TypeSafe AI 在 75 亿美元估值下完成 8.7 亿美元 A 轮融资，以推出更多 AI 模型

TypeSafe AI 宣布，于 2026 年 10 月 9 日完成了 8.7 亿美元的 A 轮融资，估值 75 亿美元，由 Andreessen Horowitz 主导，Sequoia Capital、现有投资者 DCVC 以及天使投资者参与。Andreessen Horowitz 的普通合伙人 Martin Casado 将加入公司董事会。

融资轮条款与投资者

Andreessen Horowitz 确认它领投了这轮投资，该帖发表于 2026 年 10 月 9 日，由 Jennifer Li、Sarah Wang、Martin Casado、Marc Andreessen 和 Ben Horowitz 撰写。Li 和 Casado 是专注于公司基础设施投资的普通合伙人，Wang 是其增长团队的普通合伙人，Andreessen 和 Horowitz 则是公司的联合创始人兼普通合伙人。

TypeSafe 的公告是一篇面向开发者、企业和潜在招聘对象的简短帖子；公司在该帖的脚注中披露了融资金额、估值以及 Casado 的董事会席位。

本轮背后的 System One 模型

TypeSafe 于 2026 年 9 月 15 日在早期访问阶段发布了 Jev，此前经历了两年的隐身期，并表示正在让开发者脱离等待名单。在 发布帖 中，创始人 Diogo Almeida 将 Jev 描述为公司称为 System One 的新模型类别的首个成员，旨在软件内部实现快速、结构化的决策。

根据 TypeSafe 的文档，Jev 接受已键入的问题并针对提供的状态进行评估，返回结构化结果而不生成或解析文本。结果以带有概率分布的键入值形式返回，代码可以直接对其进行分支、排序和路由。公司提供了三种原语：Choice 从提供的列表中挑选一个选项；Score 根据评分标准对状态进行打分；Noul 返回一个 0–1 的答案，以判断给定陈述是否为真。Choice 和 Score 还会返回置信度值，且这三种问题类型可以在一次 API 调用中组合使用，每种类型在相同状态下独立且并发地进行评估。

Almeida 写道，TypeSafe 构建了一个完全专注于自动化的新堆栈：全新的模型架构、并行采样器以及公司称为“校准决策强化学习”（Reinforcement Learning for Calibrated Decisions，RLCD）的训练方法。他表示，Jev 在 System One 任务上实现了与现有大型语言模型相似的智能，同时运行速度提升了两个数量级，端到端响应时间为 70 至 500 毫秒，帖子中称该范围比在可比智能下的前沿模型快 40 至 200 倍。Almeida 还指出，由于输出是预先定义的类型安全结构化值，模型永远不会出现类型错误，也不可能产生幻觉。

公布的定价为每百万输入代币 0.042 美元，输出代币免费。公司表示，首页上标注的 193.6 倍更快和 444.6 倍更便宜的数字来源于其工作流评估，并提醒这些数据位于实际收益的高端。公司还指出，评估工作流是由其模型能力团队成员构建的，可能存在一定偏差。

Almeida 写道，他在 OpenAI 时帮助开发了语言模型的指令遵循方法，他称这些工作成为了 ChatGPT 背后的研究。System One 这一名称引用了 Daniel Kahneman 的著作《思考，快与慢》，以及快速直觉的 System 1 思维与较慢、深思熟虑的 System 2 推理之间的对比。Jev 以 William Stanley Jevons 命名；公司表示，预计机器智能将走上煤炭的路径，正如蒸汽机效率提升带来了需求的增长。

已报告的采用情况和早期部署

TypeSafe 在其公告中称，三分之一的《财富》500 强公司正在使用 Jev，并且已经为客户在生产中节省了数百万美元。Andreessen Horowitz 的帖子给出了不同的数据，称 25% 的《财富》500 强企业已集成 Jev。该公司描述 Jev 为其所见最快增长的模型，称其在发布后三天内生成了 1 万亿代币，并在第一周出现了数千个使用案例，其中包括生成式用户界面、交互式游戏和数据分析。它将 Jev 定位为前沿模型成本的约 1/100 至 1/500，同时在分类任务上以相当的准确率实现了 100 倍的速度提升，模型决策直接以键入值的形式传递到代码中，而不是软件必须解析的文本。

在2026年10月7日的案例研究中，TypeSafe 报告称，Jack & Jill（一个 AI 代理将候选人与招聘团队匹配的人才市场），在首次测试后 10 天内，在其候选人匹配流程的关键阶段，用 Jev 替代了 Gemini 3.1 Flash Lite，覆盖了 100% 的调用。根据该案例研究，变更将筛选成本降低了 88%，从每 1,000 名候选人 $0.755 降至 $0.092，并将中位筛选时间从 20.3 秒减半至 10.3 秒，同时保留了 94.6% 的候选人，这些候选人随后被招聘经理要求面谈，而基线为 93.9%；研究指出，这一质量差异在统计上并不显著。排名质量在 AUC 上，Jev 为 0.933，Gemini 为 0.924。TypeSafe 报告称，Jack & Jill 在当前规模下每年节省 $265,000，预计在未来十二个月内随着增长将节省 $500,000，并表示 Jev 的使用已扩展到超过 15 条工作流，包括在注册时向候选人展示的匹配职位以及将耗时约 3.6 秒的个人资料检查降至约 0.2 秒。

声明的计划

TypeSafe 表示，它计划进一步提升 Jev 的能力，推出更多机器原生模型，提供用于构建智能软件的基础设施，并添加客户所要求的企业功能。该公告还鼓励潜在应聘者加入，并链接至公司的招聘页面。