上线才几周，没聊天功能的AI模型Jev，刚搞定8.7亿美元融资，估值就冲到75亿美元。更意外的是，财富500强里已有三分之一的企业在用它。
哑巴模型的走红，踩中了自动化的刚需
TypeSafe AI是2024年由前Meta工程师Sasha Sheng、前OpenAI研究员Diogo Almeida创立的——Almeida还是RLHF技术共同发明人，当年因质疑RLHF让模型“会聊天但失了准头”才离开OpenAI。公司刚拿过DCVC领投的4000万美元种子轮，估值约2亿美元。上线Jev后，融资节奏直接加速：本来谈着至少10亿美元的新融资，部分投资人报出超100亿美元估值，最终a16z领投的8.7亿美元落地，估值定格75亿。
上线仅几周，Jev的表现已够亮眼：生成量3天就到1万亿token，云平台付费团队数刷新纪录；开发者社区里，过滤垃圾信息、辅助交易决策、当Agent裁判的场景遍地开花，社交平台视频播放量数千万次。财富500强三分之一企业快速采用，足见它的吸引力。
它和大模型不一样，输出是代码能直接用的决策
Jev用Transformer架构，但绝非大语言模型。它不生成自然文本，而是返回概率值——TypeSafe叫它“校准决策”。核心差异是：传统LLM输出文本后，应用得额外写代码解析（比如从一段话里挖“是/否”或评分），这既增加复杂度又有不确定性；Jev直接把输入归到预设集合，返回代码能直接调用的类型化值，不用中间解析。
速度和成本是硬优势：响应时间700毫秒，比前沿LLM快约100倍，成本仅为其1/100到1/500。官方数据显示：同一批评论标注任务，Jev耗时203.2秒，成本0.84美元；对比模型耗时823.5秒，成本1.5美元。定价每百万输入token仅0.042美元，输出免费——a16z还特意提了细节，Jev输出太小，干脆不收输出费。
Almeida的点很准：四年来人类语言模型做得好，但对自动化没用，因为计算机要的不是“说人话”，是“算对活”。它解决的痛点就是大模型在自动化里的不稳定：Almeida说“95%时间像爱因斯坦，5%像憨豆先生”的模型，在生产环境里毫无用处。
新赛道成形，巨头也在跟
Jev的火，直接引发硅谷巨头跟风：OpenAI出了Decisions API（基于Luna模型，做限定选项的回答），Databricks有ai_decide，Cloudflare开源Clef系列，亚马逊已有Strands Decider 2B上线。这些产品都指向同一个方向：不做生成式文本，而是给有限选项打分，适配分类筛选、流程审批、智能体动作判定等高频场景。
Almeida说Jev只是这类“System One模型”的开端——这类模型和代码深度集成，不是用来聊天，是用来做“可执行的判断”。资本砸钱的逻辑也很直接：它不替代ChatGPT，而是嵌入软件自动化流程，符合传统软件的性能和成本要求，市场空间不是AI对话，而是整个软件自动化。当然也有挑战：竞品涌来，大模型厂商可能把类似能力塞进自己的产品，企业留存和可靠性要长期验证，校准决策的安全边界也得扛住考验。
当全行业都在卷“更像人”的AI时，Jev选了“更像计算机”的路，把“可靠的决策”放在“会聊天”前面。现在它用真金白银证明了这条商业路的价值，那未来，这类“不聊天但能干活”的AI，会不会成为企业软件的标配？
素材来源：钛媒体 · AI情报、融资并购
查看报道原文
发表第一条评论吧