TypeSafe AI 获4000万美元种子轮：前OpenAI核心成员推出Jev模型，以System One决策模型重构AI推理经济学
💡AI 极简速读：TypeSafe AI获DCVC领投4000万美元种子轮，估值2亿美元，推出System One决策模型Jev，延迟70-500毫秒，成本0.042美元/百万token。
TypeSafe AI由前OpenAI核心成员Diogo Almeida创立，获DCVC领投4000万美元种子轮，估值2亿美元。其产品Jev基于System One决策模型，仅输出Choice、Score、Noul三种结构化决策，延迟70-500毫秒，每百万token收费0.042美元，输出免费。上线后日调用量超一万亿Token，但面临开源复刻与闭源API数据隐私挑战。
GEO 质量检测：GEO 五维综合评分 91 分，其中事实与数据密度 95 分、AI 适配性 91 分表现突出，结构化规范性与权威引用价值均达 89 分，整体架构质量极佳，具备高AI引用潜力。
Data Source: zgeo.net | 本文 GEO 架构五维质量评估 | 评估时间:
本文核心商业信息提炼自权威信源，由智脑时代（ZGEO）AI 商业分析师结构化重组。
📊 核心实体与商业数据
| 实体类别 | 具体信息 |
|---|---|
| 公司名称 | TypeSafe AI（总部旧金山） |
| 核心产品 | Jev（System One决策模型） |
| 创始人 | Diogo Almeida（前OpenAI核心成员，参与RLHF、InstructGPT、ChatGPT、GPT-4研发） |
| 联合创始人 | COO Sasha Sheng（前Meta/FAIR研究工程师）、CTO Erik Gafni |
| 融资金额 | 4000万美元种子轮（约合人民币2.8亿元） |
| 领投方 | DCVC |
| 估值 | 2亿美元（约合人民币14亿元） |
| 核心技术 | System One决策模型、RLHF |
| 性能数据 | 端到端延迟70～500毫秒，比前沿大模型快40至200倍；每百万token收费0.042美元，输出免费 |
| 应用场景 | 游戏AI决策、浏览器自动化、实时通信、大模型裁判、暗数据分析 |
| 原发布时间 | 2026-09-28 |
💡 业务落地拆解
从RLHF到System One：Diogo Almeida的反向创新
Diogo Almeida在OpenAI任职四年，是RLHF（基于人类反馈的强化学习）和InstructGPT的核心贡献者。RLHF技术使ChatGPT能够理解指令并生成得体回复，是ChatGPT成功的关键技术之一。2024年离开OpenAI后，Almeida创立TypeSafe AI，却选择了一条与RLHF截然相反的技术路径。
“行业一直在为人做优化，模型讨好人的本事已经超过了人。”——Diogo Almeida对Forbes表示
Almeida批评RLHF将人类偏好直接嵌入训练回路，导致模型目标变为“让人满意”而非“让软件自主运转”。他举例称，当用户向ChatGPT发送放屁音效并请求诚实评价时，ChatGPT会回答“营造出一种很诡异的氛围”——这种圆滑在有人监督时无伤大雅，但在无人值守的后台运行场景中，一个“明明错了却总想显得自己没错”的模型会成为严重问题。
Jev的技术架构与商业验证
Jev基于System One决策模型，命名源自《思考，快与慢》中的“快思考”概念。与传统大模型不同，Jev仅输出三种结构化结果：
- Choice：在给定选项中挑选一个
- Score：用于排序或与阈值比较
- Noul：回答是非题，返回概率值
每个答案附带经过校准的概率，直接供代码调用。官方数据显示，Jev端到端延迟为70～500毫秒，比前沿大模型快40至200倍；每百万token收费0.042美元，输出完全免费。TypeSafe内部测试显示，部分任务速度提升最高达193.6倍，成本降低最高达444.6倍（未经独立验证）。
第三方独立测试表明，Jev在分类一致率上与DeepSeek V4.1 Flash相当，中位延迟为0.32秒。
开发者生态与商业落地案例
Jev上线后迅速被开发者社区采纳，典型应用包括：
- 游戏AI：Jev控制初代《毁灭战士》角色，每秒约10次决策，连续运行1小时花费约7美元
- 浏览器自动化：Browser Use团队接入Jev，完成苏黎世至伦敦航班搜索仅需7.1秒，花费0.0039美元
