三周估值暴涨37倍，Jev背后公司，融资58.6亿

智东西·2026年10月10日 21:51

初创公司TypeSafe AI的Jev爆火背后：AI不再陪人聊天，开始给软件“做决定”。

智东西10月10日消息，一款不生成文本的AI模型Jev于9月15日发布，仅几周，便使其开发公司TypeSafe AI的估值达到了75亿美元（约合505亿人民币）。

Jev解决的是LLM输出文本、代码却需要结构化判断的错配——不生成文本，直接返回类型化值和概率分布，即直接给代码返回决策。

其开发公司TypeSafe AI近日完成8.7亿美元（约合58.6亿人民币）的融资，由a16z领投，红杉资本、DCVC参投。a16z称，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同样基于Transformer架构，但它不是大语言模型，不输出文本，而是输出概率。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称之为“校准决策”。

从TypeSafe的官方说明看，大语言模型本质上是为生成“给人读的文本”而设计的。可一旦你要它做出一个供代码使用的判断，问题就来了：你是在强迫一个文本生成系统输出结构化决策，然后再把结果解析成代码能依赖的形式。

Jev是TypeSafe的旗舰模型，也是首个“System One”模型。这类模型专为快速做出结构化决策而设计，结果可直接供软件使用。你只需传入一段上下文（即状态）和类型化问题，Jev就会直接返回结构化结果——没有文本生成，也没有解析环节。你拿到的是类型化值和概率分布，代码可以据此做分支判断、排序或路由。其中，Choice和Score还会返回置信度，代码可以据此决定是否采取行动、以及如何行动。

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

一个关键功能是，你可以在一次请求中针对同一个状态提出多个问题。System One模型会并行评估所有问题，增加问题几乎不影响响应时间，只会增加额外问题的token消耗，且这部分消耗成本很低。

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。

但a16z认为，Jev的意义远不止更快、更便宜、更准。它打开了一个新方向：Jev是“System One”模型这一新类别的首个代表。这类模型为深度融入代码而生，不是用来跟人聊天的，而是用软件的原生语言直接返回本能式决策。眼下，不少大实验室还在追逐更多参数、更长上下文、更像人的推理链，但TypeSafe却选了另一条路：让AI真正无处不在。

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

智能体，指的是能自主完成任务的AI程序。它在一个循环中运行：LLM决定下一步做什么，工具负责执行，模型再评估结果，如此反复，直到任务完成。但即使有了工具调用和结构化输出，这种循环依然又慢又贵——每做一个决定，就得再调用一次模型。

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是一个用于构建大语言模型应用的开源框架，尤其擅长搭建和运行智能体。它就像一套“乐高积木”：开发者把模型、工具、数据源和逻辑步骤拼在一起，就能组装出一个能自主完成任务的AI程序。

举个例子：在客服工单场景中，向Jev发送工单内容，问“这条消息有多紧急？”Jev返回“紧急”的概率为99.9%，你的应用可以据此确定工单优先级。你还可以一次问多个问题，比如同时判断紧急程度、类别、是否需要人工介入，Jev会并行评估，且几乎不增加响应时间。

▲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由迪奥戈·阿尔梅达（Diogo Almeida）、盛莎莎（Sasha Sheng）和埃里克·加夫尼（Erik Gafni）于2024年共同创立。阿尔梅达此前是OpenAI研究员，盛莎莎曾是Meta研究工程师，加夫尼是工程师兼创业者。

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

Jev的走红速度惊人。该初创公司称，财富500强企业中已有三分之一在使用这款模型，对企业而言，这一采用速度相当罕见。a16z博客则提到，财富500强中25%已集成Jev。开发者社区反应也同样热烈，第一周就出现数千个用例，覆盖生成式UI、互动游戏、数据分析等。每个用例都证明，System One模型可以出现在软件各处。

融资方面，TypeSafe AI本轮完成8.7亿美元A轮融资，估值75亿美元，由a16z领投，红杉资本、DCVC及多位天使投资人参投。a16z合伙人马丁·卡萨多（Martin Casado）将加入TypeSafe董事会。

05.a16z领投背后：不取代开发者，让软件更智能

a16z在投资文章中表示，AI写代码已经很快，但把AI能力真正集成进软件一直很难。“AI正在吞噬软件”这句话，讽刺地变成了AI更快地写更多传统软件，而不是让软件本身更智能。真正的经济机会在于，让所有软件天然具备最新模型的智能，同时性能和成本符合传统软件经济。TypeSafe用Jev做到了这一点。

a16z称，从第一次与阿尔梅达交流起，双方在理念上就高度一致。TypeSafe更贴近开发者文化：务实、可组合、尊重构建者。这与一些大实验室“取代软件工程师、杀死SaaS”的论调形成对比。这里的“杀死SaaS”是指：当AI智能体可以直接帮用户完成任务，用户可能不再需要购买一个个现成的SaaS工具，传统SaaS的订阅模式会受到冲击。而TypeSafe相信，AI应该让软件更智能，而非把SaaS整个取代掉。

a16z长期关注阿尔梅达，也认同其愿景：真正的“苦涩教训”未必是造出一个新存在，而是把智能的基础组件交给构建者，让他们释放想象力。