Diogo Almeida（TypeSafe / Jev）：让代码而不是人来消费模型——system one 模型、RLCD 与"反公开基准"（Latent Space，2026-09-21）¶

嘉宾: Diogo Almeida（TypeSafe 联合创始人兼 CEO；前 OpenAI，InstructGPT / 指令跟随方向）
主持: swyx
来源: YouTube · 142 分钟
转录稿: sources/latent-space/20260921-cFx9Z3ZXca0

录制于 Jev 发布后不到一周。本库此前的模型实验室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）；这期是第一份主张"根本不该把模型做成给人用的东西"的一手材料：模型的消费者应该是代码，因此拒绝 reasoning、拒绝 API 层的 safety alignment、拒绝公开基准、拒绝身份塑造。他对 pacing the frontier 的反驳也建立在同一个前提上。

说话人认定：自动字幕，只有 >> 换轮标记、无姓名标签。本期单主持，分工极清晰：提问、"我们之前有一期和 Hugging Face 的 Clementine 聊过"、"我把 Jev 扔给一堆东西试过"等为 swyx；所有第一人称的 TypeSafe / OpenAI 内部事实（InstructGPT、与 Sam 的对话、招人、co-founder Eric 与 Sasha）为 Almeida。⚠️ 字幕把他名字识别成 "Diego"，且有多处脏话被静音/漏词，本页引用均为意译。

概要¶

产品主张：Jev 是"system one 模型 / large programmable model / machine native 模型"，设计目标是被代码消费而不是被人读（公司名 TypeSafe 由此而来），卖点是 intelligence per dollar（Jev 取自 Jevons 悖论）。
技术立场：RLHF 的 mode dropping 是被忽视的代价；robustness 比 determinism 重要；公开基准不可用；fracturing intelligence（把智能撕碎）是最该避免的事。
方法论："bitterest lesson"——比算法与算力更重要的是选对任务（north star）；LLM 史上这种任务级转向只发生过约 2.2 次（RLHF → RLVR → 他称的 RLCD）。
对行业的反驳：pacing the frontier 的整个讨论预设了"必须做更多 RLVR、且必须让模型在中间环节想干什么就干什么"；他认为这个前提有替代项。
身世：他在 OpenAI 推动过 InstructGPT 的部署，后来因为"指令跟随只被用来写 slop"而回到白板前，反推出"AI 经济革命发生时，调用 API 的会是人还是代码"这个问题。

核心观点¶

这是一类新模型：消费者是代码¶

分类学（[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，目标是回复文本；RLVR 处在灰色地带；而他们这类模型的产出是直接被代码消费的——"所以公司叫 TypeSafe"。他们对命名不执着，目前最准确的叫法是 system one 模型；⚠️ 他明确说不叫 decision model，因为"system one 比那更广"（[00:04:04]、[01:15:54]）。
目标函数（[00:06:05]）：Jev 这个系列的定位是永远站在 intelligence per dollar 的前沿（名字来自 Jevons 悖论）。他说自己最爱和人争论的是"reliability、cost、calibration、speed 哪个最重要"——而成本与速度是你付出去的东西，智能才是你要拿回来的（[00:20:11]）。
类比（[00:25:15]）：⚠️ "把 LLM 想成 UDP，把我们的模型想成 TCP"——上面可以叠各种东西。他把终局称为"intelligence 的 AWS"，并说"说它一定会是我们就太自大了"（[02:20:51]）。

RLHF 的代价：mode dropping，以及 LeCun 那张图为什么不成立¶

这是本期技术密度最高的一段（[00:07:05]–[00:10:07]）：

他说自己相当认同 LeCun 的多数判断，但那张著名的"LLM 必然失败"的图（随序列变长、出错概率累积到 1）"在数学上显而易见，但在经验上明显不成立"。
他给的断点：如果模型处在mode covering / 校准良好的分布上，出现离群值不会被过度惩罚——你本来就预期有一部分时间在分布外。这就是 GAN 之前的模型生成模糊图像的原因；而 GAN 会 mode drop，丢掉少数类只生成最常见的。
把这套搬到语言模型上：为了生成很长的串而不出错，模型必须极度保守——因为错误很容易被看出来，而"看起来对的微妙东西"很难被看出来。⚠️ 他的结论："这种校准是对字符串概率分布的彻底毒害"，所以string 模型做决策是糟糕的。
他说这是没人关注的 RLHF 下行代价，"我早该写篇博客"。
对 LeCun 的解法（JEPA / 联合嵌入预测）他不愿正面评价，只给出自己的立场：⚠️ "JEPA 是很酷的早期研究，但现在实用吗？我可能不该说。"（[00:10:07]–[00:11:09]）
他对 scaling law 的措辞很克制（[00:10:07]）：scaling law 只是告诉你投入多少换来多少，而"指数级资源换次线性收益看起来是笔坏投资——除非那点线性收益极其值钱"。

