2026年9月15日，一家只有二十多人的旧金山初创公司发布了一个拒绝写作文的AI模型。
三周后，它以75亿美元估值拿下了约8.7亿美元融资，领投方是Andreessen Horowitz。
这家公司叫TypeSafe AI，这个模型叫Jev。联合创始人兼CEO Diogo Almeida是前OpenAI研究员——他参与构建了ChatGPT，也是RLHF（基于人类反馈的强化学习）的共同发明者。但Jev所做的，恰恰是对RLHF路线的背离。
Jev上线数日内用户破百万，TypeSafe称约三分之一的财富500强企业已经采用。公司表示其日处理token量已达数万亿级别，在扣除运营成本后实现盈利。本轮由a16z领投，Sequoia Capital和早期投资方DCVC跟投，a16z合伙人Martin Casado将加入TypeSafe董事会。
这个节奏在硅谷有多惊人？上一家同样「上线数周即引爆估值」的公司叫Cursor——a16z同样是早期投资方。Cursor今年被SpaceX以600亿美元的估值收购。而TypeSafe从发布到75亿美元估值，只用了三周。
不做全科优等生，只做一道题的满分选手
Jev基于Transformer架构，但它不是大语言模型。它不输出文本，而是输出概率值——TypeSafe称之为「校准决策」。
传统LLM的逻辑是：输入一段提示词，模型逐token生成下一词，直到输出一段自然语言文本。这在「写」这件事上很出色，但在「判断」这件事上效率极低。你让一个LLM做100次分类判断，它要写100段文本，每一次都可能出现幻觉。
Jev的思路完全不同：你发一个状态、一组结构化问题，模型直接返回一组带置信度的数值。结果可以被软件直接消费，无需任何解析层。
「我们在人类语言处理上已经做得很好了，但这对于自动化没有用，因为计算机说的是另一种语言。」——Diogo Almeida，接受TechCrunch采访
Jev的速度和成本数据令人注目——需要说明的是，这些数据来自TypeSafe自身的内部测试。据公司披露，Jev在分类任务上比Claude Sonnet 5快约193倍，成本仅为Claude Opus 5的约1/444。输入价格为每百万token 0.042美元，输出token免费。端到端响应时间在70毫秒到500毫秒之间。
a16z官方博客给出了一个更宏观的数字：Jev上线后3天内处理量突破了1万亿token——「这是我们有史以来见过增长最快的模型。」a16z合伙人Jennifer Li、Sarah Wang、Martin Casado、Marc Andreessen和Ben Horowitz共同署名的投资声明中写道。
「碎片化的智能」：Almeida为什么要背叛RLHF
要理解Jev，必须先理解Almeida对当前AI范式的核心不满。
Almeida在多个场合反复批判RLHF——这个他自己参与发明的训练方法。他在Latent Space播客中提出了一个尖锐的概念：「碎片化的智能」（fractured intelligence）。
「如果95%的时间你得到的是爱因斯坦，但另外5%的时间是憨豆先生，这对自动化来说毫无价值。」
这句话切中了当前大语言模型的根本困境。模型在大部分时候表现惊艳，但小概率的「掉链子」——幻觉、拒答、逻辑偏离——让它无法被真正嵌入自动化流水线。在一个人工审核的场景里，5%的错误率也许可以接受。但在一个毫秒级自动决策的软件系统里，5%的错误意味着系统不可用。
TypeSafe将Jev定位为「System One模型」——这个概念取自Daniel Kahneman的《思考，快与慢》。系统一负责快速、直觉化的判断，系统二负责慢速、深思熟虑的推理。OpenAI和Anthropic在做系统二，TypeSafe做系统一。
Jev只做判断，不推理。它一次性评估所有选项并返回概率分布，不输出任何多余字符。这不仅是产品定位的选择，更体现在底层的训练方法上。
TypeSafe使用了一种名为RLCD（Reinforcement Learning for Calibrated Decisions——用于校准决策的强化学习）的训练方法，取代了RLHF。两者的差异在于优化目标：RLHF优化的是「人喜欢的回答」，RLVR优化的是「可验证的正确回答」，而RLCD优化的是一种更微妙的东西——让模型报告的置信度与其实际准确率严格一致。一个回答说是90%确信，它就应该有90%的概率是对的。这意味着，Jev不仅告诉你答案是什么，还告诉你它对这个答案有多确定——并且这个「有多确定」是可信的。
不到30人，撑起万亿级token
TypeSafe目前员工总数仅二十余人。它的三位联合创始人背景亮眼：CEO Almeida来自OpenAI，COO Sasha Sheng是前Meta研究工程师，CTO Erik Gafni是连续创业者。研发团队还包括来自OpenAI、Meta和Google的研究人员。
二十多人如何承接万亿级token的需求？
