TypeSafe 創辦人稱 Claude Code、Codex 仍停在輔助階段，Jev 以 RLCD 讓程式直接使用模型輸出

據《AI 前線》報導，曾參與 OpenAI InstructGPT、現任 TypeSafe 執行長兼 Jev 創辦人的 Diogo Almeida 認為，Claude Code 與 Codex 本質上仍屬於由 AI 協助人類的階段，尚未讓程式直接可靠地使用模型判斷；他更形容 Jev 出現前的 AI 世界「簡直是個悲劇」。 Diogo Almeida 在 9 月 22 日接受 Latent Space Podcast 訪問時表示，Jev 採用面向校準決策的強化學習（RLCD），目標是讓模型輸出可供程式直接使用的選擇、評分與機率。開發者可依不確定性設定閾值，決定何時自動執行、何時交由人工處理；他建議把複雜工作拆成可獨立判斷的語意單元，再由程式控制最終行為。 他將 Jev 稱為 System 1、機器原生或大型可程式化模型，並表示其輸出目標不是文字回覆，而是讓程式成為模型輸出的直接使用者。Jev 是 TypeSafe 的第一個大型可程式化模型，訓練方向則以「每美元智慧」為最佳化目標，後續系列模型也將以成本效益作為主要取捨之一。 Diogo Almeida 批評，RLHF 著重遵循人類指令並產生獲得認可的回答，可能因「模式坍縮」（mode dropping）而偏向安全、常見的答案，犧牲機率分布的校準，進而掩蓋長文本中的錯誤累積，也使文字模型不適合承擔過多決策工作。相較之下，RLCD 的優化目標是讓模型成為軟體能可靠呼叫的能力。 他並不反對安全，但認為不應把特定價值判斷直接寫入通用模型底層；對供程式呼叫的模型而言，突然拒答就像發生「型別錯誤」。在可靠性方面，他更重視問題意義不變時判斷不因無關字元而大幅改變；已部署的模型不會悄悄修改，但目前仍無法承諾永久維護每個舊版本。 Jev 的潛在企業用途包括分析因處理成本過高而閒置的「暗資料」、為即時流程提供判斷、檢查其他模型的呼叫與輸出，以及把 AI 判斷嵌入軟體核心邏輯。這些主張與產品表現主要來自該次訪談及原報導，材料未提供獨立佐證或具體評測數據。