Die Häresie des Architekten: Warum der Mitentwickler von ChatGPT das Gegenteil davon baute
Diogo Almeida, ein OpenAI-Mitentwickler von RLHF (Reinforcement Learning from Human Feedback), dem Post-Training-Algorithmus hinter den meisten Spitzen-KIs, kritisiert nun genau die LLMs, an deren Aufbau er mitgewirkt hat. Sein Team trainierte die ersten Modelle, die "übermenschlich gut im Befolgen von Anweisungen" waren, und legte damit den Grundstein für chat-fokussierte KIs wie ChatGPT.
Almeida argumentiert, dass Modelle, die auf menschliche Präferenzen optimiert sind, zwar großartig für Konversationen, aber von Natur aus ungeeignet für eine robuste Automatisierung sind. Er hebt kritische Mängel hervor: Selbstüberschätzung, 'Mode Dropping' und einen allgegenwärtigen Mangel an Zuverlässigkeit. LLMs extrahieren Intelligenz durch den "winzigen Strohhalm der Autoregressivität", was eine sequentielle Generierung erzwingt, die einen Menschen in der Schleife erfordert und echte Autonomie behindert.
Seine Antwort ist Jev, das erste System One-Modell von TypeSafe AI. Jev wurde entwickelt, um diese Einschränkungen direkt anzugehen, gebaut für "Produktion, nicht Gott" – wobei zuverlässige, maschinennative Automatisierung Vorrang vor menschenähnlicher Konversation hat. Es gibt Entscheidungen mit Wahrscheinlichkeiten und Konfidenzwerten aus und zielt darauf ab, zuverlässig, schnell, konsistent und typsicher zu sein, im Gegensatz zu halluzinationsanfälligen LLMs.
Lernen Sie Jev kennen: KI, die wie Code denkt, nicht wie ein Dichter
Lernen Sie Jev kennen, die Antwort von TypeSafe AI auf die Grenzen von LLMs: ein "System One-Modell", das für Maschinen gebaut wurde. Es verzichtet auf die sequentielle, autoregressive Generierung, die bei LLMs üblich ist – großartig für Chats, aber "völlig nutzlos für Computer" – zugunsten paralleler Berechnungen. Dieser architektonische Wandel liefert "nahezu sofortige" Antworten und macht Echtzeit-KI endlich praktikabel, indem Intelligenz weitaus effizienter extrahiert wird.
Jevs Ausgabe ist keine konversationelle Prosa. Stattdessen liefert es strukturierte Entscheidungen mit expliziten Wahrscheinlichkeiten und Konfidenzwerten zurück. Dies macht es "typsicher" und tatsächlich unfähig zu Halluzinationen, wodurch es eher wie zuverlässiger, schneller und konsistenter Code funktioniert. Dieses maschinennative Format ermöglicht eine Automatisierung, die mit unvorhersehbaren LLMs bisher unmöglich war.
Seine Trainingsmethode, Reinforcement Learning for Calibrated Decisions (RLCD), stellt eine grundlegende Abkehr von RLHF dar. Während RLHF LLMs auf menschliche Präferenzen optimiert, was oft zu Selbstüberschätzung und Unzuverlässigkeit führt, priorisiert RLCD stattdessen Genauigkeit und ehrliche Konfidenz. Dieses Design stellt sicher, dass Jev robuste, überprüfbare Entscheidungen liefert, die für eine Automatisierung gebaut sind, bei der Zuverlässigkeit wichtiger ist als ein angenehmes Gespräch.
Wahnsinnige Geschwindigkeit: Demos aus der realen Welt und schockierende Kosten
Jevs erstaunlichste Behauptungen betreffen nicht seine Intelligenz, sondern seine rohe Effizienz. TypeSafe AI sagt, dass ihre System One-Modelle bis zu 200-mal schneller und 400-mal günstiger sind als herkömmliche LLMs. Konkret kosten Input-Token nur 42 Dollar pro Milliarde, wobei Output-Token als kostenlos bepreist werden, was sie "zu billig zum Messen" macht. Das ist eine ernsthafte Kostenreduzierung.
