TypeSafe AI ระดมทุน Series A จำนวน 870 ล้านดอลลาร์ ที่มีมูลค่า 7.5 พันล้านดอลลาร์ เพื่อส่งมอบโมเดล AI เพิ่มขึ้น

TypeSafe AI ประกาศ เมื่อ 9 ตุลาคม 2026 ว่ามันได้ระดมทุน Series A จำนวน 870 ล้านดอลลาร์ ที่มีมูลค่า 7.5 พันล้านดอลลาร์ โดย Andreessen Horowitz นำการระดมทุนร่วมกับ Sequoia Capital, นักลงทุนเดิม DCVC, และนักลงทุนเอนเจิล. หุ้นส่วนทั่วไปของ Andreessen Horowitz, Martin Casado, จะเข้าร่วมคณะกรรมการของบริษัท.

เงื่อนไขของรอบและนักลงทุน

Andreessen Horowitz ยืนยันว่าเป็นผู้นำการลงทุน ในโพสต์ลงวันที่ 9 ตุลาคม 2026 โดยมีลายเซ็นของ Jennifer Li, Sarah Wang, Martin Casado, Marc Andreessen, และ Ben Horowitz. Li และ Casado เป็นหุ้นส่วนทั่วไปที่มุ่งเน้นการลงทุนในโครงสร้างพื้นฐานของบริษัท, Wang เป็นหุ้นส่วนทั่วไปในทีมการเติบโต, และ Andreessen กับ Horowitz เป็นผู้ร่วมก่อตั้งและหุ้นส่วนทั่วไปของบริษัท.

ประกาศของ TypeSafe เองเป็นโพสต์สั้นที่มุ่งหมายไปยังนักพัฒนา, ธุรกิจ, และผู้สมัครที่เป็นไปได้; บริษัทเปิดเผยจำนวนเงิน, มูลค่า, และที่นั่งในคณะกรรมการของ Casado ในเชิงอรรถของโพสต์นั้น.

โมเดล System One ที่อยู่เบื้องหลังรอบการระดมทุน

TypeSafe ปล่อย Jev ในการเข้าถึงล่วงหน้าเมื่อ 15 กันยายน 2026 หลังจากสองปีในโหมดลับ, และกล่าวว่ากำลังนำนักพัฒนาจากรายการรอออกมา. ใน โพสต์เปิดตัว, ผู้ก่อตั้ง Diogo Almeida อธิบายว่า Jev เป็นรายการแรกในคลาสโมเดลใหม่ที่บริษัทเรียกว่า System One, ออกแบบมาสำหรับการตัดสินใจที่รวดเร็วและมีโครงสร้างภายในซอฟต์แวร์.

According to เอกสารของ TypeSafe, Jev รับคำถามที่กำหนดประเภทและประเมินกับสถานะที่ให้มา, ส่งคืนผลลัพธ์ที่มีโครงสร้างโดยไม่ต้องสร้างหรือแยกวิเคราะห์ข้อความ. ผลลัพธ์จะปรากฏเป็นค่าที่กำหนดประเภทพร้อมการแจกแจงความน่าจะเป็น, ดังนั้นโค้ดสามารถแยกสาขา, เรียงลำดับ, และกำหนดเส้นทางโดยตรง. บริษัทเปิดเผย primitive สามอย่าง: Choice เลือกตัวเลือกหนึ่งจากรายการที่ให้; Score ให้คะแนนสถานะตามเกณฑ์; และ Noul ให้คำตอบ 0–1 ว่าข้อความที่กำหนดเป็นจริงหรือไม่. Choice และ Score ยังคืนค่าความมั่นใจ, และประเภทคำถามทั้งสามสามารถรวมกันในคำเรียก API เดียว, โดยแต่ละประเภทจะถูกประเมินอย่างอิสระและพร้อมกันต่อสถานะเดียวกัน.

Almeida เขียนว่า TypeSafe สร้างสแตกใหม่ที่มุ่งเน้นทั้งหมดไปที่การอัตโนมัติ: สถาปัตยกรรมโมเดลใหม่, ตัวสุ่มขนาน, และวิธีการฝึกที่บริษัทเรียกว่า Reinforcement Learning for Calibrated Decisions (RLCD). เขากล่าวว่า Jev มีระดับความฉลาดใกล้เคียงกับโมเดลภาษาใหญ่ที่มีอยู่ในงาน System One ในขณะที่ทำงานเร็วขึ้นสองระดับลำดับขนาด, ด้วยเวลาตอบสนองแบบครบวงจร 70 ถึง 500 มิลลิวินาที, ช่วงที่โพสต์ระบุว่าสามารถเร็วกว่าโมเดลแนวหน้าถึง 40 ถึง 200 เท่าในระดับความฉลาดที่เทียบได้สำหรับคำถามรูปแบบ System One. เนื่องจากผลลัพธ์เป็นค่าที่มีโครงสร้างแบบ type-safe ที่กำหนดล่วงหน้า, Almeida เขียนว่าโมเดลจะไม่เกิดข้อผิดพลาดประเภทและไม่สามารถสร้างภาพหลอน.

ราคาที่เผยแพร่คือ $0.042 ต่อหนึ่งล้านโทเค็นอินพุต, โดยโทเค็นเอาต์พุตฟรี. บริษัทระบุว่าตัวเลขที่เร็วกว่า 193.6 เท่าและถูกกว่า 444.6 เท่าที่แสดงบนหน้าแรกมาจากการประเมินเวิร์กโฟลว์ของบริษัท, และเตือนว่าตัวเลขเหล่านั้นอยู่ในระดับสูงของผลประโยชน์ในโลกจริง. บริษัทยังระบุว่าการประเมินเวิร์กโฟลว์ถูกสร้างโดยสมาชิกของทีมความสามารถโมเดลของบริษัทและอาจมีอคติบางส่วน.

