跳转至

Diogo Almeida

TypeSafe 联合创始人兼 CEO（2026-09 发布首个模型 Jev）。此前在 OpenAI 做指令跟随 / InstructGPT 方向——他自述极力推动了 instruct 的部署，早期版本甚至用过他自己写、未发表的算法。约两年前离职创业（他说"更像四年的旅程"），联合创始人为 Eric 与 Sasha。

本库收录他的理由：这是本库第一份主张"根本不该把模型做成给人用的东西"的一手材料。所有其它模型侧材料都在同一条主线上（更聪明的通才、更长的推理、更好的 harness）；他主张模型的消费者应该是代码，并由此连带拒绝 reasoning、拒绝 API 层的 safety alignment、拒绝公开基准、拒绝身份塑造——而他对 pacing the frontier 的反驳也建立在同一个前提上。

核心观点（2026-09）

来源：Latent Space：让代码而不是人来消费模型

  • 一类新模型（[00:04:04]–[00:06:05]）：预训练 LLM 的目标是"自动补全互联网"，RLHF 模型是聊天/指令跟随，而他们这类的产出直接被代码消费——"所以公司叫 TypeSafe"。他的叫法是 system one 模型 / large programmable model / machine native，⚠️ 并明确不叫 decision model（"system one 比那更广"）。卖点是 intelligence per dollar（Jev 取自 Jevons 悖论）。
  • ⚠️ RLHF 的被忽视代价是 mode dropping（[00:07:05]–[00:10:07]）：他认为 LeCun 那张"错误随序列累积、LLM 必然失败"的图"数学上显而易见，经验上明显不成立"；断点在于mode covering / 校准良好的分布不会因离群值被重罚，而 RLHF 式模型为了长串不出错必须极度保守（错误易被发现，"看起来对的微妙东西"难被发现）——"这种校准是对字符串概率分布的彻底毒害"，所以 string 模型做决策很糟。
  • capability alignment vs safety alignment（[00:14:09]–[00:16:09]）：前者是"做用户想要的"（对开发者极好：越可预测越不用反复测），后者是"遵循别人的指令"。后者对第一方产品完全合理，在 API 层荒谬——⚠️ "refusal 是一个 type error；如果它是后台运行的一个依赖，它拒绝了会怎样？"
  • ⚠️ "fracturing intelligence" 是他最反对的事（[00:16:09]–[00:17:09]、[01:55:26]）：每次让模型为某种奇怪情形过拟合，就把它的智能撕碎一点。所以他不在技术层放手指（"智能会更像数据库，而不是同事"），连模型身份也不训（"要它就代表互联网认为的那样，那才能得到平滑可预测的智能"）。
  • ⚠️ 反公开基准但不反测量（[00:19:10]–[00:21:11]、[00:54:33]）："我极端反对公开基准"，因为智能有说不清的质感、而基准极易被刷（"当年每个实验室都有团队专门收集长得像 MMLU 的数据"）。替代方案是"vibes 与信任，直到你把它放进自己的工作流去测"；他们有内部 eval，但强调不自欺的纪律。代价是去年融资时"没人信我们，他们只想要基准分"。
  • ⚠️ robustness > determinism（[00:42:27]–[00:44:28]）：determinism（同输入同输出）"对单元测试有点意思但是错的北极星"；要的是相似输入给出相似输出，测法是在 prompt 里塞 UUID/nonce 看输出是否稳定。
  • 版本承诺（[00:48:31]–[00:50:32]）：⚠️ "我们部署之后不会改模型"（第一方产品可以随便改，API 不行），但不承诺 LTS——会比惯例快得多地发新模型；可能临时把 Jev 1.13.0 做成 LTS，因为"切碎自己的 fleet 对所有人都是坏氛围"。
  • "bitterest lesson"（[00:21:11]–[00:22:12]）：⚠️ 数据比算力重要得多，而"选对任务 / 有北极星"是最难也最重要的。LLM 史上的任务级转向只有约 2.2 次：RLHF（指令跟随）→ RLVR（"0.2 次，这还算宽容"）→ 他称的 RLCD（任务是"程序在循环里"）。
  • 三个北极星的对照（[01:22:56]）：RHLF = 取悦人类；RLVR = 优化基准（⚠️ "凡落进 RLVR 这一类的，按定义就是基准"）；RLCD = 让它在程序化使用中可靠。
  • ⚠️ "给我十亿美元我也不预训练"（[01:50:22]）——太贵；他宁愿"切片、拼接"，"Frankensteining 不优雅，但解决问题"。他说私下对投资人说的话都会公开说。
  • 经济北极星是 TFP，不是 AGI（[01:18:54]–[01:20:54]）：⚠️ 五年内 TFP 增速 +3%（主持人："我从没见过一个实验室关心 TFP 增速"）。他的质问是"怎么可能做得了数学千禧难题，却做了世界经济价值工作的零"；预期"不会造成大规模失业"，并认为 SaaS 会被增强（"反向 SaaS 末日"），因为"他们最清楚什么值得自动化"。