"fracturing intelligence"：他认为最该避免的事¶

refusal 是一个 type error（[00:13:09]–[00:16:09]）：人在聊天框里被拒绝很烦、但能绕；而如果这东西是后台运行的一个依赖，它拒绝了会怎样？ 别人也在用这个依赖、他们并不知道这个系统的存在——"软件因为某个用户发了条奇怪的消息就随机坏掉，这是彻底的疯狂"。他把这归因于"不懂软件、不懂编程的人沉迷于'AI 同事'这个无马马车"。
他的区分（本库值得长期引用的一条）（[00:14:09]–[00:15:09]）：capability alignment = 做用户想要的（这对软件工程师极好：越可预测，他们越不用反复测试）；safety alignment = 遵循别人的指令。他认为后者对产品（ChatGPT / Claude）完全合理——"如果他们不想和 ChatGPT 角色扮演，那是他们的事，也许他们的用户是有孩子的家长"；但在 API 层上这是荒谬的，因为开发者要围着它编程。
他为什么不在技术层面放手指（[00:16:09]–[00:17:09]）：被问到"用它去杀人怎么办"，他的回答是他个人当然希望不被这样用、也愿意为此出力，但不在技术层做——⚠️ 理由是机制性的："每一次你让它为某种奇怪情形过拟合，你就把它的智能撕得更碎一点；而现在这些东西已经碎得不成样子了。"
他的类比（[00:17:09]）：⚠️ "智能会更像数据库，而不是同事"——"我不认为该由数据库来检查自己是否被用于不好的事"。对应的边界设计是：有人在 Slack 上问"我们要部署这个，可以吗"，他的反应是"我们是个 API，你是开发者，这不是我的事"——"你本来就不该知道整个任务是什么，任务应该被分解成小块"（[00:18:09]）。
连身份也不塑造（[01:55:26]–[01:56:26]）：他不会把"你是 TypeSafe 的 Jev"训进模型，"那会把它撕碎"；他要的是"模型就代表互联网认为的那样——要正确，因为那才能得到平滑可预测的智能"。他指出做 chatbot 的客户也不想让模型自称某个牌子。
chat-first + reasoning mode 本身就在撕碎智能（[01:53:24]–[01:54:25]）：为聊天优化基本就是纯 RLHF，而 RLHF 内在地导致人们抱怨的那些东西——⚠️ 谄媚（sycophancy）、过度自信、幻觉，以及在排行榜上得分高的那种风格（加粗、斜体、表情、不直接回答而是长篇大论再反问一句）。他的解释回到上一节："字符串是很怪的东西，你必须失校准、必须 mode drop、必须过度自信，才不至于翻车——因为奖励模型一看到错误就重罚。"

反公开基准，但不反测量¶

立场（[00:19:10]–[00:21:11]）：⚠️ "我极端反对公开基准，对私有的代理基准持中立态度。"理由不只是容易作弊——而是他卖的东西是智能，而智能有一种"说不清的质感（je ne sais quoi）"；发布两小时后真正传开的不是视频，而是"这东西真能用"这种体感。
他给的历史依据（[00:21:11]）：⚠️ "当年每个实验室都有一个团队专门收集长得像 MMLU 的数据，让分数好看——那就是 benchmaxing，只是多了几步。"
他的替代方案：⚠️ "长期来看只能靠 vibes 和信任，直到你把它放进自己的工作流、为那个工作流做评估和测量"；而厂商的职责是"持续推进可靠性的位数（nines）"。
但他不反对测量（[00:54:33]）：他们当然有内部 eval——"否则我们怎么敢保证自己在 intelligence per dollar 的前沿？"；关键是纪律："不自欺地看待自己模型有多聪明，是最重要的事之一；有任何别的激励时这件事极其危险。"
代价他也说了（[00:34:20]）：去年融资时"没人信我们，他们只想要基准分"，而他们拒绝——"那会奖励坏行为"。他同时说自己连 demo 也反对（"我也 anti-demo，我要确保它可靠地工作"）（[01:35:10]）。

