整个AI圈都在讨论模型该有多聪明。但有人回头看了一眼：这些聪明，到底变成了多少钱？
在技术播客《Latent Space》中，主持人swyx与TypeSafe AI创始人兼CEO Diogo Almeida聊了一场。Diogo在OpenAI待了约四年，做RLHF和后训练，是InstructGPT论文的共同作者，2024年离职。
2026年9月15日，TypeSafe结束隐身，宣布DCVC领投的4000万美元种子轮，同时发布首个模型Jev——一个不生成文本的模型。而起点，是他当年拼命把InstructGPT推上线，然后眼看着它只被拿去写文案。
他抛出的最大判断是：他猜，今天所有模型对有经济价值的工作，加起来还不到1%。真正该被盯住的指标，是五年内做到3%的全要素生产率（TFP）增长。
左：swyx，右：Diogo Almeida
01
Jev是什么？一个不生成文本的模型
节目一开始，swyx就让Diogo给「活在石头底下」的人一个明确说法：Jev到底是什么。
Diogo说，名字叫什么他们并不执着，最准确的说法是「System 1模型」——他刻意不叫决策模型，因为System 1的含义比决策更广。定义只有一句话：让代码成为消费者。「跟预训练大语言模型不一样，那些是为了给互联网做自动补全的；也跟人类反馈强化学习模型不一样，那种聊天机器人是为了回复文本的。而我们这一类，是让这些东西直接被代码消费。」这也是公司取名TypeSafe的原因。
Jev按「每美元智能」优化，名字取自杰文斯悖论。官方称Jev响应70到500毫秒，比前沿LLM快40到200倍、便宜40到400倍（自测数据）。
但最动人的一段是旧事。他当年为部署InstructGPT争得非常凶，最早的几个版本用的甚至是没发表的算法，因为用PPO清洗数据太慢。「我当时就想，去他的，这东西太他妈好了，我们得把它交到用户手里。」上线后几乎立刻吃下当时大模型市场一半的份额。
然后他发现，这个看起来聪明到让人怀疑是不是AGI的东西，实际只被拿来做文案写作——Jasper、Copy.ai，就是今天被叫做slop的网页内容。「我们当时担心我们把互联网变得更糟了。」于是他回到原点重想缺了什么，答案是机器那一侧。他把这称为自己的北极星，原以为一周就能搞定，结果一训就是很久。
02
拒答是「类型错误」
这一节是全场最硬的一次过招。Diogo反对的不是安全这个原则，而是安全对齐通常和用户的利益错位。
「拒答显然就是个类型错误。你是个人，在跟机器人聊天，突然来个拒答，那真是烦人，但你还得忍着用。」他真正担心的是另一件事：如果这东西是个依赖库在后台跑着？「你想让软件因为某个用户在里面发了条奇怪的消息，就随机崩掉？这完全是疯了。」
swyx在这里给出了全场唯一一次正面反驳：「如果我们拿它去杀人呢？」
Diogo承认这个观点在一些务实的地方站得住，但坚持通用技术的地基不是那种地方。他区分了两个层次：安全对齐放在ChatGPT、Claude这样的产品上非常合理，放在API里则「完全不能接受，因为大家得围着它写程序，这太反用户了」。而如果为了防某些用途去调模型，「那会把智能撕碎」。他的类比是：智能更像数据库，而不是同事——数据库没有义务审查自己被用来干什么。
两人没有完全达成共识，但swyx接住了他的内核：你要的其实是一个任何地方都能用的「认知内核」。
03
为什么拒绝公开跑分
swyx追问：你是担心榜单饱和，还是担心有人在公开榜单上训练？
「不光是容易作弊，还有一大堆问题。」Diogo说，公开榜单极其容易被刷，即使实验室主观上不想刷，最后还是会刷——早年每个实验室都有团队专门收集看起来像MMLU的数据，好让分数好看点。「那其实就是刷榜，只是多了几步的刷榜。」
他请swyx做个思想实验：两年之后市面上大概会有五十个Jev克隆，那大家卖的就只是单位智能。所以他相信长期只能靠感觉和信任，直到你把模型放进一个具体的工作流里去量化。
这也是他们不用用户数据训练的原因：真实世界的数据分布太偏——大家问的东西遵循幂律，你最后会过拟合到那上面。他说他们的目标是让模型长成几年后的通用基础设施，用当下的数据训，只会过拟合到当下。
代价他也讲了。去年融资的时候没人信他们，投资人要的就是跑分，他们的回答是：我们不搞这个。「那是在奖励坏人。我根本不在乎你想要什么。这就是我们。」
swyx的评价是：这是选了难走的那条路，但最后你会造出一家自己愿意在里面工作的公司。
04
所有模型加起来还不到1%
节目最后，Diogo掏出了他认为最没人关心的那个指标。
「我从没见过哪家实验室在乎全要素生产率增长。可经济革命说的就是这个啊。」他反复引用的招牌数字是：TFP增长在五年内读到3%。
他的发难方式是拿年份做对比：2019年的软件超级值钱，可现在都2026年了，AI这么牛，软件几乎还跟当年一模一样，最多就是旁边多了个聊天框。而那个聊天框没法让公司拿它做真正有利益相关的决策，因为它不能被信任去做决策。
于是有了他对今天的判断：所有模型在有经济价值的工作上大致并列在「零」。有可能已经开始动了，但他猜还没到1%。
那瓶颈在哪？他强调不是速度和成本，是可靠性。至于确定性——同样的输入给同样的输出——他认为那是错的北极星。「确定性我们能做，只要有人能说服我们它值得，而且我们手上没这么严重的GPU短缺，我们很乐意把这些模型都做出来。」但现在它会让每美元智能变少。人们真正要的是鲁棒性：相似输入得到相似输出，测法之一是在提示里塞UUID，期待所有回答彼此相似。
顺着这个逻辑，他给出了对SaaS的预测：「反向SaaS末日」——SaaS会被大幅增强，而不是被取代。他说，最清楚哪些环节值得自动化的，就是SaaS公司自己。
这场对话给技术圈留下的问题很具体：你在做的那个AI产品，是在当旁挂的聊天框，还是真的被代码当成了数据库一样的基础设施？
原节目：Latent Space（Jev: System One models for Prod, not God，2026-09-21）《Jev: System One models for Prod, not God — with Diogo Almeida, CEO, TypeSafe AI》