对 pacing the frontier 的前提级反驳

来源同上（[01:43:16]–[02:06:34]）。本库目前唯一一份从"你们的前提有替代项"这个角度反驳 pacing 的材料。

  • 技术澄清（[01:44:18]）：⚠️ "RLVR 并不真的是关于'可验证的奖励'"，重点是整套形状，其中推理是潜变量——做事时让模型在中间想干什么就干什么，以便尽可能强大。
  • 反驳（[01:45:19]–[01:47:20]）：pacing 的讨论"预设了所有人都需要做更多 RLVR"——⚠️ "对我们这个形状，零才是最优的 RLVR 量"。他称这里有 sleight of hand："他们其实是在说我们想继续做那件看起来危险的事"；关于沙箱逃逸，⚠️ "显然沙箱是问题，他们本可以轻松解决，但选择不解决，因为越让模型'什么都能做'它就越强"。
  • 归责（[01:47:20]）：⚠️ "唯一有过错的是研究者——公众只是假设 OpenAI、Anthropic 在尽力，而他们并不是清楚真实可选项的专家。"
  • 自设边界（[01:47:20]）："我的目标不是说服实验室还有别的方向，而是让软件工程师重新有希望去自动化他们一直想自动化的东西。"
  • ⚠️ 同一处主持人引入了一条政治解释（pacing 的推动"更多是政治定位"、指向 2028 年大选），Almeida 的反应是明显失望。那条是主持人对私下对话的转述，本库未核实。

对 neolab 的判断

（[02:03:32]–[02:05:34]）⚠️ "大多数 neolab 是垃圾"：他不看重纯研究血统（"那通常不创造价值"），看重有多在乎选对任务；他说多数 neolab "像在从零重做工作，推动前沿的概率很低"，而他谈过的多数没有方向、只想要钱去玩实验——"如果他们有方向，我极其支持"。给想出来创业的实验室研究者的建议是分情况：只想玩研究，实验室就是最好的地方；想做对的任务，那就去打破这种单一心智。他对自己也用同一把尺："我在乎的是成为一个可靠的开发者平台。"

⚠️ 2026-09-28 新增：对风投讲的那一版（a16z）

来源：a16z：自动化到底在哪儿

⚠️ 同一周内的第二份一手材料，立场一致但对象不同：09-21 是对工程师讲模型设计，这一期是对 Ben Horowitz 与 Martin Casado 讲软件为什么停滞。本节只记新增的部分。

