TypeSafe AI, $870M 시리즈 A 라운드에서 $7.5B 기업가치 달성, 더 많은 AI 모델 제공

TypeSafe AI는 2026년 10월 9일 발표했습니다, $870M 시리즈 A 라운드에서 $7.5B 기업가치를 달성했으며, Andreessen Horowitz가 주도하고 Sequoia Capital, 기존 투자자 DCVC, 엔젤 투자자들이 참여했습니다. Andreessen Horowitz의 일반 파트너인 Martin Casado가 회사 이사회에 합류합니다.

라운드 조건 및 투자자

Andreessen Horowitz는 2026년 10월 9일자 게시물에서 투자를 주도하고 있음을 확인했습니다와 함께 Jennifer Li, Sarah Wang, Martin Casado, Marc Andreessen, Ben Horowitz가 서명했습니다. Li와 Casado는 회사의 인프라 투자에 집중하는 일반 파트너이며, Wang은 성장 팀의 일반 파트너, Andreessen과 Horowitz는 회사의 공동 설립자이자 일반 파트너입니다.

TypeSafe의 자체 발표는 개발자, 기업, 잠재적 채용자를 대상으로 한 짧은 게시물이며, 회사는 해당 게시물의 각주에 금액, 기업가치, 그리고 Casado의 이사회 자리 정보를 공개했습니다.

라운드를 뒷받침하는 System One 모델

TypeSafe는 2026년 9월 15일, 2년간 은밀히 개발한 후 Jev를 얼리 액세스로 출시했으며, 대기자 명단에서 개발자를 받아들인다고 밝혔습니다. 출시 게시물에서 설립자 Diogo Almeida는 Jev를 회사가 System One이라 부르는 새로운 모델 클래스의 첫 번째 제품으로 설명했으며, 이는 소프트웨어 내부에서 빠르고 구조화된 의사결정을 위해 설계되었습니다.

According to TypeSafe 문서, Jev는 타입이 지정된 질문을 받아 제공된 상태와 비교 평가하여 텍스트를 생성하거나 파싱하지 않고 구조화된 결과를 반환합니다. 결과는 확률 분포를 가진 타입된 값으로 도착하므로 코드가 이를 직접 분기, 정렬, 라우팅할 수 있습니다. 회사는 세 가지 기본 연산을 제공하는데: Choice는 제공된 목록에서 하나의 옵션을 선택하고, Score는 상태를 루브릭에 따라 평가하며, Noul은 주어진 진술이 참인지 여부에 대해 0–1 답을 반환합니다. Choice와 Score는 신뢰도 값을 또한 반환하고, 세 가지 질문 유형은 모두 하나의 API 호출에서 결합될 수 있으며, 각각은 동일한 상태에 대해 독립적이고 동시에 평가됩니다.

Almeida는 TypeSafe가 자동화에 전적으로 초점을 맞춘 새로운 스택을 구축했다고 적었습니다: 새로운 모델 아키텍처, 병렬 샘플러, 그리고 회사가 Reinforcement Learning for Calibrated Decisions (RLCD)라고 부르는 학습 방법입니다. 그는 Jev가 System One 작업에서 기존 대형 언어 모델과 유사한 지능을 보이면서도 100배 빠르게 동작하며, 엔드투엔드 응답 시간이 70~500밀리초라고 밝혔으며, 이 범위는 게시물에 따르면 동등한 지능을 가진 최첨단 모델보다 40~200배 빠를 수 있다고 합니다. 출력이 사전에 정의된 타입 안전 구조화 값이기 때문에, Almeida는 모델이 타입 오류를 일으키지 않으며 환각을 일으킬 수 없다고 적었습니다.

공개된 가격은 입력 토큰 백만 개당 $0.042이며, 출력 토큰은 무료입니다. 회사는 홈페이지에 표시된 193.6배 빠르고 444.6배 저렴한 수치가 워크플로 평가에서 나온 것이라고 밝히면서, 이러한 수치는 실제 환경 이득의 상위 범위에 해당한다는 점을 주의합니다. 또한 평가 워크플로는 모델 역량 팀 구성원에 의해 구축되었으며, 일부 편향이 존재할 수 있다고 언급합니다.

