TypeSafe AI推Jev模型：创始人来自OpenAI，估值14亿

编者按：这篇稿子来自微信公众号“融中财经”（ID：thecapital），作者王涛，编辑吾人，创业邦获得授权转载。

九月的AI圈原本就热闹，几家大厂的新模型一个接一个亮相，按往年的套路，大家关注的重点应该落在它们身上。可过去这一周，X、GitHub还有各种技术群里被开发者反复刷屏的，却是一个连完整句子都不愿意说的模型。

它叫Jev，9月15日才发布，上线没几天，官方接口就被涌来的开发者挤到没法调用。到了9月21日，公司干脆取消候补名单，向所有人开放，每个注册用户送5美元额度，折合约1.2亿Token。一个新模型用这种办法“泄洪”，今年还真不多见。

做出Jev的公司叫TypeSafe AI，总部设在旧金山。这家公司隐身两年，一露面带了两样东西：一个是模型，另一个是DCVC领投的4000万美元种子轮，约合人民币2.8亿元。Forbes援引一位知情人士的说法，这一轮估值为2亿美元，也就是14亿元上下。

更让人好奇的是创始人Diogo Almeida。他在OpenAI待了四年，参与过RLHF、InstructGPT、ChatGPT和GPT-4的研发。RLHF就是基于人类反馈的强化学习，ChatGPT能听懂指令、说话得体，这项技术功不可没。换句话说，他就是当年教会大模型“说人话”的那批人之一。离开OpenAI之后，他做出来的东西恰好反了过来。

一个“哑巴”模型，被玩疯了

用大模型做过分类的人，多半碰上过这种烦心事。你只想让它判断一封邮件急不急，回个“是”或“否”就完事了，它偏要先铺一段分析，又慢又费Token。Jev的办法简单粗暴，干脆不让模型开口。它读进去的是杂乱的状态信息，吐出来的是开发者预先定义好类型的决策，每个答案都附带一个经过校准的概率。TypeSafe给它起了个名目，叫System One决策模型，典故来自《思考，快与慢》里的“快思考”。人扫一眼就能拍板的事，交给它。

Almeida曾在一次播客访谈中聊到，这套东西的设计思路就是这样。Jev的输出被限定为三类：Choice是在候选里选一个；Score用于排序，或者拿来跟阈值做比较；Noul负责判断对错，不过它给的是概率值，至于要不要走某个分支，交给程序自己定。说到底，它就是给代码用的。

它之所以被更多人知道，靠的就是快和便宜。按照官方说法，端到端延迟落在70～500毫秒这个区间，比前沿大模型快上40至200倍；收费方面，每百万个token是0.042美元，输出那一头不收费。

TypeSafe那边放出的数字更吓人。按他们自己的流程测试，有的任务速度最多能提升193.6倍，价格最多能压低444.6倍。不过这些结果出自公司内部测试，没有第三方实验室做过验证。

公司自己也提醒，真实表现会因任务不同、比较口径不同而不一样。第三方数据相对保守一些：独立测试后看到，它在分类一致率上与DeepSeekV4.1 Flash接近，中位延迟0.32秒。哪怕打了折扣，这个价位还是很有吸引力，有文章干脆拿AI圈里的“蜜雪冰城”来打比方。

把关注度真正推上去的，是开发者们玩出的各种花样。官方先做了个示范：让Jev去玩初代《毁灭战士》，它每秒钟大约做十次选择，用来控制角色走路、闪避和开火，连续跑一个小时，花掉大约七美元。

Browser Use团队把它塞进了浏览器自动化。打开网页、搜出苏黎世飞伦敦的航班，这一趟下来只用了7.1秒，花掉0.0039美元。做实时通信的Ably给了一个更直观的对照：几分钟时间里，Jev做了47次决策，而Gemini、Claude、GPT这些只做了一两次。中文开发者也没闲着，用大模型出牌时卡顿很明显，换成Jev以后单次决策只要0.7秒，出牌动画还没放完，下一回合已经打出去了。这些场景都要求又快又密地做决定，可每个决定本身并不复杂。

游戏那边是热闹，商业上的动作更能说明问题。Vercel第一时间把AI网关接进了Jev，开发者拿它当大模型的裁判，几十毫秒内就能查完模型的行为合不合规、有没有事实依据，并给出事实一致性的分数。东西便宜到几乎可以忽略的时候，原先算不动的那些事，一下子就算得动了。

ChatGPT的功臣，反手泼了盆冷水

Almeida的履历在圈内很有分量。OpenAI在GPT-4的贡献者名单里，把他列在“基础RLHF与InstructGPT工作”一栏。他在OpenAI花了四年打磨ChatGPT的回答，2024年离开，着手训练一种新的基础模型。另外两位联合创始人里，COO Sasha Sheng此前是Meta和FAIR的研究工程师，Erik Gafni出任CTO。三个人闷头干了两年，外界几乎没听过这家公司的名字。

按常理，这样的人出来创业，多半会做一个更会聊天的模型。Almeida偏偏反着来，他批评的正是自己亲手参与打造的那套方法。

他的思路并不复杂。RLHF是先收集人的偏好，再照着去优化，相当于把人塞进了训练回路，追求的是让人满意，而不是让软件自己跑起来。他对Forbes说得更直接：行业一直在围着人做优化，模型讨人喜欢的本事已经超过了人。他在演讲里还讲过一个段子，有人给ChatGPT发了一段放屁音效，让它老实评价自己“创作”的这段音乐，ChatGPT回了一句，说这营造出一种很诡异的氛围。有人盯着的时候，这种圆滑没什么大不了。可要是让软件在后台没人看着自己跑，一个明明错了却总想装没错的模型，就变成大麻烦了。

