TypeSafe оценили в $10 млрд — её модель Jev обрабатывает триллион токенов в сутки
Продолжение поста
Генеральный директор TypeSafe Диого Алмейда объяснил логику: традиционная безопасная настройка (safety alignment) допустима для чат-продуктов, но превращается в критический баг в серверном ПО — модель не может случайно отказать выполнять запрос там, где другие системы от неё зависят.
В интервью подкасту Latent Space Алмейда рассказал о метриках и подходах компании.
По его словам, суточный триллион токенов — не пиковая нагрузка: ночной трафик тоже растёт, что указывает на автоматизированные вызовы, а не на ручное тестирование. Число зарегистрированных пользователей он считает малозначимым: многие регистрировались из любопытства, не являясь разработчиками, и уходили, не найдя чат-интерфейса.
Алмейда критикует публичные бенчмарки: по его словам, даже без намеренного читерства лаборатории начинают подгонять данные под доминирующие датасеты. Сам TypeSafe при привлечении инвестиций отказывался предоставлять бенчмарки и настаивал на проверке модели в реальном рабочем процессе.
Целевой показатель компании — рост совокупной факторной производительности (TFP) на 3% за 5 лет. Алмейда считает TFP единственной корректной метрикой экономического влияния ИИ и полагает, что сегодня реальный вклад всех существующих моделей в коммерческую ценность не превышает 1%.
По его словам, даже располагая миллиардом долларов, он не стал бы обучать модель с нуля: предобучение слишком дорого. Вместо этого TypeSafe позиционирует себя как «лабораторию данных», а не модельную лабораторию, и использует собственный метод RLCD — обучение с подкреплением, где верификатором служит программный код, а не человеческая оценка и не автоматизированный бенчмарк.
Источник: QbitAI (🇨🇳)
#TypeSafeAI #OpenAI #Jev #LLM #автоматизация
Продолжение поста
Генеральный директор TypeSafe Диого Алмейда объяснил логику: традиционная безопасная настройка (safety alignment) допустима для чат-продуктов, но превращается в критический баг в серверном ПО — модель не может случайно отказать выполнять запрос там, где другие системы от неё зависят.
В интервью подкасту Latent Space Алмейда рассказал о метриках и подходах компании.
По его словам, суточный триллион токенов — не пиковая нагрузка: ночной трафик тоже растёт, что указывает на автоматизированные вызовы, а не на ручное тестирование. Число зарегистрированных пользователей он считает малозначимым: многие регистрировались из любопытства, не являясь разработчиками, и уходили, не найдя чат-интерфейса.
Алмейда критикует публичные бенчмарки: по его словам, даже без намеренного читерства лаборатории начинают подгонять данные под доминирующие датасеты. Сам TypeSafe при привлечении инвестиций отказывался предоставлять бенчмарки и настаивал на проверке модели в реальном рабочем процессе.
Целевой показатель компании — рост совокупной факторной производительности (TFP) на 3% за 5 лет. Алмейда считает TFP единственной корректной метрикой экономического влияния ИИ и полагает, что сегодня реальный вклад всех существующих моделей в коммерческую ценность не превышает 1%.
По его словам, даже располагая миллиардом долларов, он не стал бы обучать модель с нуля: предобучение слишком дорого. Вместо этого TypeSafe позиционирует себя как «лабораторию данных», а не модельную лабораторию, и использует собственный метод RLCD — обучение с подкреплением, где верификатором служит программный код, а не человеческая оценка и не автоматизированный бенчмарк.
Источник: QbitAI (🇨🇳)
#TypeSafeAI #OpenAI #Jev #LLM #автоматизация