robustness > determinism（以及一条可操作的测法）¶

没有 seed（[00:42:27]–[00:44:28]）：他说 determinism（同输入同输出）对单元测试有点意思，但是错的北极星；真正重要的性质是 robustness：相似输入给出相似输出。
⚠️ 他们的测法（本库第一次拿到这种具体做法）：在 prompt 里塞 UUID / nonce，语义上完全相同的问题应当给出相似输出——"LLM 在这件事上有多不可靠是很野的"，而这正是人们用 AI 做决策时被烧到的地方。
determinism 并非做不到：⚠️ "它可以作为一个选项提供，只是会换走一些 intelligence per dollar"；而他预期GPU 会长期紧张，任何降低 intelligence per dollar 的事都意味着同样智能消耗更多 GPU（[00:46:30]–[00:48:31]）。
主持人的预判与他的承诺（[00:48:31]–[00:49:32]）：swyx 指出"你说为了 intelligence per dollar 什么都做、而且 GPU 紧张"会让人担心悄悄量化降质，建议公开承诺。Almeida 当场给出承诺：⚠️ "我们部署之后不会改模型"，并解释"第一方产品可以随便改，API 不行"；但不承诺长期支持（LTS）——他们会比模型厂商惯例快得多地发新模型，并可能临时把当前的 Jev 1.13.0 做成 LTS，因为用的人太多、而"切碎自己的 fleet 对所有人都是坏氛围"（[00:50:32]）。
他对版本间差异的经验描述（[00:50:32]）：⚠️ "我们的模型版本之间的变化，通常比 string 模型连调两次的差异还小"；大的 delta 出现在"从 jagged 到 wow"的时候。

API 设计：三个原语，故意不等于编程类型¶

三个原语：choice、score、nool（[00:55:34]–[00:59:39]）。
⚠️ nool 来自 Bernoulli（所以拼写才这么怪）：它是"boolish"但连续的。
三个都是新概念，故意不是已有的编程类型："score 不是 int，如果你用 instructor / pydantic 那套把它映射成 int 或 float，你会被坑。"他说这是宁要清晰、不要一看就懂。
映射关系：choice → enum 上的 switch/match（他说 function call "是个极其恶心的东西"）；nool → if 语句；score → 排序或阈值比较。⚠️ "将来会有更多类型，它们都会映射到编程原语。"
输入也要结构化（[01:00:39]–[01:01:42]）：state、instructions、criteria 都可以是结构化 JSON 对象，这样程序可以把东西插进正确的位置，而不必拼模板。⚠️ 他的判词很直接："如果你还在把它变成 system message，你在用旧方式思考"；"system message 就是恶心的全局变量——你把所有指令一次性塞进去，然后指望每一条都被命中，而不是并行地分别提问。"
他的使用建议（本页最可操作的一段）（[01:02:43]–[01:07:48]）：
把问题拆到最小的语义单元，问很多很多小问题——"不管今天的模型能不能一次做完"。
每一个小决策都是可评估的：发现"它没拒绝是因为我没指定这种情形"时，加一个问题、加一个阈值、把它记成测试用例，这件事就永久解决了——"你的软件不会因为 context rot 而忘记"。他称之为 ⚠️ "ML without the ML"。
具体例子：不要问"我该拒绝吗"，而要把可能需要拒绝的不同情形拆成多个独立问题（[01:06:47]）。
长状态的省钱技巧（[01:38:12]）：⚠️ 给每条消息打 ID，然后对每个 ID 并行问一个问题——状态只付一次钱，却能问很多问题。
他承认这套做法在以前不划算（慢、贵、还更差），而这正是他们要改变的前提（主持人以自己的实测佐证）（[01:03:45]）。
没有 fine-tuning（[01:08:50]–[01:12:52]）：目前只有"改提问 / 拆更细 / 调阈值"三个杠杆。他对 fine-tuning 的态度是"能想象，但担心"——怕损失通才带来的边缘情形能力；他更希望靠校准 + 模型级联（置信度高就接受，中间档就升级到更大的模型）解决，并提到可能出不同大小的 Jev、甚至自动微调（⚠️ 他反复强调"这不是承诺，是我在想科幻"）。
主持人补了行业事实：OpenAI、Anthropic、Gemini 都上过又收回过 fine-tuning，"微调现在基本是开源模型的领域"（[01:10:52]）。