所以他敢放话，下一个时代不会是Claude Code的时代，他说自己也爱用Claude Code，但它仍属于“辅助时代”，底子里靠的还是RLHF。这话从ChatGPT的缔造者之一嘴里说出来，多少带点反讽。

投资人掏钱，很大程度买的就是这个判断，以及做出判断的这个人。美国投资人Trace Cohen说得挺直白：一家产品还没交付的公司能拿到4000万美元种子轮，看的是背景，赌的是团队，不是产品。从OpenAI出来的人向来是硅谷最吃香的创业者，这种估值套路早就不新鲜。挺有意思的是，TypeSafe自己在上线前，对产品也心里没底。

Almeida后来在播客里提到，上线前收到的反馈相当差。非技术岗的同事怕他们卖的是“维生素”，不是“止痛药”。公司几乎没什么收入，测试者里一多半没看明白，看懂的那批人，开口第一句问的是采购审批怎么走。他自己也慌，于是使劲催着赶紧上线。

上线之后的局面，他大概也没想到。要求提高调用上限的申请从四面八方涌过来，按他在播客里的说法，日调用量已经突破一万亿Token，深更半夜还在调，这说明是程序在后台跑，不是人跑来尝个鲜就走了。这个数字眼下只有创始人一方在说，但深夜调用这个细节，比注册人数更能说明产品有没有被真的用起来。

名字起得也有讲究。Jev来自经济学家William Stanley Jevons，就是提出杰文斯悖论的那位。19世纪蒸汽机越造越省煤，英国的煤炭消耗反而越来越大。用这个名字想说什么，不难猜。

“智能大拆分”，动了谁的奶酪

Foundation Capital合伙人Jaya Gupta写过一篇长文，给Jev的走红安了个更大的背景，她管这叫“智能大拆分”。按她的观察，过去三年大模型的奇迹在于“打包”：信息抽取、搜索、排序、判断、选工具、写回复，甚至高难度推理，全丢给同一个足够聪明的模型。开发者是省了事，代价却被藏起来了。Agent会把人的一个目标拆成成百上千次机器决策，每一步在成本和延迟上的细微差别层层累加，最后决定整个产品的经济模型。她把这里头的浪费称为“解码税”：软件明明只要一个“放行”或“拦截”，大模型却得先写一段文字，程序再把文字翻回决策。

这笔账最后要落到大模型公司头上。Gupta文中提到，据报道Anthropic的毛利率超过80%，一个简单的分类任务，就因为发生在Claude的调用里，得按前沿模型的价码付钱。

在她的判断里，那些便宜、结果稳定的高频操作会逐步被拆出去，而落到前沿模型头上的，是更含混、耗时更久、也更难验证的活儿——单次调用可能更贵，可调用次数会降下来。应用层的生存方式也随之调整：任务必须切成小块，每一步都得买到够用且最省的智能。以前一套系统也许只抽查1%的行为，如今判断成本降了，全量检查就有了可能，客服对话、交易记录、合同条款都能一条条筛。Almeida盯上的正是这条线上的机会，比如大企业攒了好些年、就因为调用大模型代价太高而从未碰过的“暗数据”。他拿保险核保打过比方：模型把材料读完之后，能直接算出某处房产曾经发生火灾的概率是多少。

故事讲得漂亮，护城河的问题几乎同时摆上了桌面。Jev发布才两天，GitHub上就冒出至少六个复刻项目，有人拿Qwen的小模型在笔记本上训了不到两小时，就做出接口一模一样的决策模型。

这些复刻不少是奔着“平替”去的。涨得最快的Laya，5天就拿到1.8万个Star。Jared Palmer做的Kev基于Qwen3.5，跟TypeSafe官方SDK完全兼容，业务代码一行不用改，换个请求地址就能切到本地；Bespoke Labs的Nimble基于Qwen3.5-9B，测试准确率90.1%，接近Jev官方公布的93.2%。这一轮复刻潮里，阿里通义千问意外当了一回“底座”。复刻品也有短板，有评测认为，碰到任意提问加几十个长选项的场景，眼下还得用Jev。

Jev自己的局限也很明显。它是闭源API，模型拿不到手，数据还得传到TypeSafe的服务器上，对不少企业客户来说是道坎。官方说的“不会幻觉”也得打个折扣，它保证的只是答案不会超出开发者定义的格式，不是答案一定对。

Almeida并不回避这些。他承认校准不完美，模型会犯很多错，但只要收益够高、阈值设得合适，照样能用。有主持人试过之后发现，单步判断很强，步骤一多效果就慢慢往下掉，他的回应是，哪些任务该交给System 1，最终得看实际效果。外部压力也摆在那，大厂还在不停压低推理成本、提速度，TypeSafe号称的优势能守多久，得市场说了算。

过去几年，大家比的是谁的模型更会想。Jev这一周的热闹，让行业头一回认真坐下来算另一笔账：想一次，到底要花多少钱。