  • ⚠️ 他自认最好的电梯演讲（a16z 09-28 00:01:02）："自动化到底他妈在哪儿？"——"这么多智能，而 AI 聪明到离谱，却在所有其它事情上这么没用。"他特意声明不是在黑 chatbot 和 coding agent（"我自己就爱用"）。
  • ⚠️ smart software ≠ just-in-time software（本库认为这是他最锋利的一条区分）（a16z 09-28 00:03:05）：他称赞 Garry Tan 等人对 Claude Code / Codex 的描述 "just-in-time software"——"了不起的描述"，但"它和软件有着同样的表达力"。他要的是扩大软件本身能做的事，而不是自动化软件工程。
  • ⚠️ "We build prod, not god"（a16z 09-28 00:12:12）：Horowitz 说这是他最喜欢的一句，并指出反差——"换成任何别的大实验室领导，就算心里有喜悦也会把它盖住"。Almeida 把负面图景归因于 ⚠️ "大家都在喝的那杯 mono model Kool-Aid"（[00:13:12]）。
  • ⚠️ 他把 RSI 与"OpenAI 定义的 AGI"明确拆开（a16z 09-28 00:19:15–00:20:15）："我不认为我们走在 RSI 的路上——现在不认为，当时也不认为"；"但 OpenAI 定义的那个 AGI 极其做得到：自动化世界上大多数有经济价值的工作。" 理由落在工作的构成而非能力增长（"大量工作非常机械简单，而做这件事所需的智能在模型里已经有相当一段时间了"）。详见 AI for AI 与自动研究。
  • ⚠️ 他的 canary（a16z 09-28 00:21:15）："数学被解决了、两年前 GPQA 就被解决了，而我们还搞不定一个汽车餐厅点单窗口？" 配套的机制解释是 ⚠️ "因为人就是裁判，所以我们一直在优化那个裁判，而不是优化自动化那一侧"（[00:20:15]）；时间尺度证据是 "OpenAI 从 2020 年就在试图自动化客服了"（[00:23:17]）。
  • ⚠️ 他正面拒绝了"这是数据问题"（a16z 09-28 00:21:15–00:23:17）：Casado 提出真实世界是重尾的、我们没有那个分布的数据，他的回答是 "我不完全买数据这个论证"——长尾当然存在，但"在我这个 canary 的情形里，我们不需要自动化那条长尾"，该不该自动化是个 ROI 决策。
  • ⚠️ 他把"分类器"这顶帽子直接戴上（a16z 09-28 00:06:08）："Jev 绝对是个分类器。分类器很赞啊——分类器当初就是为了有用而设计的。" 推论："我猜 Jev 大概比请一支 2019 年的 MLE 团队还好，而且你可以现写现用。"
  • ⚠️ coding agent：语法强、"架构上烂得离谱"，但也许够用（a16z 09-28 00:28:18–00:29:18）："架构是软件里最具人类创造性的部分"；但他立刻自我反驳——"也许它们是第 50 百分位的架构。而如果你对架构一无所知，那就完全够用了。"
  • 可靠性拆成四层（a16z 09-28 00:26:18–00:27:18）：uptime/SLA → determinism（"对单元测试有用，对真实系统没用"）→ robustness → ⚠️ 一层他说还没名字的："它不必每次都是相似的函数，但它必须每次都是聪明的。" 终点是 ⚠️ "让人们不写示例查询就直接对着 Jev 编程"。
  • ⚠️ "反向 SaaS 末日"在这一期被讲完整了（a16z 09-28 00:29:18–00:32:19）："SaaS 会是整个 AI 游戏里最大的赢家之一"，因为他们最清楚该自动化什么；Horowitz 补上资本结构那一层（分发已经付过钱）。他的形态预测是 ⚠️ "多选题表单会直接消失"。详见 AI 商业化与价值捕获。
  • 概率式编程（a16z 09-28 00:35:20）：⚠️ "会有一整个概率式编程的时代被打开"，配一句施工顺序——"先自动化容易的活，再自动化难的活，这永远是我的哲学。" ⚠️ 这与 Sinofsky 两天前（2026-09-26）的同一判断 是本库里这条线的两次独立出现。
  • ⚠️ 反生物启发（a16z 09-28 00:36:20）："我的品牌是实用主义，极致的实用主义。我完全不喜欢受生物学启发的那套东西。" 但他给了让步："它有用，它能驱动一群疯子在某件事上干几十年，直到它真的成了，然后他们把它提炼成工程版本。"

来路（一手）

⚠️ 本节按本人经历的时间顺序排，而不是按摄取顺序：前半段（Kaggle 到加入 OpenAI）来自 a16z 09-28，后半段（InstructGPT 到离职）来自 Latent Space 09-21。两段各自声明信源。

