正好借着今天老马震撼的飞车，把前两天埋的坑填了，关于Jev，Strata，Atlas这三个近期AI圈我觉得好玩的东西 我用一个电影场景把三个东西串起来一起说，不讲技术细节，感兴趣的老铁自己问AI或者Research 这个场景是啥呢 - 终结者！ 想象T-800被送回到1984，任务是找到并干掉莎拉·康纳！ 这时候他需要具备以下三个基本功能：看懂空间，瞬间判断，不联网思考（1984可没有天网让你联） 巧了，这仨正好对应Atlas，Jev，Strata 1. 先说李飞飞教授的Atlas - 看懂空间 施瓦辛格（T800）走进一间屋子，扫一眼就知道门后，桌子底下大概是什么 Atlas目前做的就是这件事：给几张照片，预测换个位置看过去是什么样 LLM预测下一个词 视频模型（比如Seedance）沿时间轴往下生成画面 Atlas预测的是新视角 现在很多视频模型都把自己叫世界模型，李飞飞几个月前给他们分了个类，渲染器，模拟器，规划器 模拟器可以变成渲染器，而规划器必须基于一个强大的模拟器 T800扫一眼知道房子里大概有什么, 这是模拟器。算出跳下去会怎样、射击子弹会打到哪也算模拟器，选择追、躲还是开车撞这些动作大概率需要的是规划器，渲染器则基本用不到 Atlas的目标应该就是要做最强模拟器，未来再升级到规划器 路线图长这样- 静态 3D 空间（当前） → 动态（4D） → 可编辑 → 可交互 → 模拟器即规划器（终局） 万里长征刚开始第一步，但是你要实现终结者还真离不了这个，单纯LLM不够 2. 然后是Jev - 瞬间判断 还记得那个画面么，T-800在汽车旅馆被管理员敲门，它视野里直接弹出一排候选回复，选一个就回出去，根本不组织语言。(我记得选了最粗鲁那句……） 这就是Jev：不需要LLM吐出来一段文字，也不需要COT思维链思考，只在给定选项里选，并给出有多确定。 TypeSafe的Jev就是这样：不生成文字，只在给定选项里选，并给出校准过的概率。 某个回复 0.97 → 直接回出去 最高的只有 0.60 → 先别回，交给更慢但更聪明的大模型想想 TypeSafe的演示视频里是判断一个发票是否是假的，传统LLM需要8秒，而Jev只用了0.1秒 快，是因为只做选择题，不生成文字；准，靠的是黑科技RLCD - Reinforcement Learning for Calibrated Decisions - 面向校准决策的强化学习 架构目前还没公开，我感觉大概率还是Transformer底座，只是把生成这个场景直接砍掉了，可以看作是LLM在特定语境下的ASIC - 不会聊天，不会写代码，只做高频决策，把传统LLM判断的各种步骤压缩简化成一个判断题或者说选择题，速度和成本都是一到两个数量级的差距 有点像丹尼尔卡尼曼那本著名的《思考快与慢》里面的系统一，传统LLM算系统二 感觉在生成之外又打开一条新的AI之路 - 决策/判断 反正T-800如果按照现在LLM这个判断速度肯定是完不成电影里的任何任务的，会跟蜗牛一样（怎么忽然让我想到了疯狂动物城里的闪电……），这时候Jev应运而生，终结者功能第二块拼图拼好 3. 最后一块拼图 - Strata - 本地运行大模型 1984年是有互联网了，但第一慢到炸裂，第二当时只在军方和学校里有，再说云端也没有天网让你联啊！你还是得在T-800脑子里装一个本地模型穿越回来才行 Strata让一台12GB 显存+64G内存的消费级显卡可以跑 1250亿参数的Qwen3.8-Flash-Next 模型 黑科技是先量化把参数从16位压缩到 2–3 位，体积缩小好几倍，然后常用的20%专家（的副本）扔显存，全部专家扔64G内存，最后还有30G的一个大查找表（训练时的速查手册）扔SSD 完全离线，数据隐私，当然能力因为压缩打了折扣，读长文档也慢，但是高端游戏主机能跑千亿大模型了啊，这是从无到有的问题 T-800里面的显卡内存CPU具体参数咱不知道，反正Strata就是能让你在有限的硬件环境里，跑更大参数的，基于MOE的大模型（目前只支持Qwen这一个模型，但思路对MoE模型通用） 这么一看，我们似乎离天网和终结者时代，越来越近了！ @drfeifei @theworldlabs @typesafeai P.S - 哪位富哥订了Roadster，2028年带我体验一把吧，求求了