TypeSafe AI融资58.6亿：Jev不生成文本，估值冲上505亿

10月10日消息，9月15日发布的一款AI模型Jev，不生成文本，短短几周就把开发它的TypeSafe AI推到了75亿美元估值，约合505亿人民币。

Jev针对的是一个错配：LLM输出文本、代码却需要结构化判断。它的做法是不生成文本，直接返回类型化值和概率分布，也就是直接给代码返回决策。

TypeSafe AI近日完成8.7亿美元融资，约合58.6亿人民币，a16z领投，红杉资本、DCVC参投。a16z说这是今年“最大的叙事反转”，也是他们见过增长最快的模型：发布仅3天，生成量就达到1万亿token，财富500强中已有约三分之一的企业接入。

01.Jev定位：不生成文本，直接给代码返回决策

Transformer是谷歌研究团队2017年在论文《Attention Is All You Need》中提出的一种神经网络架构，也是当前几乎所有大语言模型（如GPT、Claude、Gemini等）的底层基础。简单说，没有Transformer，就没有今天的大语言模型。

Jev也建立在Transformer架构上，可它不是大语言模型，不输出文本，输出的是概率。它的核心不是生成一段文字，而是给出一个“带概率的判断”——TypeSafe管这个叫“校准决策”。

TypeSafe在官方说明里给出的说法是，大语言模型从设计之初，服务的就是“给人读的文本”。麻烦出现在需要它替代码拿主意的时候：等于逼着一个写文本的系统吐出一个结构化判断，接着还得把这结果拆解成代码敢直接依赖的形态。

TypeSafe的旗舰模型是Jev，它也是第一个“System One”模型。这一类模型的定位就是迅速给出结构化决策，产出结果能直接喂给软件用。使用方式是传入一段上下文，也就是状态，再给一个带类型的问题，Jev就把结构化结果直接还回来——中间不做文本生成，也不需要解析。拿到手的是类型化值和概率分布，代码照此就能完成分支判断、排序或者路由。Choice和Score这两个还会把置信度一并给出，代码凭它来决定要不要动手、怎么动手。

TypeSafe提供三种AI原语（AI Primitives），分别是Choice、Score和Noul。它们和软件原语一样，模块化、可组合、结构化、可靠且快速：

Choice：从一组选项中选出答案，返回每个选项的概率以及总体置信度分数。

Score：按照有序等级（如低、中、高）对输入评分，返回连续分数、底层分布和置信度值。

Noul：回答是/否问题，返回某个陈述为真的概率。

▲图片来源：langchain

有个功能很关键：同一次请求里，你可以围绕同一个状态抛出多个问题。System One模型会把这些问题放到一起并行评估，问题数量多几个，响应时间基本不受影响，多出来的只是那几个问题对应的token开销，而这部分花销很便宜。

02.Jev爆火逻辑：成本降至1/400，速度提升百倍，让智能无处不在

用户和大型企业之所以对Jev兴奋，是因为TypeSafe声称它的运行速度显著快于LLM，且token消耗量远低于LLM。a16z博客给出具体数据：Jev成本约为前沿模型的1/100至1/500，分类任务速度是前沿模型的100倍，精度相当。TypeSafe官方则称，在分类任务上，Jev推理速度最高可达同类LLM的200倍，成本却低至1/400。

不过在a16z看来，Jev的价值并不只是更快、更便宜、更准。它另开了一条路：作为“System One”模型这个新品类，Jev是头一个。这类模型生来就是要深度嵌进代码里的，用途不是陪人聊天，而是拿软件的原生语言直接给出本能式的决策。现在不少大实验室还在比参数规模、上下文长度、推理链像不像人，TypeSafe偏偏走了另一条道：让AI真的铺开，到处都在。

a16z将其称为“Jev-ons悖论”：当智能便宜到随处可调用，它就会被处处调用。

03.Jev落地场景：嵌入智能体循环，替代高频大模型调用

所谓智能体，就是能自己把任务干完的AI程序。它的运转靠一个循环：LLM判断接下来该做什么，工具去执行，模型再看结果，一圈一圈转到任务结束。可即便有了工具调用和结构化输出，这个循环还是既慢又费钱——每做一个决定，模型就得被调用一次。