"bitterest lesson"：选对任务比算法和算力都重要¶

他的版本（[00:21:11]–[00:22:12]）：Sutton 大意是算法胜过算力；而他说 ⚠️ "数据比算力重要得多，而做对任务、有一个北极星，是最难也最重要的事"。
LLM 史上的任务级转向只有约 2.2 次：RLHF（把任务换成指令跟随，"当时没人意识到这是可能的"）→ RLVR（他称只是"一个很小的方向性编辑"，"在我看来是 0.2 次，这还算宽容"）→ 他们的 RLCD（任务是"程序在循环里"）（[00:22:12]、[01:47:20]）。
RLHF 这个词指什么（[00:26:15]–[00:29:17]）：他特意区分——他说的 RLHF 不是指 PPO 那个算法（DPO 及其后代"不用那个算法但也在做 RLHF"），而是指"指令跟随"这个任务本身，"是设定'这个方向有价值'这件事"。他对术语的自我评价："我沟通时过度讲究细微差别，但我不认为 RLCD 是黑话。"
数据观（[00:23:14]–[00:25:15]）：⚠️ "在我这儿，模型能力就等于数据"；他们在"无限招数据人"（内部称 model capabilities，因为"data 在这行业几乎是个贬义词"，而他要把这些人放在最高地位）（[02:19:50]）。
⚠️ 他们不训练用户数据，即便能拿到：真实世界数据偏得厉害——人们问同样东西有幂律分布，训上去就会过拟合、撕碎模型。
更根本的理由是时间尺度：他们要的是"几年后模型成为深埋在栈里的通用基础设施"那种用法，"即使我们拥有当下的全部数据，也只会过拟合到当下"。
数据人在做什么：像艺术家一样研究这个 cognitive core，找出它的 jaggedness，然后以能泛化的方式逐处外科手术式地修补（⚠️ "我们的 cognitive core 比任何人的都更不 jagged"）。
⚠️ "如果你给我十亿美元，我不会去预训练"（[01:50:22]）：太贵；他更愿意"切片、拼接、各种折腾"——"Frankensteining 不是最优雅的事，但它解决问题"。他说自己在私下对投资人说的话也会公开说，这是他的原则。
对 mid-training 的看法（[01:49:21]）：⚠️ "都是一个连续谱……说到底是省钱的事，省得重新预训练"；他感兴趣的是能力如何被逐步烘进模型——短期是微调式的快速对齐，长期是反复看到后越来越深地固化，而"最终变得稳健的那部分，正是 system one 的东西"。

system one vs system two：他承认这是经验问题¶

他的回答方式本身值得记（[01:20:54]–[01:22:56]）：⚠️ "实话是，这是个经验问题，就像 scaling law 是经验问题一样"（他拿机器人类比：现在不太 work，可能不是钱的问题，而是经验结果就不在那儿）。
他的经验判断：预训练得到的"智能的高度压缩"本质上是 system one 思考者；而 RLVR 为 system 2 做出了惊人的成绩（"我很敬佩，这非常酷，而且我完全不认为它会导致 AI doom——当然也不是 0%，因为 0% 是失校准的"）。
但他说 RLVR 的产物极其脆弱（[01:22:56]）：对照 ChatGPT 时代人们说"它很通才但数学不行"，现在人们说 RLVR 模型"好脆、好 jagged"；⚠️ "数学不只是尖峰状的，它是分形的。"
三个北极星的对照（本页最浓缩的一条）（[01:22:56]）：RLHF = 取悦人类；RLVR = 优化基准（⚠️ "凡落进 RLVR 这一类的东西，按定义就是基准，因为基准就是可程序化验证的简单输出"）；RLCD = 让它在程序化使用中可靠。
Jev 不做 reasoning（[01:24:58]–[01:26:00]）：他说模型真正擅长的是模型内部的推理，而"在字符串里推理"（他与主持人就"latent reasoning"这个词的历史含义有一段澄清：以前指推理轨迹保密、因而是答案的潜变量）既慢又脆；但他照例留口子——"有些形式的推理没那么慢、低效、脆弱，那些完全在考虑范围内"。
主持人的实测（[01:23:57]）：单跳极好（"单跳就别用别的了"），多跳随跳数单调变差。Almeida 的回应是回到经验问题："我们在挖掘属性这个行当里——那些属性是这些压缩内核里本来有什么的函数。"

