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。仅几周时间，它就推动开发公司 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——它不生成文本，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（约合 58.6 亿人民币）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”，也是他们见过的增长最快的模型：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）
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。
06 结语：AI 与软件关系的新方向
Jev 的爆发，不只是又一个模型融资的故事。它代表了一种新思路：AI 不一定要生成文本、陪人聊天，也可以直接给代码返回结构化决策，让软件变得更智能。
当大模型还在卷参数、卷上下文时，TypeSafe 选择让 AI 以软件的原生语言说话。这条路能否走通，财富 500 强的采用速度和开发者的创造力已经给出了初步答案。
软件继续吞噬世界，而 AI 正在成为软件的一部分。对这类面向开发者的模型方向，云栈社区上也有不少持续追踪和讨论，值得继续观察。
来源：TypeSafe 官网和博客、a16z 博客、TechCrunch、LangChain
发表于 1 小时前
|
查看: 3|
回复: 0
