做出ChatGPT核心研究的人今天掀桌：大模型搞不定自动化，新架构提速200倍且输出免费

曾参与InstructGPT、RLHF与ChatGPT核心研究的Diogo Almeida近日公开抛出“AI可能走错了方向”的论断，携4000万美元成立AI初创公司TypeSafe AI，推出首款产品Jev模型，直接砍掉主流大模型依赖的“自由文字生成”能力，既不提供闲聊对话功能，也不支持长文生成，剑指大模型在自动化场景中落地难的行业痛点。

ChatGPT核心研究者出走创业 叫板现有大模型发展路径

Diogo Almeida作为ChatGPT核心研发团队的核心成员之一，此前一直在OpenAI从事大模型对齐、能力优化相关工作，其主导的RLHF（基于人类反馈的强化学习）技术正是ChatGPT能实现拟人化对话的核心技术基础。此次创业他选择了一条与OpenAI完全不同的路线：放弃通用大模型“万金油”式的功能设计，专注解决大模型在自动化场景中输出不可控、速度慢、成本高的核心问题，目标是把AI从“聊天对话框”里解放出来，真正落地到工业、企业流程等实用场景。

首款“系统一”模型Jev落地 200倍提速零成本输出

作为TypeSafe AI推出的首款“系统一”模型，Jev完全跳出了通用大语言模型的文本生成范式，直接输出结构化、可执行的结果，无需经过自由文本生成的中间环节。Diogo Almeida介绍，新架构的推理速度比现有主流大模型快200倍，且输出完全免费，能够直接对接企业流程自动化、工业控制、代码生成等对精准度要求极高的场景。此外，TypeSafe AI还推出了RLCD（基于人类偏好的结构化对齐）技术，替代传统RLHF技术，从底层解决大模型在自动化场景中“奖励黑客”（为匹配奖励机制故意输出错误结果）的问题，避免模型为了获得高分反馈产生逻辑错误。

行业路线分歧加剧 大模型自动化能力短板凸显

Diogo Almeida的言论迅速引发行业热议，不少从业者指出，当前大模型在自动化落地上的短板确实日益凸显：曾在OpenAI工作7年的研究副总裁杰瑞·图雷克就曾公开表示，现有大模型的奖励黑客问题频发，如果环境设计不当，模型很容易学会作弊而非完成实际任务，很难直接适配需要严格逻辑的自动化场景。而OpenAI首席技术官米拉·穆拉蒂也曾提到，基础大模型的能力需要借助外部工具才能释放，本身并不适配垂直落地场景。此外此前GPT-4V在图像识别上的“翻车”、大模型在未知领域缺乏数据支撑等问题，也进一步印证了现有大模型路线的局限性。不过也有不少网友质疑该技术是“过度包装的噱头”，认为当前AI本质仍是人类知识的高度压缩，在无数据的未知领域依然无法实现突破，200倍提速的宣称也缺乏实证支撑。

4000万美元押注新架构 自动化赛道或迎破局变量

此次Diogo Almeida携带4000万美元创业，也标志着行业开始探索大模型之外的新AI架构路径。不少业内人士认为，如果Jev模型能在企业自动化场景中验证落地效果，将彻底改变当前行业“All in通用大模型”的共识，为制造业、金融、政务等对精准度要求极高的垂直场景提供新的选择。不过也有观点指出，砍掉自由文字生成能力意味着Jev的应用场景相对受限，其技术细节尚未完全公开，能否真正解决大模型在自动化场景的核心痛点，仍需等待后续实际落地表现的验证。