很高，也说明「按 token 计价的智能」正在被拆成更细的商品（作者归纳）。

对「放缓前沿」的回应：那个论证假定所有人都必须做更多 RLVR

swyx 提到欧洲研究者圈普遍担心节奏，各前沿实验室已联署文件。Almeida 的短版回应是：RLVR 的危险性来自它的形态，为了解最难的问题就要让模型在中间「想做什么做什么」，沙箱问题本可解决而实验室选择不解决，因为限制会让模型稍弱；「放缓」论证的前提是每家都必须做更多 RLVR，这是一个有替代项的假设，他自己的模型就不需要。他认为责任在研究者，公众只能假定 OpenAI 与 Anthropic 已尽力，不知道还有别的路。swyx 转述与几家实验室人员的交流，称这件事更多是政治定位，Almeida 表示不愿评论政治，只说误导公众即使出于善意也会反噬。

与此相关的是他对拒答的立场：安全对齐适用于 ChatGPT 这类第一方产品，放进 API 就是「类型错误」，一个后台依赖因为用户发了奇怪的消息而随机崩溃是不可接受的；每在技术层强加一次价值取向都会「碎裂智能」，他把智能类比为数据库，数据库不负责审查用途。他不给模型设身份（不训练「你是 TypeSafe 的 Jev」），理由同样是避免碎裂。这一立场与 Anthropic 的路线直接对立，也是本周安全争论里少见的来自模型供给方的反方表述（作者归纳）。

宏观口径与来路

他在讲稿里写过「五年内 TFP 增速 3%」，swyx 说没见过其他实验室关心 TFP。他的判断是所有模型在「世界经济有价值工作」上目前大致并列为零，可能已经开始但不到 1%，真正发生时会出现在经济统计里，不会造成大规模失业；软件行业会迎来「反向 SaaS 末日」，因为 SaaS 公司最清楚什么值得自动化，而 2019 年到 2026 年软件除了多一个聊天框几乎没变，原因是没人敢让模型做公司要担责的决定。

来路部分有几条可记：InstructGPT 上线后「立刻拿下当时 LLM 市场份额的一半」，但用途集中在文案生成，他由此反思「聪明但不创造价值」缺的是什么，答案是调用方应该是代码；他向 Altman 提过这个方向，对方让他去做，他当时以为 Anthropic 必然已在做；2023 年 11 月 OpenAI 董事会风波期间他曾利用假期 GPU 跑实验；公司成立两年多，两周内拿到融资。他自称「零点零成分的创业者」，没想过当 CEO，「不能想象有人做两次」。

小结

这期的可用信息集中在三处：用量口径（万亿 token 日调用、机器调用为主、瓶颈是速率上限）、商业化空白（发布前几乎无收入、无微调、无 LTS、无基准）、以及一条与主流实验室相反的技术与安全叙事（零 RLVR、不预训练、不拒答）。对投研而言，值得跟踪的是它能否把用量变成收入，以及低价决策型模型对按 token 计价的推理市场会不会构成分流。数字都需等公司或第三方披露后再核。