但Jev改变了这一点。代码可以直接用Jev返回的结果来指导智能体的下一步行动，不必每做一个决定就调用一次完整的聊天LLM。Jev使用“校准决策强化学习”训练（英文简称为RLCD，是TypeSafe为Jev专门设计的一种强化学习训练方法），并且可以配合LangChain使用。

LangChain是个开源框架，用来搭建大语言模型应用，搭智能体、跑智能体尤其顺手。它更像一套“乐高积木”：模型、工具、数据源、逻辑步骤，由开发者拼装起来，就能组出一个自主完成任务的AI程序。

拿客服工单来说：把工单内容发给Jev，问一句“这条消息有多紧急？”，Jev给出的“紧急”概率是99.9%，应用据此就能定下工单优先级。也可以一口气问好几个问题，比如紧急程度、类别、是否需要人工介入同时判断，Jev会并行评估，响应时间几乎不变。

▲客服工单的Jev运行效果图（图片来源：langchain）

04.创始团队：来自OpenAI与Meta，2024年创立

TypeSafe AI在2024年由迪奥戈·阿尔梅达（Diogo Almeida）、盛莎莎（Sasha Sheng）和埃里克·加夫尼（Erik Gafni）三人一起创办。阿尔梅达曾是OpenAI的研究员，盛莎莎在Meta做过研究工程师，加夫尼则是工程师出身，也创过业。

▲三位创始人分别为Diogo Almeida、Sasha Sheng和Erik Gafni（图片来源：TypeSafe AI官网）

Jev蹿红的速度快得离谱。这家初创公司说，财富500强里三分之一已经在用这款模型，对企业产品来说，这样的采用节奏很少见。a16z的博客给出的数字是，财富500强中25%已经集成Jev。开发者这边同样热闹，头一周就冒出数千个用例，生成式UI、互动游戏、数据分析都有。每一个用例都说明，System One模型能出现在软件的各种地方。

钱的部分：TypeSafe AI这一轮A轮拿了8.7亿美元，估值75亿美元，a16z领投，红杉资本、DCVC和多位天使投资人跟投。a16z合伙人马丁·卡萨多（Martin Casado）会进入TypeSafe董事会。

05.a16z领投背后：不取代开发者，让软件更智能

a16z在投资文章里写道，AI写代码现在确实快，可要把AI能力真正塞进软件里，一直是个难题。“AI正在吞噬软件”这话，讽刺的地方在于，它变成了AI更快地写出更多传统软件，而不是让软件自身变聪明。真正的经济机会是让所有软件都自带最新模型的智能，同时性能和成本还得符合传统软件的经济账。TypeSafe靠Jev办到了。

a16z说，第一次跟阿尔梅达聊，双方在理念上就对上了。TypeSafe更像开发者那一挂：务实、可组合、尊重构建者。这跟某些大实验室“取代软件工程师、杀死SaaS”的说法正好相反。所谓“杀死SaaS”，指的是AI智能体直接替用户把活干了，用户可能就不必再一个个买现成的SaaS工具，传统SaaS的订阅生意会受冲击。TypeSafe的看法是，AI该让软件更智能，而不是把SaaS整个端掉。

a16z盯阿尔梅达盯了很久，也认他的愿景：真正的“苦涩教训”不一定是造出个新东西，而是把智能的基础组件交到构建者手里，让他们自己去发挥。

06.结语：AI与软件关系的新方向

Jev爆火，不只是又一个模型融资的案例。它代表的是一种新路数：AI不一定非得生成文本、陪人聊天，它也能直接给代码返回结构化决策，让软件变得更聪明。

大模型还在拼参数、拼上下文的时候，TypeSafe选了让AI用软件的原生语言说话。这条路走不走得通，财富500强的采用速度和开发者的创造力，已经先给了个初步答案。

软件继续吞噬世界，而AI正在变成软件的一部分。