Entwickler haben Jev sofort auf die Probe gestellt und innerhalb weniger Stunden für ein paar Cent virale Demos erstellt. Beispiele hierfür sind Jev, das autonom Agenten in Minecraft steuert, durch einen Tesla-Simulator für autonomes Fahren navigiert und sogar Subway Surfers in Echtzeit meistert. Das sind nicht nur Spielereien; sie zeigen Jevs Fähigkeit, sofort auf dynamische Umgebungen zu reagieren.
Der entscheidende Vorteil für Entwickler ist die Fähigkeit von Jev, intelligentes, reaktives Verhalten in Simulationen und Anwendungen zu integrieren, ohne die übliche Belastung durch spezialisiertes Modelltraining. Dieser Ansatz der parallelen Berechnung bedeutet, dass Entwickler komplexe KI-gesteuerte Systeme mit beispielloser Geschwindigkeit und Kosteneffizienz prototypisieren können. Weitere technische Details zu diesem Wandel finden Sie unter TypeSafe AI: Home.
Gefällt Ihnen der Artikel? Erhalten Sie jeden Morgen einen wie diesen per E-Mail.
eine E-Mail pro Tag · Abmeldung mit zwei Klicks · kein Tracking durch Dritte
Der neue KI-Stack: Wo Jev Ihre If-Statements ersetzt
Jev ist nicht dazu da, ChatGPT zu ersetzen; es ist ein ergänzendes Werkzeug für eine grundlegend andere Aufgabe. Große Sprachmodelle (LLMs) zeichnen sich durch komplexes, offenes Schlussfolgern aus – sozusagen das „Gehirn“ eines KI-Agenten. Jev hingegen übernimmt die Verwaltung der Tausenden von schnellen, strukturierten Entscheidungen innerhalb des Arbeitsablaufs dieses Agenten, wo sofortige Reaktionen und unerschütterliche Zuverlässigkeit von größter Bedeutung sind.
Für Entwickler fungiert Jev wie ein hochintelligenter Frontier-Intelligence-Funktionsaufruf. Betrachten Sie es als ein „intelligentes If-Statement“, das robuste KI-Automatisierung endlich praxistauglich macht. Die vorangegangenen Abschnitte behandelten die Behauptungen, dass es bis zu 200-mal schneller und 400-mal günstiger ist, mit Input-Token-Preisen von 42 $ pro Milliarde. Dies sind nicht nur beeindruckende Zahlen; sie bedeuten, dass Entwickler KI-Systeme bauen können, die in Echtzeit reagieren, ohne das Budget zu sprengen.
Dies ist keine weitere konversationelle KI. Jev repräsentiert einen grundlegenden Wandel hin zu maschinen-nativer Intelligenz. Es ist eine neue KI-Schicht, die nicht für menschliche Chats entwickelt wurde, sondern für eine Welt, die zunehmend von automatisierten Systemen, Robotern und intelligenten Agenten bevölkert wird. Es ermöglicht diesen Systemen, sofortige, zuverlässige Entscheidungen zu treffen, und führt uns über einfache „Human-in-the-loop“-Prozesse hinaus hin zu wirklich autonomen Abläufen.
Häufig gestellte Fragen
Was ist Jev AI?
Jev ist ein neues 'System One model' von TypeSafe AI, das für extrem schnelle und kostengünstige strukturierte Entscheidungsfindung innerhalb von Software entwickelt wurde. Es ist kein konversationeller Chatbot wie ChatGPT.
Wie unterscheidet sich Jev von ChatGPT?
Jev gibt strukturierte Entscheidungen mit Wahrscheinlichkeiten aus, keinen freien Text. Dies macht es mathematisch unmöglich, zu halluzinieren, und es ist für Automatisierungsaufgaben wesentlich schneller (bis zu 200-mal) und günstiger (bis zu 400-mal).
Wer hat Jev AI entwickelt?
Jev wurde von TypeSafe AI entwickelt, einem Unternehmen, das von Diogo Almeida mitbegründet wurde, einem Schlüsselforscher bei OpenAI und Mitentwickler von RLHF, der Trainingsmethode hinter ChatGPT.
Was sind die Hauptanwendungsgebiete für Jev?
Jev zeichnet sich bei Echtzeitaufgaben aus, die schnelle und zuverlässige Entscheidungen erfordern, wie etwa die Steuerung von Spielfiguren, die Navigation von Drohnen in Simulationen, das Routing von Daten oder den Betrieb jedes automatisierten Systems, das schnell Entscheidungen treffen muss.