产品形态决定了团队可以极轻。Jev不生成文本，意味着TypeSafe不需要像OpenAI那样部署大规模的内容审核和安全对齐团队。模型的输出被严格限定在预定义的格式内，不存在「模型乱说」的问题。
算力弹性外包则是另一个关键因素。为应对上线初期的需求激增，TypeSafe借用了Modal Labs的AI模型运行基础设施。有趣的是，Modal Labs本身最近也成了硅谷的明星——据Bloomberg和TechCrunch报道，该公司正以约157.5亿美元的估值进行新一轮融资，领投方为Accel。一家AI推理基础设施公司在不到半年内估值从46.5亿美元涨到157.5亿美元，这本身就在讲述同一个故事：市场正在疯狂押注能让AI「跑起来」的东西，无论是最上层的新模型还是最底层的算力。
公司表示，将利用本轮融资扩大产品部署规模、增加招聘并采购更多算力资源。
a16z的战略逻辑：从Cursor到TypeSafe，开发者工具的复利
a16z对TypeSafe的押注不是孤立事件。它是这家硅谷顶级风投在AI开发者工具领域多年布局的最新一步。
此前，a16z是AI编程工具Cursor的早期及持续投资方。Cursor今年被SpaceX以600亿美元收购，成为AI领域最大的并购交易之一。Martin Casado将TypeSafe与Cursor做了精准类比：Cursor通过降低开发门槛帮助开发者创造更多软件，TypeSafe帮助开发者以更低成本构建更高质量的软件。
「行业里已经存在一个Jev形状的空缺，」Casado说，「所有开发者都在说，这正是我一直想做的事——只是之前做得很糟糕。」
a16z的官方博客还抛出了一个有意为之的梗——「Jev-ons悖论」，借用了19世纪英国经济学家William Stanley Jevons提出的「杰文斯悖论」：技术进步提高燃料效率，反而导致燃料总消耗增加。a16z的策略是：让AI智能足够便宜，它就会被调用到任何地方，而它确实会被用到任何地方。
这一判断的核心前提是：AI的普及瓶颈不是能力，而是成本。Jev找到了一个极端的成本压缩路径——不生成token、不做无意义推理、只输出软件可以直接消费的判断。
风险与竞争：Jev不是万能钥匙
Jev的爆发力毋庸置疑，但它的边界同样清晰。
适用范围是第一个硬约束。Jev不是通用模型，它不写诗、不聊天、不写论文、不做编程辅助。它只在「判断类任务」上有压倒性优势。对于需要深度推理和创造力的场景，Jev无能为力。
竞争则来得比许多人预想的更快。就在Jev上线两周后的9月29日，OpenAI推出了自己的Decisions API，基于GPT-6 Luna，响应时间约150毫秒。更值得注意的是，据The Register在10月10日报道，微软基于阿里云Qwen3.5-9B开源模型推出了自己的决策模型，声称在延迟测试中比Jev快2.8倍，在36项基准测试中准确率达到83.5%。开源模型的快速跟进，正在复现大语言模型市场曾经发生过的故事——中国低成本开源模型对闭源商业模型的持续施压。
技术黑盒是另一个隐患。TypeSafe尚未披露Jev的参数规模、基座编码器、训练数据等核心信息。公司CEO在Hacker News上回应称架构信息「暂时保密」。这在大企业的采购决策中可能成为疑虑——尤其是当微软和OpenAI都在推出竞品时。
最后是估值与收入的匹配问题。75亿美元对应二十余名员工和数周的产品周期，这个倍数在传统风投逻辑中难以理解。支持者的辩护是：三分之一的财富500强采用率在传统企业服务领域需要数年才能达成，Jev用了几周。且公司已自称实现盈利。
后LLM时代：当AI不再说话
Jev的爆发，背后是AI行业一个更深层的路线之争。
过去两年，几乎所有AI创业故事都在讲同一件事：更大、更强、更像人。OpenAI推GPT-5，Anthropic推Claude 4，Meta推Llama 4——每一代的参数更多、上下文更长、推理更深。「scale is all you need」是这条路线最简洁的宣言。
但Jev选择了一条完全相反的路：更小、更快、更确定。不做全科优等生，只做一道题的满分选手。
这背后的判断是：AI真正的商业价值，不在那些需要深度推理的脑力劳动里，而在那些海量、高频、机械化的判断任务中——亿万个微小的软件决策。一个电商平台不需要Claude帮它写诗，它需要AI在几十毫秒内判断「这个订单该不该退款」。一个物流公司不需要GPT帮它写周报，它需要AI在每一次包裹分拣时准确判断「这个包裹该走哪条线路」。
当a16z说「行业里存在一个Jev形状的空缺」时，它说的其实是一个正在变得越来越紧迫的问题：当AI从「对话者」变成「基础设施」时，它应该长什么样？
Jev给的答案是：它不应该说人话，它应该做判断。
Almeida在接受TWIML播客采访时说，他希望AI最终能「消失在软件的背景中」。这不是一个关于ChatGPT替代者的故事，这是一个关于AI重新定义自身的故事——从模仿人类到服务机器。
如果这条路线走通了，那么ChatGPT可能不是AI时代的iPhone时刻，而只是一个「人机对话」的过渡期。真正的AI时代，也许是从模型不再说话的那一刻开始的。
快报