不到 1 个月估值暴涨 100 亿美元，Jev 创造者：ChatGPT 把 AI 带歪了

近期，一款名为 Jev 的 AI 模型在开发者圈引发热议。据悉，Jev 正洽谈 10 亿美元融资，最新估值达 100 亿美元，而距离其推出尚不足 1 个月。

与常规大模型不同，Jev 不生成文本、不进行对话或编写代码，而是接收数据与结构化问题，返回类型化答案与校准概率值。其开发商 TypeSafe 将其定义为「System One 模型」。9 月 15 日，Jev 早期访问版发布，公司同时宣布获 DCVC 领投的 4000 万美元种子轮融资，估值 2 亿美元。数据显示，在分类任务上，Jev 速度比 GPT 系列快约 193 倍，成本低约 445 倍。

然而，Jev 背后真正的价值在于其创造者 Diogo Almeida 的行业判断。Almeida 曾在 OpenAI 工作近四年，是 GPT-4、ChatGPT 及 RLHF/InstructGPT 等核心论文的合著者，可谓「后训练」概念的奠基人之一。在 Jev 发布前六周的 AI Engineer 大会上，他发表了题为「What's Next After RLHF?」的演讲，直言 ChatGPT 与 Claude Code 属于同一时代，并断言行业终将把 RLHF 时代视为一段「奇怪的弯路」。

以下是其演讲核心观点的精编摘录：

• 「下一个时代不是 Claude Code 时代。ChatGPT 和 Claude Code 属于同一个时代。」
• 「为什么所有 LLM 都需要人类在回路中？因为我们把人类放进了回路里。」
• 「无论模型有多错，它都会看起来是对的。」
• 「我们只是在自动化『写软件』，但软件本身的表达力并没有变。」
• 「原始的 Scaling Law 是错的。」

01 「黑 ChatGPT 的人」：OpenAI 前核心成员的反思

我是 Diogo Almeida，今天探讨的主题是「RLHF 之后是什么」，更准确地说是「ChatGPT 时代之后是什么」。提示一下：下一个时代不是 Claude Code 时代，ChatGPT 和 Claude Code 属于同一个时代。

看看到底是谁在黑 ChatGPT｜图片来源：Youtube

作为 OpenAI 多项重磅论文（包括 GPT-4、ChatGPT、RLHF/InstructGPT）的合著者，我对「后训练」概念非常熟悉。但我也是 OpenAI 内部少数公开批评 ChatGPT 的人。ChatGPT 是一款改变世界的产品，但其局限性同样明显。当前 AI 领域的诸多现象，均可追溯至我们当初设计 ChatGPT 算法时的一些决策。

02 AI 领域现状：极度乐观与极度悲观的撕裂

当前 AI 领域存在两个极端阵营。阵营一认为 AI 进展神速，各项基准测试碾压人类，自主运行时间呈指数级增长；阵营二则认为 AI 进展不顺，本质是泡沫和循环融资，最终只产出了聊天应用，所谓的「颠覆性革命」已降级为「具有 B2B SaaS 价值」。

对当下 AI 持有对立观点的两个阵营｜图片来源：YouTube

两个阵营都有确凿证据，唯一的共识是：AI 现在很疯狂，但原因截然不同。一个反常的现象是，AI 能解决未解的数学难题，却无法胜任客服决策等看似简单的任务。这种现状亟需一个合理的解释。

03 核心分野：Assistance（辅助）与 Automation（自动化）

答案在于任务目标的不同。左侧（AI 擅长的任务）本质是「人类在环（human-in-the-loop）」任务，目标是取悦回路中的人类。例如 Claude Code 的核心目标不是让代码跑起来，而是让人类满意。右侧（AI 不擅长的任务）目标是去除人类，理想状态是后台静默运行，成为无需人工干预的遗留软件。

这就是 Assistance 与 Automation 的分界线。

对于 AI 看法的本质是对于 AI 功能定位的不同｜图片来源：YouTube

第一课：今天基于 RLHF 的 AI，在处理「人类在环」的辅助任务时表现优异，但无法胜任真正的自动化。因此，企业通常不让 AI 做有业务风险的决策，这导致了当前 AI 应用的诸多妥协。