Almeida เขียนว่าใน OpenAI เขามีส่วนช่วยพัฒนาวิธีการตามคำสั่งสำหรับโมเดลภาษา, งานที่เขากล่าวว่าเป็นการวิจัยเบื้องหลัง ChatGPT. ชื่อ System One อ้างอิงจากหนังสือของ Daniel Kahneman เรื่อง Thinking, Fast and Slow และความแตกต่างระหว่างการคิดแบบ System 1 ที่รวดเร็วและเป็นสัญชาตญาณ กับการคิดแบบ System 2 ที่ช้าและตั้งใจ. Jev ได้รับชื่อตาม William Stanley Jevons; บริษัทกล่าวว่ามันคาดว่าอัจฉริยะของเครื่องจะเดินตามเส้นทางของถ่านหิน, ซึ่งการเพิ่มประสิทธิภาพของเครื่องจักรไอน้ำทำให้ความต้องการเพิ่มขึ้น.

การนำไปใช้ที่รายงานและการปรับใช้ในระยะแรก

TypeSafe กล่าวในประกาศของตนว่า หนึ่งในสามของบริษัท Fortune 500 ใช้ Jev และว่ามันได้ประหยัดเงินหลายล้านดอลลาร์ให้กับลูกค้าในกระบวนการผลิตแล้ว. โพสต์ของ Andreessen Horowitz ระบุตัวเลขที่แตกต่าง, กล่าวว่ามี 25% ขององค์กร Fortune 500 ที่ได้รวม Jev เข้าไป. บริษัทอธิบายว่า Jev เป็นโมเดลที่เติบโตเร็วที่สุดที่พวกเขาเคยเห็น, โดยระบุว่ามันสร้างโทเค็นได้ 1 ล้านล้านโทเค็นภายในสามวันหลังการเปิดตัวและมีกรณีการใช้งานหลายพันกรณีปรากฏในสัปดาห์แรก, รวมถึง UI ที่สร้างโดยอัตโนมัติ, เกมเชิงโต้ตอบ, และการวิเคราะห์ข้อมูล. พวกเขาอธิบายว่า Jev มีต้นทุนประมาณ 1/100 ถึง 1/500 ของโมเดลแนวหน้าในขณะที่เร็วกว่า 100 เท่าสำหรับงานจำแนกประเภทที่มีความแม่นยำเทียบเท่า, ส่งผ่านการตัดสินใจของโมเดลตรงเข้าสู่โค้ดเป็นค่าที่กำหนดประเภทแทนข้อความที่ซอฟต์แวร์ต้องแยกวิเคราะห์ต่อไป.

ใน กรณีศึกษาเมื่อ 7 ตุลาคม 2026 TypeSafe รายงานว่า Jack & Jill ซึ่งเป็นตลาดแรงงานที่เอเจนต์ AI จับคู่ผู้สมัครกับทีมรับสมัคร ได้แทนที่ Gemini 3.1 Flash Lite สำหรับ 100% ของการเรียกในขั้นตอนสำคัญของกระบวนการจับคู่ผู้สมัครภายใน 10 วันหลังการทดสอบครั้งแรก ตามกรณีศึกษา การเปลี่ยนแปลงนี้ลดต้นทุนการคัดกรองลง 88% จาก $0.755 เหลือ $0.092 ต่อ 1,000 ผู้สมัคร และลดเวลาคัดกรองเฉลี่ยจาก 20.3 วินาทีเหลือ 10.3 วินาที ในขณะที่ยังรักษาผู้สมัครที่ผู้จัดการฝ่ายจ้างงานขอพบต่อไปได้ 94.6% เทียบกับฐาน 93.9%; การศึกษาชี้ว่าความแตกต่างด้านคุณภาพนี้ไม่เป็นสถิติที่มีนัยสำคัญ การจัดอันดับคุณภาพวัดได้ 0.933 สำหรับ Jev เทียบกับ 0.924 สำหรับ Gemini บน AUC TypeSafe รายงานว่าประหยัดค่าใช้จ่ายประจำปี $265,000 สำหรับ Jack & Jill ในปริมาณปัจจุบัน และคาดว่าจะประหยัด $500,000 ในสิบสองเดือนถัดไปตามการเติบโตที่คาดการณ์ และระบุว่าการใช้ Jev ได้ขยายไปกว่า 15 กระบวนการทำงาน รวมถึงบทบาทที่จับคู่แสดงให้ผู้สมัครเห็นเมื่อสมัครและการตรวจสอบโปรไฟล์ที่ลดจากประมาณ 3.6 วินาทีเหลือประมาณ 0.2 วินาที.

แผนที่ระบุ

TypeSafe กล่าวว่า บริษัทมีแผนที่จะขยายความสามารถของ Jev ต่อไป ปล่อยโมเดลที่ทำงานโดยเครื่องเพิ่มเติม ให้โครงสร้างพื้นฐานสำหรับการสร้างซอฟต์แวร์อัจฉริยะ และเพิ่มคุณลักษณะระดับองค์กรที่ลูกค้าได้ร้องขอ การประกาศยังเชิญชวนผู้ที่สนใจเข้าร่วมงาน โดยมีลิงก์ไปยังหน้าการรับสมัครของบริษัท