用例分类（他们发布前就从第一性原理画出来的）¶

（[01:37:11]–[01:39:13]）

⚠️ dark data：公司囤了大量数据但舍不得用 LLM 去跑，因为太贵——"大公司非常喜欢这个，这是数据科学家的梦"；他认为这一类加 coding agent 是量最大、最赚钱的两块。
coding agents。
实时 / 智能在环：他认为那些公司的 CTO 都清楚"每省 10 毫秒产品好多少"；电商、各类助理、以及游戏（他想玩"智能的自动战斗游戏"、提到 NPC 用简单状态机就能很有意思）。
"verify everything"：给所有 LLM 调用做校验/可观测性。
smart software：内在可组合的软件、"以前根本不可能存在"的东西（他举社区做的"把 Jev 当编程语言"的项目）。
⚠️ computer use 是从侧面冒出来的（社区做的语音操作整台电脑的 demo）——"如果它可靠，我超级兴奋；我怀疑我们能把模型在这类用例上做好很多，因为这是意料之外的"（[01:35:10]、[01:39:13]）。

对 coding agent 现状的判断，以及"KV cache 的暴政"¶

格局判断（[01:40:15]–[01:41:15]）：Claude Code 与 Codex 大致是第一第二，但它们是围绕"单模型世界"建的；而所有开源 coding agent 现在很兴奋，因为它们可以混搭。他的推论：这些 agent 目前大致处在同一水平（"一个 while 循环能做的事就这么多"），⚠️ 但"一旦有人找到只有某个 agent 能做的杀手用例，所有人就会涌过去——而开源的那些都能把它抄过来"。
⚠️ 他最想别人去做的方向（他明说自己没时间做）（[02:10:38]–[02:15:48]）：让 coding agent 摆脱 KV cache 的暴政（他为此写过一篇 "KV cache rules everything around me"）。他的论证：
KV cache 把你锁进一个模型，而且为了效率你必须不断往后追加——于是你没法做好的软件工程实践：状态管理、抽象、分解。
他说这一条解释了一串现象：⚠️ 为什么路由很难、为什么 sub-agent 看起来不 work、为什么 compaction 是个难题。
为什么 sub-agent 难：你要传的状态太大——"你需要比读它所用的智能便宜得多的智能，才能把这个状态搬来搬去"。
他的愿望清单：显式标注状态、在带层级标签的子任务树里检索相关上下文、便宜地回看历史上下文（⚠️ "continual learning 其实是个内存管理问题，因为你没有聪明的查内存方式"）、以及并行 sub-agent 互相读写状态并用聪明的锁协调，而不是"你在干啥我在干啥、Jev 你说谁先写"这种原始方式。
他把这归到与 recursive language models 同一片"值得玩的空间"，主持人则指向 Prime Agent（并提到同期录的 RLM 那集）（[02:13:45]–[02:15:48]）。