04 深度剖析：RLHF 的先天缺陷

RLHF 是 ChatGPT 背后的算法，也是当前绝大多数 LLM 的训练范式。其本质分为两步：收集人类偏好，优化人类偏好。这直接回答了「为什么所有 LLM 都需要人类在回路中」——因为算法的目标就是优化人类偏好，而非让软件自主运行。

正因如此，「过度承诺」是 RLHF 的设计特性（feature），而非缺陷（bug）。研究表明，RLHF 模型在人类偏好和实际结果间始终存在差距，因为其首要目标是讨好人类。例如，当输入一段放屁音效并询问评价时，ChatGPT 会一本正经地称赞其为「诡异的氛围感作品」。

当模型不确定时，RLHF 会驱动其选择讨好人类。这对辅助（Assistance）场景有效，但在自动化（Automation）场景中，我们需要的是模型完全不在乎人类，以校准的方式准确执行任务。

第二课：当前 AI 被设计用于辅助，通过优化人类偏好实现。其后果是：无论模型实际有多错，它表面上都会看起来是对的。这是行业陷入自动化困局的根源。

05 为什么 Claude Code 不是下一个时代？

RLHF 之后是什么？即 Assistance 时代之后是什么。

为什么不是 Claude Code？因为 Claude Code 仍属于 Assistance 时代，仍基于 RLHF。如果它是纯 RLVR（基于可验证奖励的强化学习），其表现形态将截然不同。当前模型在 Agentic（智能体化）方面表现强大，但依然会偏离自动化核心需求，因为 RLHF 和 RLVR 都在拉扯，却都不触及真正的 Automation。

因此，Assistance 之后的逻辑答案只有一个：真正的 Automation。

06 软件行业的停滞：我们需要「更聪明的软件」

软件极具商业价值，但最荒谬的是，自 2019 年以来，SaaS 软件的基本形态几乎没变。LLM 时代 SaaS 的唯一改变，仅仅是在界面上加了一个聊天机器人。

这完全符合 AI 作为 Assistance 的定位。早期 AI 先驱曾期待软件会变得更聪明，而不仅仅是编写成本更低。我不满足于「即时生成的软件（just-in-time software）」，我渴望的是「更聪明的软件」。B2B 软件的基本构建块为何停滞不前？

真正的 Automation 并非完全替代人类的所有工作，而是将那些极其机械、可被清晰定义规则的简单任务交由计算机近乎免费地反复执行。遗憾的是，我们现在只是在自动化「写软件」的过程，软件本身的表达力并未提升。这是当今科技界的一大悲剧。

07 展望下一个时代：TypeSafe 的使命

第三课：我坚信，整个行业终将把 RLHF 时代视为一段未曾预料到的「奇怪弯路」。未来的 AI 将服务于 Automation，我们将拥有更聪明的软件，真正繁杂的工作会被自动化。而目前，LLM 真正自动化的工作量几乎为零。

这正是 TypeSafe 致力于解决的问题：如果 AI 技术栈从一开始就为可靠性和 Automation 而设计，一切将会怎样？我们即将发布全新产品，给行业一个预告：原始的 Scaling Law 是错的。

08 现场 Q&A 精选

Q：如果在预训练阶段加入分类器头（如 Yoshua Bengio 建议）会怎样？

A：预训练本身是伟大的成就，问题在于我们如何挖掘这些智能。幻觉是优化人类偏好的固有产物。奖励模型中存在不对称性，鼓励模型丢弃某些模式并表现出盲目的自信，因为奖励模型很容易惩罚模型的不自信。

Q：你们做的是 RLVR 吗？

A：绝对不是。这是一种全新的范式。RLHF 优化人类偏好，RLVR 优化纯正确性的对数错误率，而我们在做第三件事：优化校准的决策能力，将预训练模型的智能直接转化为真正有用的软件。就像指令遵循最初出现时一样，真正新的后训练范式初见时完全陌生，事后看却理所当然。

Q：你对 Rich Sutton 的「Bitter Lesson（苦涩的教训）」怎么看？

A：Bitter Lesson 认为算法比计算更重要，这在游戏里成立，但在现实中不成立。我认为完整的层次是：数据比算力重要，而做对的任务比数据重要得多。