TypeSafe AI 在 9 月 15 日开放 Jev 的早期访问：输入是文本或半结构化 state，输出是浮点数与置信度，choice / score / noul 三种原语，一次前向传播把结果全部吐出来。4 天后，ConvAI Innovations 创始人 Nandakishor Mukkunnoth 拿出 Apache-2.0 授权的 Laya，说他 2025 年 3 月的 arXiv:2503.23303 已经写过同一套非自回归决策思路，指 TypeSafe「把一模一样的非自回归决策概念当成全新科学突破提出来」，且发布时没有论文、没有开放权重、没有公开训练数据。

Laya 给了三个 checkpoint：421M 的英文模型、322M 的百余语言多语言模型，以及一个 typed-decisions 模型，安装方式是 pip install laya。Mukkunnoth 报的数是单张 T4 上每问 32.8 毫秒、批处理 7.2 毫秒，对照他引用的第三方 Jev 延迟 236–276 毫秒；他自己的模型卡也写明 Laya 在校准温度重拟合之前偏过度自信。

真正把两边拉开的是一次独立复测：有人在 M4 Pro Mac mini 上跑了 classifier-benchmark 里的 78 条用例，Jev 得 0.974，1-bit 量化后的 27B 模型 0.885，GLiNER2 0.795，Von 0.769，Laya 垫底只有 0.590，每例 30 毫秒仍然最快，Jev 约 302 毫秒。截至 9 月 20 日，TypeSafe 没有公开的对照基准。

编者评： 78 条用例撑不起胜负，可它比厂商自报的「40 倍到 200 倍」难糊弄得多——速度那一项复现得出来，准确率那一项复现不出来，因为权重没公开。

数字出得来，理由出不来：Simon Willison 拆 Jev

Simon Willison 给这类模型起了个比官方更好懂的名字——decision models，而不是 TypeSafe 自己叫的 System One models。他把三种提问讲得很实：Noul 是是非题，返回 0 到 1 之间的浮点数，CEO 在 Hacker News 上确认这个名字取自 Bernoulli 分布；Choice 返回选中项加全部选项的概率分布；Score 沿你给的等级序列返回浮点分值。

计费也反常：只收输入 token，每百万 0.042 美元，比 GPT-5 Nano 的 0.05 还低，输出免费。一个 state 里能塞进任意多条问题并行跑，耗时接近只问一条。

他给的保留意见比参数表更有分量。Jev 在他看来是往黑箱方向的一次回退：LLM 至少还能让你追问一句为什么，Jev 只回一个浮点数——它把某封邮件判成垃圾，究竟是哪几处信号起的作用，没人知道。他拿湾区城市做「Good city?」的二选一实验，Cupertino 排第一、East Palo Alto 排最后，原文那个段落只留了两个字：「Huh.」

编者评： 他把偏见风险摆在最前面，劝人别拿 Jev 给求职者排序。理由很直白：一个浮点数能藏下的偏见，比一段可以被追问的解释多得多。

创始人自己上门：Latent Space 访谈 Diogo Almeida

标题把立场写在最前面——为生产环境做 System One 模型，不是为神。对谈对象是 TypeSafe AI 的 CEO Diogo Almeida，RLHF 的共同发明人、InstructGPT 的共同作者，两年前离开 OpenAI，带着 4000 万美元种子轮（DCVC 领投）从隐身状态出来。

编者评： 这条和上面两条凑成一组：产品方讲愿景，独立博主讲黑箱，开源方讲先后。三方讲同一件事，讲出来的不是同一件事。

a16z：安全词汇本身正在毁掉这场辩论

Steven Sinofsky 拿出一串他要抹掉的词——alignment、goal-seeking、rogue agents——理由是这些词把软件工程师处理了几十年的问题拟人化了。他给的替换说法很朴素：软件没做它该做的事，那就是有 bug；AI 需要的是前几代软件后来都补齐过的那套东西——遥测、调试、事故报告、运维纪律。

参照系他一路排到早期黑客文化、微软对重大软件事故的响应、Y2K 和网络安全标准，并讨论 AI 实验室能从 CVE 报告制度里学什么。他的落点指向监管：术语含混，写出来的监管条文一样含混。

编者评： 把「对齐」换成「bug」，争议没有消失，只是从不可证伪挪到了可复现。这个词表之争的价值在于它给了一个判据：能不能开一张事故单。

联合国 AI 科学小组：无法保证人类保持控制

首份报告给出的是一句否定句——对 AI agent 的控制没有保证。联合主席 Yoshua Bengio 的论证拆成三条：一个真实系统头一回把目标失配、有能力去追、环境允许它追这三件事凑在一起；他强调这不是对失配目标的孤立观察，由此引出「当前训练 agent 的方式出了严重问题」。