更早的一段：从数学竞赛到 OpenAI

来源：a16z：自动化到底在哪儿

  • ⚠️ 进入 AI 的方式本身就是他现在主张的预演（a16z 09-28 00:09:10–00:12:12）：数学竞赛出身、得过奖，但"我其实从没真喜欢过数学……数学一直是别人给我铺好的路，而我讨厌它，因为它永远只关乎赢比赛"；转向 CS 是因为"它基本就是数学，但更酷、更有用、更好玩"，⚠️ 他自述 "我认为自己首先是计算机科学家，其次才是 AI 研究者，尽管我的履历相反"。真正把他带进 AI 的是 ⚠️ 赢了一个 Kaggle 比赛——"不是靠高深数学，而是靠把它自动化到死。更多的嵌套循环……它解决的是一个系统问题。" 那场比赛的主办者是 ⚠️ Isabelle Guyon（SVM 的共同发明人），她看出他完全不属于研究圈，于是收留他、带他见了所有 AI 的人。之后的链路是 Jeremy Howard 的创业公司 → Google Brain → "退休了一阵" → OpenAI（"我只是厌倦了什么都不做。我想，其实 AI 挺他妈好玩的"）。⚠️ 他也确认了一个更早的时间戳：2017 年的演讲主题已经是《AI：理论上模块化，实践中灵活》（[00:16:12]）。
  • ⚠️ 他讲过的最直白的一次幻灭（a16z 09-28 00:17:13–00:18:14）：RLHF 的泛化让他"非常非常意外地惊喜"（他把时间定在 2021 年第四季度），而团队确认"不是作弊"的方式是构造一个确认过互联网上不存在的查询（⚠️ "为什么冥想前吃袜子很重要"）。"我真的以为那个模型有不小的机会就是 AGI。而当它不是的时候，我整个世界崩塌了，我就问：为什么？"

OpenAI 时期与离职

来源：Latent Space：让代码而不是人来消费模型

  • InstructGPT（[01:57:27]–[02:00:27]）：他极力推动部署，⚠️ 上线后"基本立刻拿到当时 LLM 市场份额的一半"；他当时真的在想"这是 AGI 吗，它在'指令进指令出'上超越人类"——⚠️ "显然不是，但每个人都该能回答为什么那不是 AGI"。他的答案来自结果：它主要被用来写营销文案（即现在说的 slop），"我们担心自己把互联网变得更糟了"。
  • 北极星怎么来的（[02:00:27]）：⚠️ "从'AI 带来的经济革命'往回倒推——那件事发生时，如果 AI 是个 API，调用它的会是人还是代码？"他判断"代码会占好多个 9"，而"所有优化都投在人那一侧"。他写了文档，Sam 说"这太好了，你该去做这个"；他当时以为"这么显然，Anthropic 肯定在做了"。
  • 离职动因（[02:01:27]）：⚠️ "如果 AI 冬天发生、而我没尽一切努力阻止，我会认为自己负有个人责任——既为 RHLF 这个方向（我认为它大大拉开了过度承诺与交付不足的差距），也为没有全力押上这个方向。"
  • ⚠️ 自述"零创业者属性"（[02:15:48]）："我不喜欢创业公司，从没想当 CEO，想不出谁会干两次。"他说在 OpenAI 感到被剥夺能动性——"像在一个所有人都只会说 ChatGPT 的疯人院里"。

与他人观点的交叉

  • ⚠️ 与本库的 RLVR 主线正面冲突：Noam Brown、John Schulman、Charlie O'Neill 等材料都在讨论如何把 RLVR / 环境做得更好；Almeida 认为"凡落进 RLVR 这一类的按定义就是基准"，并说对他这个形状零 RLVR 才最优。两条路线的分歧不在结论而在任务定义。
  • 与 Eiso Kant（Poolside） 的对照：两人都是 neolab 处境、都强调"行为/可靠性胜过纸面智能"，但 Kant 的论证落在模型工厂与开源商品化，Almeida 落在接口与被代码消费；⚠️ 而 Almeida 明确不想被算作 neolab 同行。
  • 与 DHH 的一处互补（同次摄取）：DHH 说"不要过度指定，尽可能含糊地先把东西变出来"（对象是人在驾驶的 coding agent）；Almeida 说"拆到最小语义单元、问很多很多小问题、每个都带阈值"（对象是跑在生产依赖里的决策）。两条看似相反的建议其实对应不同的使用位置，本库在 using-llms-in-practice 里并列记录。
  • 与 Simon Mo / Baseten 的接口：他们从推理引擎侧讨论 KV cache 与调度；Almeida 从产品形态侧说"KV cache 的暴政把 coding agent 锁进单模型世界、并毁掉状态管理与分解"，并点名这解释了路由为什么难、sub-agent 为什么看起来不 work、compaction 为什么是难题（[02:10:38]）。
  • 与 OpenRouter 的接口：他观察到 ⚠️ Claude Code 与 Codex 是围绕"单模型世界"建的，而开源 coding agent 因为能混搭而兴奋（[01:40:15]）——这与路由层记录的"3 个月一轮的替代摆动"是同一现象的两侧。
  • 与 Brian Armstrong 的接口（同次摄取）：Armstrong 说 agent 之间的微支付主要买"向另一个专才 agent 取源数据"；Almeida 的"dark data"与"verify everything"用例族正是这种被代码调用的廉价智能的供给侧。

