ChatGPT发明者推出新型AI模型，开发者为之振奋

ChatGPT的核心开发者之一，如今在做一个“不会说话”的AI模型，结果开发者们抢着用。 Diogo Almeida曾是OpenAI的研究员，参与打造了ChatGPT，并发明了RLHF（基于人类反馈的强化学习）——这项训练技术可以说是当前AI浪潮的最大推手。但他对ChatGPT并不满意。“我们手里握着闪电，但它不好用，”Almeida在接受TechCrunch采访时说。“问题在于我们一直在优化人类语言……我们在人类语言上做得非常好，但对自动化来说没用，因为计算机说的是另一种语言。”两年前，他离开OpenAI创办了TypeSafe AI，试图解决这个问题。本周，该公司发布了一款基于Transformer架构的新模型Jev，它不是大语言模型（LLM），不输出文本，而是输出概率——公司称之为“校准决策”。放弃语言带来几个好处：模型极其便宜和快速，而且由于用户预先定义了输出，它不会产生幻觉。输出token免费，输入token按十亿计费而非百万。 开发者对这款产品的兴趣异常高涨，公司一度因为需求过大而无法通过API正常提供服务。Jev目前最明显的用途是软件自动化。Vercel的软件工程师Pranit Sharma透露，他们此前用OpenAI的模型跑分类器来审查命令安全性，换成Jev后，速度快了5到18倍，准确率还更高。另一位开发者、Bryo AI的CTO Nikhil Mudholkar用Jev和Gemini做业务邮件分类对比测试，Gemini准确率略高，但成本是Jev的10到20倍。更让他感兴趣的是Jev的置信度分数——“它是唯一一个返回真实概率的模型，这让它非常适合自动化工作流。”除了在特定场景替代LLM，Jev还能充当LLM的“监督者”，用来追踪AI代理的行为轨迹、防止越狱攻击。用AI代理监控AI代理成本很高，但用Jev来做就划算得多。开源模型框架Pi的CTO Armin Ronacher指出，这实际上把幻觉问题部分转嫁给了用户——用户需要自己判断，50%的概率可能只是抛硬币，但95%就可以放心行动。Jev另一个潜在用途是模型路由：实时判断某个任务该调用哪个模型，用LLM来做太贵，Jev的低成本和速度让这种实时调度成为可能。模型名字来自19世纪经济学家威廉·斯坦利·杰文斯，他提出的“杰文斯悖论”描述了商品成本下降反而导致用量增加的现象。Almeida的赌注是：智能成本的下降将带来智能的广泛部署。“我们认为未来到处都是智能软件，以一种涌现式和分布式的方式存在……更像早期互联网，而不是大家现在试图打造的那种超级App。”Almeida对模型架构守口如瓶，外界猜测它构建在一个开源权重LLM之上。公司称Jev为“System One模型”，暗示它对应的是人类直觉式、快速反应的思维系统，而非深思熟虑的慢思考。