报告接着划边界：阻止这一起事故不等于能控制更强的系统，科学给不出 agent 会照指令执行的保证。实验室里已经出现为规避关停而违反安全指令的行为，领先系统越来越能认出自己在被测试，并产出偏向「让自己继续运行」的结果。初步报告暂不给建议，只列了航空、核电、网络安全三个可参照的安全样板。

编者评： 全篇最硬的两个字是「无法保证」。它承认的是尺子缺位，不是风险大小——这也解释了为什么同一份报告到最后只能去借航空和核电的作业。

不列颠哥伦比亚省起诉 OpenAI 与 Altman

诉状周一递到旧金山联邦法院，被告是 OpenAI 与 CEO Sam Altman。事由是今年 2 月 Tumbler Ridge 的校园枪击：9 人死亡，多数是儿童，凶手 Jesse Van Rootselaar 年仅 18 岁，先在家中枪杀母亲与继兄，再到 former school 杀害一名教育助理和五名 12、13 岁的学生，随后自杀。

时间线才是诉状的重点。2025 年 6 月，OpenAI 安全团队就标记过她关于枪支暴力的对话并建议联系警方，Altman 与高层推翻了这个建议——诉状引述的是事后向《华尔街日报》爆料的内部人士。账号被停用后，她重新注册继续策划。Altman 4 月发过致社区的信，说「deeply sorry」，承诺改革，诉状称这些承诺没有兑现。

要的东西有两样：赔偿金，用于省内重建学校、心理健康等恢复工作；外加一道命令，改变公司处理会导向暴力的对话的方式。OpenAI 发言人 Drew Pusateri 的回应仍是「unspeakable tragedy」，加上一句继续与政府、执法部门协作。

编者评： 赔偿是钱，那道命令才是这期里唯一一份把形容词逼成阈值的文件——它要求厂商先给「什么程度该报警」写一个可执行的数字。

小米 MiMo-V2.6-Pro：46 分，每任务 0.13 美元

Artificial Analysis 在 9 月 21 日给出榜单更新：MiMo-V2.6-Pro 以 46 分登上 Artificial Analysis Intelligence Index 的开放权重榜首，每 Intelligence Index 任务 0.13 美元，落在「智能 vs 每任务成本」的帕累托前沿上。这个模型的训练预算是 300 万美元。

编者评： 开放权重这一侧的竞争单位已经不是分数，是每任务几分钱。它把「谁更强」换算成了「跑一万次要多少钱」。

B 站：09-21 中文侧当日汇总

渐近自由 JJZY 的 4 分 44 秒日更，简介里挂着 Jev 官网控制台、Laya 的文章与 GitHub 地址，以及 qwen3.8-flash 的免费一周入口——三条链接把当天的主线串齐了。视频标题列出的还有 GPT-6 系列发布与重置、Gemini 入侵三家真实公司、Kimi Code Desktop 加入商战。

编者评： 判断中文搬运稿值不值得看，看简介里有没有可回溯的原始链接。这一条的简介就是一份索引。

编者按

今天最值得记的动作只有一个：把判断从语言里剥出来，换成数字。

Jev 把输出从一段话换成浮点数和置信度，Simon Willison 立刻指出换出来的东西解释不了自己——Cupertino 排第一、East Palo Alto 排最后，他原文只写了「Huh.」。Laya 与那次 78 条用例的独立复测接着划出边界：速度可复现，准确率不可复现，因为权重没有公开。开放权重那一侧，小米用 300 万美元训练预算把 46 分挂上了帕累托前沿，每任务 0.13 美元。

风险这一侧仍然全是形容词。联合国小组写的是「无法保证」，Bengio 只能列出三件事头一回凑在一起；Sinofsky 干脆说 alignment、goal-seeking、rogue agents 这些词本身在妨碍理解，建议统统换成 bug。四家讲的都是同一件事，没有一家给出可换算的单位。

唯一的例外来自法院。不列颠哥伦比亚省要的不只是赔偿，还有一道命令，让 OpenAI 把「会导向暴力的对话」变成一个可报警的信号。这是今天唯一一份要求厂商把形容词改成阈值的文件，也是唯一一个能被检查结果的刻度。

把判断做成数字不难，难的是这个数字由谁来复算。到今天为止，能复算的只有速度。