⚠️ 2026-09-30：OpenAI 在九天内做了一个 Jev 的对应物

他本人不在场。以下全部来自 OpenAI API 团队产品负责人 Nikunj Handa 的一手叙述（Latent Space，OpenAI Dev Day 现场）。

  • 事实：OpenAI 在 Dev Day 发布 Decisions API，而 Nikunj 明确说它 "是 Jev 启发的"、"四周前这东西完全不存在"（Latent Space 09-30 [00:24:20]–[00:25:20]）。他给了 Diogo 与 Jev 团队正面致意："他们真的启发了市场上一整个板块。Jev 一出来，所有人都疯了。我们的用户在找我们，但我们内部团队也在说：我们需要一个快得多的分类系统。"
  • ⚠️ "第一家克隆并采用这个的前沿实验室"这句评价出自主持人，不出自 OpenAI；Nikunj 没有否认，但他自己的说法是把动因归给 hacker 文化。本页保留这个区分。
  • ⚠️ 本库认为这是他的"模型公司正一路往上挤进应用层"这条风险的第一个具体实例，而且节奏比本库任何既有材料都快：09-21 他在同一个播客上第一次系统讲 Jev，九天后同一个播客上坐着做了对应物的那一方。 参照 OpenRouter 记录的"3 个月一轮替代摆动"——这一次是四周。
  • ⚠️ 但对应物还不是替代品，而缺的正是他这条路线的实质（Latent Space 09-30 [00:28:25]–[00:30:27]）：
  • 实现上没训新模型——"纯粹建在同一批 Luna 权重之上"，靠结构化输出约束 + 推理栈优化 + 多问题并行批处理；白送的优势是从 Luna 免费拿到视觉，而 Jev 没有视觉。
  • ⚠️ 而主持人当场指出"关掉 reasoning + 结构化输出 ≠ Jev，里头有一个 confidence"，并接上 RLHF 会把模型坍缩到"你想听的答案"而不是真实置信度这条线；Nikunj 的回答是坦白："也许这些就会是我们要靠未来某个模型版本去爬坡的关键领域。"
  • 本库的记法：第一版复制了接口与速度，没有复制校准。这给了他一条可被下一个版本直接检验的护城河判据——详见 评估与基准。
  • 架构猜测仍未证实（Latent Space 09-30 [00:30:27]–[00:31:28]）：外界对 Jev 的两种猜测是扩散而非自回归、以及mech interp 式地从中间层读激活直接输出；Nikunj 既不确认也不反驳，只说两种都有过公开 demo（Gemini / Gemma diffusion 的 Jev 风格输出、从中间层拉 interp），"这全是猜测"。主持人另称 ⚠️ "过去两周大概出了 100 个 Jev 克隆"（本库未核实），并给了一条有用的区分："API 谁都能做出来，挺 trivial 的。难的是速度，然后是准确率，然后是其它校准特性。"
  • ⚠️ 另一处与他正面相关、但他不在场的材料：Ari Weinstein 的"computer use 让 agent 能测试自己写的软件"，正好是在补他 "10 行 PR"质疑 里那个被抽走的监督环（他的原话是"不管你用多少 AI coding agent，软件本身并没有变好……甚至可以说在变差，因为监督变少了"）。本库并列不裁决，但注意 Ari 补的是"能跑"这一层，不是他担心的"设计质量"那一层。