对 pacing the frontier 的反驳¶

（[01:43:16]–[02:06:34]）这是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。

他先澄清一个技术点（[01:44:18]）：⚠️ "RLVR 并不真的是关于'可验证的奖励'……重点是整套东西的形状，其中推理被当作一个潜变量：你做事的时候让模型在中间想干什么就干什么，以便让它尽可能强大，去回答最难的问题。"
他的反驳本身（[01:45:19]–[01:47:20]）：pacing 的讨论"是个很窄的聚焦，因为它预设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"。所以他称这里有一种 sleight of hand（偷换）：
"他们其实是在说我们想继续做那件看起来危险的事，因为它会做出危险的事；"
关于沙箱逃逸类事故——⚠️ "显然沙箱是问题，而他们本可以轻松解决，但他们选择不解决，因为你越让模型在中间'什么都能做'，它就越强。"
他称之为 ⚠️ 责任的稀释（dilusion of responsibility）：把"我们必须做 RLVR、而且必须越来越多"当成前提，然后得出"大家都会这么干，所以我们正走进一个危险世界"。
他把责任归给研究者而不是公众（[01:47:20]）：⚠️ "唯一有过错的是研究者。公众当然不该被怪——他们只是假设 OpenAI、Anthropic 在尽力，而他们并不是清楚真实可选项的专家。"
但他给自己设了边界（[01:47:20]）：⚠️ "我的目标不是说服实验室还有别的方向可走，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。"
⚠️ 主持人在此处引入了一条政治解释（[02:05:34]–[02:06:34]）：swyx 说他与 Anthropic / OpenAI（以及 SpaceX）的人谈过，认为 pacing 的推动"更多是政治定位而非纯粹的生存风险问题"，并说某个房间里的讨论指向 2028 年大选。Almeida 的反应是明显的失望（"真希望我没听到这个"、"这让我对人性有点失去信心"）。本库标注：这条是主持人对私下对话的转述，未核实，且他自己限定为"不是整个公司、只是那个房间的讨论"。
他把这条接到一个更一般的立场（[02:07:37]）：⚠️ 他反对"为了更大的善而误导人"——他认为 COVID 期间"人们过度依赖权威诉求和过度自信去促使他人按某种方式行事"，而下游的涟漪"对世界极其有害"。

对 neolab 的判断，以及他自己的来路¶

⚠️ "大多数 neolab 是垃圾"（[02:03:32]–[02:05:34]）：他说自己不看重纯研究血统（"那通常不创造价值"），而看重有多在乎选对任务；并说大多数 neolab "像是在从零重做工作，推动前沿的概率很低"，他谈过的多数没有方向，只是想要钱去玩实验——"如果他们有方向，我极其支持。"
他给想出来创业的实验室研究者的建议是分情况的：如果你只是想玩研究，实验室大概就是最好的地方；如果你想做对的任务，那就请去打破这种单一心智。
⚠️ 他对自己也用同一把尺："我不想把自己看成 neolab 的同行……我在乎的是成为一个可靠的开发者平台"；他说公司有一堆拿 neolab 开玩笑的周边（[00:40:25]）。
InstructGPT 的那段历史（一手）（[01:57:27]–[02:00:27]）：
他说自己极力推动部署 instruct，早期版本甚至用了他自己写、从未发表的算法，因为"清洗 PPO 数据太慢了"；⚠️ 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？因为它在'指令进、指令出'这件事上超越人类"——⚠️ "显然不是。但每个人都该能回答：为什么那不是 AGI，尽管它看起来很聪明。"
他的答案来自结果：它最终主要被用来写营销文案（Jasper、Copy.ai 这类），"也就是现在被称为 slop 的东西"，"我们担心自己把互联网变得更糟了"。
于是他回到白板前问：⚠️ "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？"他的判断是"代码会占好多个 9"，而"所有优化却都投在人那一侧"——北极星由此确定。他写了文档，Sam 说"这太好了，你该去做这个"，他当时的回应是"山姆，我有工作"。
他当时还以为"这么显然，Anthropic 肯定已经在做了"（[02:00:27]）。
离职与创业（[02:01:27]–[02:02:27]）：他说如果真发生 AI 冬天、而他没尽一切努力阻止，⚠️ "我会认为自己负有个人责任——既为 RLHF 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。"他原以为这事"要一周"，结果花了多年。先找 Eric，再找 Sasha（本意只是问"我是不是疯了"，Sasha 当场说"我加入"并要解散自己的创业公司）；两周内拿到融资、有人搬进他公寓。
⚠️ 他说自己"零创业者属性"（[02:15:48]–[02:16:49]）："我不喜欢创业公司，从没想当 CEO，想不出谁会干两次。"融资时被问"你崇拜哪些 CEO"，他的回答是"呃，我为什么要崇拜那些人"。他说自己在 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"。
他当年提的一个具体要求（[02:17:50]–[02:18:50]）：⚠️ "任何不给每个 function 一个真正的 bias（或概率）的 function calling 项目，请把我移出去"——因为"假设动作是 refuse 或 allow，Disney 在 AI Dungeon 里需要设一个不同的拒绝阈值，而用 function calling 控制它的唯一办法是在 system message 里求它'拜托'，这是疯了"。他说这个问题至今没变：现有 coding agent 对自家 harness 高度过拟合，所以对外部工具与 MCP 用得不好；而"解法居然是在 system message 里乞求"。

