红杉资本参投 TypeSafe A 轮融资，解析其运行时决策模型 Jev

如果大模型已经拥有超越人类的智能，那自动化到底去哪儿了？

ChatGPT 时刻让 AI 走入大众视野；Claude Code 彻底改变了个体开发者的工作方式。而随着“Jev 时刻”的到来，TypeSafe 正在开辟下一个技术范式：在软件运行时提供算力支撑、完全无需人类介入即可完成海量决策的模型。

市场初期的反响令人瞩目。在 9 月 15 日上线后的 24 小时内，TypeSafe 旗下的首款模型 Jev 就创下了 Vercel AI Gateway 历史上普及速度最快的纪录。过去几周里，我们投资的多家企业纷纷发来反馈，争相将它接入生产环境，应用于各种各样的新场景。这是我们自 GPT-3 以来从未见过的开发者热情。 

要决策，不要字符串

Jev 彻底颠覆了传统大语言模型（LLM）的运作逻辑。它不再逐字逐句生成回答，而是在输入上下文和一组问题后，一次性返回带置信度评分的类型化（typed）答案。如果说 LLM 是 AI 的“系统 2”——缓慢而深思熟虑，那么 Jev 就是“系统 1”：廉价、迅捷、符合直觉，专为软件每秒需要做出的成千上万次微小判断量身打造。

Jev 的应用场景极其丰富：决定智能体下一步该点击哪个按钮、给模型评估打分、路由请求、分流工单、从合同中提取字段等等。Jev 具备一种近乎不可思议的开箱即用通用性，既不需要标注数据，也不需要专门的训练团队。开发者每天都在发掘新用法，从玩《毁灭战士》（Doom）、重排信息流，到生成超级马里奥的多元宇宙，不一而足。

为“杰文斯悖论”而生

Jev 得名于“杰文斯悖论”（Jevons paradox）：当某样事物的成本大幅下降时，人们的使用量反而会呈爆发式增长。TypeSafe 坚信，智能也同样遵循这一定律。

当分类成本高昂时，团队不得不省着用：他们只能抽样评估部分智能体的运行情况，而不是全量评估；只能编写脆弱的规则，而不是调用模型；或者只能提一个笼统的问题，而不是拆成十个具体的问题。而当分类成本趋近于零时，这些权衡与妥协便不复存在了。

这从根本上改变了“哪些东西值得去构建”。现实世界中的许多问题天然契合 Jev 的模式，人们目前发掘出的爆发式调用量和层出不穷的创意场景就足以证明这一点。我们认为，未来基于 Jev 构建的最重要应用，现在可能连想都还没被想到。

要落地，不要造神

Diogo Almeida 在 OpenAI 从事 InstructGPT 和 RLHF（基于人类反馈的强化学习）研究时，初次萌生了创办 TypeSafe 的想法。当时模型被训练成出色的对话伙伴——非常适合人机交互和有人参与的闭环。然而，真正的自动化需要截然不同的东西：可靠、快速且廉价的 AI。他的结论（他称之为“最苦涩的教训”）是：选择解决恰当的任务，甚至比一味追求规模更为重要。

Diogo 出生于菲律宾，曾是北美《英雄联盟》排名前 30 的高手。他是一个难得的复合型人才：既是不拘一格、富有创意的研究人员，又兼具真正的开发者审美与商业嗅觉。他野心勃勃，同时又极其务实——这正是开启下一个机器时代所不可或缺的特质。 

Jev 已经取得了非凡的开门红，但这仅仅是第一枪。TypeSafe 的长远目标是成为软件决策背后的基础设施层：提供一套基础组件，让开发者可以像当年基于数据库构建应用一样，自由地在其之上进行组合与开发。

紧随老朋友 a16z 的步伐，我们非常高兴能与 Diogo、联合创始人 Sasha Sheng 和 Erik Spock Gafni，以及 TypeSafe 团队在其 A 轮融资中携手合作。