Jev：面向生产环境的 System One 模型
Jev 为什么引发关注
Jev 是 TypeSafe AI 推出的新模型，由 Diogo Almeida 参与主导。Almeida 曾是 InstructGPT 论文作者之一，也长期批评当前 API 可用的前沿模型在对齐、拒答、可靠性等方面走向了过于单一的路线：ChatGPT 的成功让行业几乎只剩下自回归、聊天调优的大语言模型这一种主流范式。
Jev 发布后迅速在 AI 社区传播。根据文中数据，其发布视频观看量约 4000 万次。围绕 Jev 的讨论集中在几个方向：
- 高速交互场景：游戏、电脑控制、语音加浏览器控制、Doom 演示、游戏中的自动驾驶等。
- 编程代理：官方提供了面向 coding agents 的指南，也有人尝试将其用于 lint、压缩工具调用等任务。
- 软件和数据工作流：分析回放、用户旅程复盘、实体解析、自然语言搜索等。
- “智能软件”：让模型能力像正则表达式一样融入后台，而不是以聊天机器人形式占据前台。
- 模型评估与裁判：有人尝试把 Jev 用作 judge。
文章强调，Jev 不应只被理解为又一个 API 形态的模型，而应放在 TypeSafe AI 对“可组合、可编程、面向自动化的 AI”的整体设想中理解。
从 RLHF 到 RLCD
Diogo Almeida 熟悉 RLHF 的发展脉络。他将相关路线追溯到三个阶段：
- Christiano 等人在 2017 年关于从人类偏好中学习的工作；
- Stiennon 等人在 2020 年关于学习摘要的工作；
- Ouyang 等人在 2022 年的 InstructGPT 工作。
在他看来，后续许多创新——从函数调用、结构化输出到推理模型——都像是在“基于字符串的序列到序列预测范式”上继续打补丁。
Almeida 认为，把大语言模型放在软件系统核心位置时，关键问题不是“更像人类助手”，而是可靠性。他曾在 2023 到 2024 年间尝试训练能解决这一核心问题的模型，但受个人和组织层面的低估影响，并未成功。
Jev 的核心方法被称为 RLCD：Reinforcement Learning for Calibrated Decisions，即“用于校准决策的强化学习”。文中称这是一种尚未公开发表的新技术，其目标是让模型在 System One 类型任务上给出“带有认知诚实概率的答案”。
这与两类主流路线形成对比：
- RLHF：依赖人类评分反馈，文中认为它可能导致幻觉、迎合以及对人类反馈的长期依赖。
- RLVR：依赖程序化可验证输出和评分规则，适用于某些可验证问题，但文中认为它会加剧“锯齿状智能”，也不易与其他软件系统整合。
为什么校准很重要
Jev 关注的不是让模型输出更长、更会聊天的回答，而是让它在可自动化的软件任务中给出可校准的判断。
所谓校准，核心在于模型的置信度应与实际正确率相匹配。对于软件系统来说，这一点很关键：如果模型不知道自己何时不确定，或者错误地表现出高度自信，就很难被稳定地组合进更大的自动化流程。
文中提到，过去一代“训练有帮助的 AI 助手”的目标，可能并不适合“为自动化训练可组合、可编程 AI”的目标。Jev 的定位正是试图从后者出发。
“最苦涩的一课”：任务与数据胜过算力
文章还讨论了 Almeida 关于 “The Bitterest Lesson” 的观点。与传统“苦涩的教训”强调通用方法和算力扩展不同，文中呈现的重点是：在某些模型路线中，任务定义和数据可能比单纯增加算力更关键。
这也解释了为什么 TypeSafe AI 试图探索与大型实验室不同的路径：不完全依赖数十亿美元级别的算力投入，而是围绕具体任务、数据和校准目标来构建模型能力。
Jev 的实际含义
Jev 的理念可以概括为：
不是为“像神一样回答一切”而设计，而是为“在生产环境中可靠决策”而设计。
这也是标题中 “for Prod, not God” 的含义：Jev 更关心生产系统中的确定性、可组合性和可控性，而不是成为一个包办所有问题的通用聊天模型。
对开发者而言，Jev 更值得探索的方向可能不是简单复刻 API 或做低成本基准测试，而是寻找适合校准决策模型的真实工作流，例如：
- 高速人机交互；
- 编程代理中的局部判断；
- 用户行为分析；
- 暗数据处理；
- 自然语言检索；
- 嵌入后台的软件智能。
文章没有给出 Jev 的完整技术细节，也指出 RLCD 仍是未公开发表的方法。因此，目前更稳妥的理解是：Jev 代表了一种不同于聊天式大模型的产品和研究方向，即把模型作为软件系统中的可靠组件，而不是把聊天助手作为唯一入口。