经济主张：TFP 增速而不是 AGI¶

他的北极星指标（[01:18:54]）：⚠️ 五年内 TFP（全要素生产率）增速 +3%。主持人的评语是"我从没见过一个实验室关心 TFP 增速"。
他把这接到 OpenAI 旧章程的"完成世界上大多数经济价值工作"这个定义上（[01:18:54]）：⚠️ "他们该回答：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？我猜现在所有模型大致并列在零——有可能已经开始，但我猜还不到 1%。"
他对后果的预期（[01:19:54]）：⚠️ "它不会造成大规模失业，但会带来一大堆很棒的转变"；他还说"我已经厌倦 AI 永远当前景角色——世界应该只是变得更令人愉快，AI 应该只是帮忙而已"，最好消失进背景里。
⚠️ "反向 SaaS 末日"（[01:20:54]）：他认为 SaaS 会被这件事大幅增强，因为"他们最清楚什么东西值得自动化"。他对现状的质问是："2019 年的软件已经极有价值，现在是 2026 年，为什么软件基本还是一模一样，只是旁边多了个有时能用的聊天框？"
他对自己护城河的表述（[00:31:17]）：⚠️ "如果整个 TypeSafe 消失，也许别人要一两年才能真正追上。我其实不知道要多久。如果模型质量重要，那我们会在很好的位置待很久。"

事实性细节（均为他口述，⚠️ 本库未核实）¶

发布一周内突破每天 1 万亿 token，而且"不是一阵风——晚上也在持续跑，说明是机器在调用，不是人在试玩"（[00:36:22]）。
signup 数对开发者平台没意义，真正的压力在 rate limit；他们"把等待列表的人全放进来了"，而拿到价值的人立刻要更多额度（[00:37:23]–[00:38:25]）。
发布视频约 36–38M 次观看；他自己给的对照是"Navier–Stokes 那条 74M、Fable 5 那条 57M"（[00:39:25]）。Discord 10 万人（[00:03:04]）。
⚠️ "我们的 uptime 的 9 比 Anthropic 还多，而且是在史上最疯狂的发布期间"（[00:37:23]）。
发布前的内部体感：一半以上试用过的人"根本没懂"，非技术同事很担心"我们在卖维生素不是止痛药"，发布前几乎没有收入；发布后变成"我们能不能直接给你们 GPU"。他由此说想质疑"product-market fit"这个概念本身（[01:32:09]–[01:33:09]）。
他们把文档/cookbook 当教育瓶颈来投入，因为发布前"这东西听起来像个奇怪的外星工具，谁会需要它"；发布后"社区的用法比我们能教的更酷"（[01:30:05]–[01:31:06]）。
服务器位置敏感度：⚠️ "光速更像瓶颈了——我为欧洲用户难过，我们在那儿没服务器，所以只快三倍而不是一百倍"（[02:19:50]）。
他说 Jev 这个名字内部一度被反对（"除一个人外都已道歉"），有人想叫 Meow（[00:56:35]）。
⚠️ 他提到 OpenAI 的两段内部史："政变"期间他正在做一次感恩节的 hero run（他说"没时间爆料政变的事"，并把它概括为"安全派接管了公司"——⚠️ 这是字幕里主持人与他交错的表述，归属不完全清楚，本库只照录）（[01:57:27]）；以及"OpenAI 更擅长追赶而不是真正创新"，他举 ChatGPT 对 Claude、Claude 做了 coding agent 等例子，并说推理方向"算 OpenAI 领先，但那是很好的研究、不确定是不是产品需求"（[02:00:27]）。

⚠️ 自动字幕专名对照（未核实的照录）¶

Jev / Jev 1.13.0（模型与版本名，取自 Jevons）、TypeSafe、RLCD（他对自己这类任务的命名，尚无论文）、nool（源自 Bernoulli）/ score / choice（三个 API 原语）、system one model / large programmable model / machine native、"KV cache rules everything around me"（他的文章）、Eric 与 Sasha（联合创始人）、Kay（chief of staff）、Clementine Fourrier（Hugging Face，主持人提到的往期嘉宾）、Prime Agent 与 recursive language models（主持人提到）、Jasper / Copy.ai、AI Dungeon、Fable 5 与 "Navier–Stokes" 视频（他给的观看量对照）。字幕把嘉宾名识别为 "Diego"，本页统一写作 Diogo Almeida。