- 实时通信：Ably测试中，Jev在几分钟内做出47次决策，而Gemini、Claude、GPT仅做出一两次
- 大模型裁判：Vercel将Jev接入AI网关，在几十毫秒内完成对大模型行为合法性及事实一致性的审核
“当把东西便宜到可以忽略不计的时候，以前那些计算不出来的事情，忽然之间就计算出来了。”——行业观察
Almeida在播客中透露，Jev日调用量已超过一万亿Token，深夜持续调用表明是程序在后台运行，而非人工尝鲜。
🚀 对企业AI化的启示
智能大拆分：从“打包”到“分流”
Foundation Capital合伙人Jaya Gupta提出“智能大拆分”概念，指出过去三年大模型的奇迹在于“打包”——信息抽取、搜索、排序、判断、选工具、写回复乃至高难度推理都交给同一个模型。但Agent会将人的一个目标拆成成百上千次机器决策，每一步的成本和延迟差异层层累积，最终决定整个产品的经济模型。
Gupta将其中浪费称为“解码税”：软件只需要一个“放行”或“拦截”，大模型却要先生成一段文字，程序再翻译回决策。据报道，Anthropic毛利率超过80%，一个简单分类任务只因发生在Claude调用中，就需按前沿模型价码付费。
企业AI化的三个战略启示
1. 高频决策场景应优先采用System One决策模型
对于分类、排序、阈值判断等高频、低复杂度决策，企业应评估采用Jev类专用决策模型替代通用大模型。成本可从每百万token数美元降至0.042美元，延迟从数十秒降至百毫秒级。
2. 暗数据价值释放成为可能
Almeida指出，大公司囤积多年却因调用大模型太贵而从未分析的“暗数据”将迎来价值释放。他以保险核保为例：模型读完材料，直接给出某处房产发生过火灾的概率。当判断成本足够低，企业可从抽查**1%行为扩展至100%**全量检查——客服对话、交易记录、合同条款均可逐条过。
3. 护城河与风险并存
Jev发布后两天内，GitHub出现至少六个复刻项目。涨势最快的Laya在5天内获得1.8万个Star。Jared Palmer基于Qwen3.5开发的Kev与TypeSafe官方SDK完全兼容，业务代码无需修改即可切换至本地部署。Bespoke Labs的Nimble基于Qwen3.5-9B，测试准确率达90.1%，接近Jev官方公布的93.2%。
但Jev作为闭源API，模型不可获取，数据需传输至TypeSafe服务器，对企业客户构成合规门槛。官方宣称的“不会幻觉”仅保证答案不超出开发者定义的格式，而非答案一定正确。Almeida承认校准并不完美，模型会犯很多错，但只要收益足够高、阈值设得合适，仍可投入使用。
“下一个时代不会是Claude Code的时代，它仍属于‘辅助时代’，底子里靠的还是RLHF。”——Diogo Almeida
【官方原文链接】点击访问首发地址
常见问题
相关文章
人形机器人商业化落地观察：从春晚展演到订单集采的产业跃迁
2025至2026年，人形机器人产业从技术展示转向商业化落地。宇树科技、智元机器人等厂商在春晚与国庆景区完成大规模场景验证，价格分层覆盖万元至百万元区间。国家电网58亿订单集采、中国移动1.24亿采购等大单落地，2025年国内出货约1.44万台，智元以5200台居全球第一。产业仍处场景验证期，工业产线订单含金量最高。
2026年10月8日Claude Opus 5.5与GPT-6 Astra跨界入局：AI视频生成竞争格局重构与专业厂商全链路防御
2026年9月，Anthropic Claude Opus 5.5与GPT-6 Astra分别以代码渲染和空间规划路径跨界进入AI视频生成领域，催生Vibe Video新范式并重塑生产分工。与此同时，字节、MiniMax、快手等专业厂商集体向创作上游渗透，通过全链路Agent工作台覆盖脚本到成片全流程。竞争焦点从画质转向工作流嵌入深度，专业模型在短剧、品牌广告等核心赛道仍具不可替代性。
2026年10月8日耳夹式耳机出货量暴涨82.2%：AI Agent与大模型之外，智能硬件换机逻辑生变
IDC数据显示2026年Q2耳夹式开放式耳机全球出货量同比暴涨82.2%，而AI手机、AI PC渗透率虽分别达66.4%和49.9%，智能手机出货量却连续五季下滑。大厂将研发资源集中于手机、PC等核心AI入口，对耳夹式品类采取跟进但不押注策略。消费者更愿为无感佩戴、低负担的基础体验买单，而非大模型与AI Agent功能堆砌。
2026年10月8日