视频

日期 主题
2026-09-21 让代码而不是人来消费模型——system one 模型、RLCD 与"反公开基准"
2026-09-28 "自动化到底在哪儿？"——smart software、prod not god 与反向 SaaS 末日

⚠️ 用户侧的回响：他的"反公开基准"立场被重度使用者部分接受（2026-10-16）

来源：High Taste Testers 第一期

⚠️ 他本人不在场。这一节记的是六位重度使用者在他那期专访之后、以及 OpenAI 与 Cloudflare 各发了一个同类产品之后，怎么谈他的主张。⚠️ 自动字幕把他的名字打成 "Yogo" / "Yoga"，本库据上下文判定是他（席上说"他在整期播客里重复了大概七次'我不信 benchmark'"，指的就是本库收录的 2026-09-21 那期）。

  • 他的策略被称为"很有策略"（[00:25:17]）："Jev 的创始人做的一件很有策略的事是：不要给我们跑 benchmark。" ⚠️ 注意"很有策略（strategic）"这个词本身是双刃的——席上没有把它当作纯粹的科学立场。
  • ✅⚠️⚠️ 而本库认为真正值得回填到他名下的，是用户给他这条立场补的技术理由（[00:25:17]–[00:26:17]）："在这种结构化分类上，过拟合某个具体领域真的真的非常容易……但 Jev 的整个卖点是超多样的数据、在极大范围的任务上都很好——所以我觉得它可能非常难被忠实地 benchmark。"
  • ✅ 即他们同意的不是"benchmark 不重要"，而是"对一个宣称通用的分类器，benchmark 在技术上做不忠实"。 ⚠️ 这比他本人在专访里给的理由更窄，也更可检验。
  • ⚠️ 而代价被当场说了出来：Cloudflare 的克隆号称更快更好，"而那家公司在数据上干了两年，他们的数据无可挑剔。我们怎么分辨？" —— 席上无人能答。✅ 本库记为他这条立场的直接成本：拒绝基准之后，他也失去了反驳克隆者的手段。
  • ✅ 他的另一个做法被明确夸奖（[00:28:18]）："他们不仅是 Jev 这个模型的专家，还是'该怎么思考 Jev'的专家。他们发过一个关于怎么造 harness 的东西，还说'我们想过用 Jev 造一个 harness，我们决定不做，这是开源的、你自己怎么加到你的 harness 里'" —— 评价是 "非常非常聪明"；另有 "他一直很擅长说'不，这是一种蠢用法'"。⚠️ 本库按"这是他分发策略的一部分"收录，与 他专访里"模型该被代码消费"的主张 一致。
  • ⚠️ 他讲过的"这个想法我拿给 Sam Altman、Sam 说你该去做"被席上旧事重提（[00:31:18]），接上的是一个没说出口的玩笑——"我真的很想跟 Sam 开个玩笑：你是不是等你哥们先发了，你才进这个品类。" ⚠️ 而席上转述的、明确标为不具名的 OpenAI 侧说法是："Jev 这类东西证明了这个品类存在、有市场契合，然后我们的开发者会希望我们在这块也有东西。"
  • ⚠️ 一条传言，本库不作为事实收录（[00:26:17]）："传言 TypeSafe 这周关了一轮 100 亿美元"（原话带 "the rumors are"）。
  • ✅ 一条对"一次性公司"论的反驳（[00:29:18]）："去看一家很久以来第一个改变了人们使用模型方式的公司，然后说'就这样了，他们到头了'，那会非常愚蠢。"
  • ⚠️ 而威胁被说得很具体（[00:26:17]–[00:27:18]）："如果 OpenAI、Anthropic 和所有人都有一个 Jev 式的东西，你会专门去弄一个 TypeSafe 的 API key，还是就用你手上的 OpenAI？" —— ✅ 一个在席者的答案最锋利："我其实是通过 Vercel AI gateway 用的，所以我没去弄 key。" ⚠️ 另一条是"它会跑在设备上，我不想再要网络上的 Jev 了"。