Almeida는 OpenAI에서 언어 모델을 위한 지시 수행 방법을 개발하는 데 기여했으며, 이 작업이 ChatGPT의 연구 기반이 되었다고 적었습니다. System One이라는 이름은 Daniel Kahneman의 저서 ‘Thinking, Fast and Slow’를 참조하며, 빠르고 직관적인 System 1 사고와 느리고 신중한 System 2 추론의 대조를 의미합니다. Jev는 William Stanley Jevons의 이름을 따서 명명되었으며, 회사는 기계 지능이 석탄의 발전 경로를 따를 것으로 예상한다고 밝혔습니다. 석탄의 경우 증기 엔진 효율 향상이 수요 증가로 이어졌습니다.

보고된 채택 및 초기 배포

TypeSafe는 발표에서 Fortune 500 기업 중 3분의 1이 Jev를 사용하고 있으며, 이미 고객의 프로덕션 비용을 수백만 달러 절감했다고 밝혔습니다. Andreessen Horowitz 게시물은 다른 수치를 제시하며 Fortune 500 기업의 25%가 Jev를 통합했다고 말합니다. 이 회사는 Jev를 지금까지 본 가장 빠르게 성장하는 모델이라고 설명하며, 출시 후 3일 이내에 1조 토큰이 생성되었고 첫 주에 수천 개의 사용 사례가 나타났다고 했습니다. 여기에는 생성 UI, 인터랙티브 게임, 데이터 분석 등이 포함됩니다. Jev는 최첨단 모델 대비 비용이 대략 1/100에서 1/500 수준이면서도, 동일한 정확도에서 분류 작업에 대해 100배 빠르고, 모델 결정이 텍스트가 아닌 타입된 값으로 직접 코드에 전달된다고 특징지었습니다.

In 2026년 10월 7일 사례 연구, TypeSafe는 AI 에이전트가 후보자를 채용 팀과 매칭하는 인재 마켓플레이스인 Jack & Jill이 첫 테스트 후 10일 이내에 후보자 매칭 파이프라인의 핵심 단계에서 Gemini 3.1 Flash Lite를 100% 대체했다고 보고했습니다. 사례 연구에 따르면, 이 변경으로 1,000명당 스크리닝 비용이 $0.755에서 $0.092로 88% 감소했으며, 평균 스크리닝 시간이 20.3초에서 10.3초로 절반으로 줄어들었고, 채용 담당자가 이후 만나고자 요청한 후보자 중 94.6%를 유지했으며, 이는 93.9%의 기준치와 비교된 수치입니다; 연구에서는 이 품질 차이가 통계적으로 유의미하지 않다고 언급했습니다. Jev의 순위 품질은 AUC 기준으로 0.933, Gemini는 0.924로 측정되었습니다. TypeSafe는 현재 규모에서 Jack & Jill이 연간 $265,000를 절감했으며, 예상 성장에 따라 향후 12개월 동안 $500,000가 추가로 절감될 것으로 전망했으며, Jev 사용이 15개 이상의 워크플로우로 확대되었다고 밝혔습니다. 여기에는 가입 시 후보자에게 표시되는 매칭 역할과 약 3.6초에서 약 0.2초로 단축된 프로필 검사가 포함됩니다.

제시된 계획

TypeSafe는 Jev의 기능을 더욱 확장하고, 추가적인 머신 네이티브 모델을 제공하며, 스마트 소프트웨어 구축을 위한 인프라를 제공하고, 고객이 요청한 엔터프라이즈 기능을 추가할 계획이라고 밝혔습니다. 이번 발표에서는 잠재적인 지원자들에게 회사 채용 페이지로 연결되는 링크를 통해 입사를 권장하고 있습니다.