24天估值翻37倍：决策模型Jev如何引爆硅谷新赛道

短短24天，一家此前在硅谷几乎隐身的AI公司完成了一场教科书级的逆袭。据量子位报道，Jev的母公司TypeSafe AI宣布完成8.7亿美元A轮融资，投后估值达75亿美元——相比9月中旬种子轮时的2亿美元估值，暴涨37.5倍，融资额则膨胀近22倍。

更有意思的是，引爆这一切的产品并不是又一个会聊天、会写代码的大模型，而是一个"只做判断、不会说话"的决策模型。它把传统LLM最引以为傲的生成能力砍掉了，专心干一件事：下判断。

一个"只会说yes or no"的模型凭什么值75亿

Jev的产品定位相当反直觉。它不聊天、不写代码，面对yes or no的选择题，它选择"or"——也就是只负责分类、打分和做选择，而不负责输出长文本。

正因为架构足够精简、成本低到"不好计量"，TypeSafe AI干脆把输出token做成了永久免费，输入每百万Token也只收0.042美元（约0.3元）。这个定价足以让各家主打轻量化的Flash系列模型压力陡增。

资本不会只为社交平台上的刷屏买单，真正打动投资人的是增长曲线。据Vercel官方博客披露，Jev接入其AI Gateway后的24小时内，就被近13%的付费团队采用，速度是此前任何新模型发布的两倍以上，成为AI Gateway史上采用速度最快的模型。a16z则披露，Jev上线仅3天处理量就突破1万亿Token。

到A轮融资官宣时，TypeSafe AI表示已有约三分之一的《财富》500强企业开始使用或接入Jev。a16z、红杉资本、DCVC等机构纷纷入局，被业内视为基础设施投资教父的a16z合伙人Martin Casado更是亲自加入董事会。

决策模型（Decision Model）与传统大语言模型的核心差异在于输出空间的设计。大语言模型的输出是开放式的自然语言序列，每次推理需要逐token生成，计算成本随输出长度线性增长；决策模型则将输出限定为有限的结构化结果——如类别标签、分数或布尔值——推理路径更短，延迟更低，结果也更易被下游软件直接消费，无需额外解析。这种设计对机器对机器（M2M）的调用场景尤为友好：路由分发、内容审核、优先级排序、风险评级等任务本质上都是"做选择"而非"生成文本"，决策模型的架构正好与这类需求天然匹配。Jev将输出token定价为零，实际上是把"无需生成"的架构优势直接转化为了定价策略。

后台调用才是真正的护城河

Jev的爆红逻辑，和聊天机器人出圈有本质区别。

聊天机器人的流量往往来自人类尝鲜，用几次新鲜劲就过去了；而Jev的调用大量发生在后台——软件接入之后，会昼夜不停地让它分类、打分、做选择。

CEO Diogo Almeida在Latent Space访谈中坦言，公司日处理量已突破一万亿token，而且不是昙花一现的峰值，夜间流量也在持续走高。他的那句"人会睡觉，但代码不会"，点明了这类模型的商业价值所在：调用来自机器自动化，而非人类的一时兴起，这意味着需求是持续且可规模化的。

这或许才是投资人真正兴奋的地方。一个嵌入生产系统、被软件一天调用几百万次的"零件"，远比一个靠流量续命的聊天应用更有确定性。TypeSafe AI在融资公告中延续了实诚风格，没说多少漂亮话，只表示接下来要做更多面向机器的原生模型、补齐智能软件所需的基础设施，并补上企业客户催了很久的功能。

AI Gateway是Vercel等云平台提供的统一接入层，开发者可以通过它将不同AI模型（如OpenAI、Anthropic、各类开源模型）的API调用统一路由、监控和计费，而无需逐一对接不同供应商的SDK。对于判断Jev的真实采用速度而言，AI Gateway的数据具有较高可信度：它统计的是付费团队主动将Jev接入生产工作流的行为，而非免费试用或网页体验，因此"24小时内13%付费团队采用"这一数字更能反映开发者对该模型实际落地价值的判断，而非单纯的好奇心驱动。

教会AI说话的人，反手不让AI说话

Jev身上最大的戏剧性反差，来自它的创造者Diogo Almeida。

他曾先后任职于Google Brain和OpenAI，是InstructGPT论文的核心作者之一，也参与过RLHF、ChatGPT和GPT-4的相关工作。换句话说，他本是教会大模型"好好和人说话"的那批人。

但离开OpenAI创业后，他越来越确信整个行业把太多力气花在了"让AI说话"上。在成立TypeSafe AI的两年里，他反复追问：模型已经聪明到能写代码、做复杂推理甚至破解数学难题，为什么进入真实工作流时，大部分关键流程仍然需要人工确认？

他的答案是：今天的AI首先被训练成一个"讨人喜欢的助手"，而不是一个能被软件稳定调用的零件。它擅长让人觉得回答不错，却不一定适合埋进系统后台一天运行几百万次。

这解释了TypeSafe AI那句辨识度极高的口号——"Build Prod, Not God"（造生产工具，别忙着造神）。Diogo对行业疯狂内卷Benchmark也颇有微词，直言公开benchmark极其容易被操纵，哪怕开发者没主动作弊，最终也可能被榜单牵着走。所以Jev发布时，他没有摆出碾压式榜单，而是直接展示实际用途，让开发者把它塞进工作流看能不能干活。

团队阵容同样不弱：COO Sasha Sheng来自Meta/FAIR，CTO Erik Gafni是连续创业者，整个团队汇集了来自OpenAI、Google Brain、Meta/FAIR的成员。他们共同押注的是一条与"继续堆更大模型"不同的路径——AI可能早已足够聪明，真正缺的是一个让软件放心使用它的接口。

InstructGPT是OpenAI于2022年发布的里程碑模型，核心贡献在于将RLHF（来自人类反馈的强化学习）大规模应用于语言模型对齐。其基本逻辑是：先让人类标注员对模型的多条回答进行排序，再用这些偏好数据训练一个"奖励模型"，最后以此奖励信号微调语言模型，使其输出更符合人类预期。InstructGPT是ChatGPT的直接技术前身，也是整个"对话式AI助手"浪潮的奠基工作。Diogo Almeida作为该论文核心作者，深度参与了让AI学会"讨人喜欢地回答问题"这一过程，这也使他后来转而专注于"去掉生成、只做判断"的决策模型显得格外有说服力——他比任何人都清楚对话能力的代价与局限所在。

24天内，一条新赛道已经四面迎敌

如果说Jev单款产品的爆发还只是故事的一半，那么另一半则更值得关注：它让整个行业突然意识到，"决策模型"是一条可以成立的新赛道。而赛道一旦成立，TypeSafe AI就从几乎没有直接对手，瞬间变成四面迎敌。

巨头的反应快得惊人。就在Diogo宣布融资喜讯约两小时后，微软CEO Satya Nadella便带着新款决策模型Microsoft-Decision-1杀入战场。据介绍，该模型基于Qwen3.5-9B后训练，专门处理路由、分类、优先级判断、验证和工作流控制。

OpenAI的动作更早。10月6日（即Jev发布21天后）就开放了Decisions API公开测试，由GPT-6 Luna驱动，可把文本和图像转化为Predicate、Choice和Score三类结构化答案。更早的10月1日，Cloudflare已推出开源决策模型Clef和Clef-flash，不但兼容Jev API，还直接把Jev摆上了对比台。

所有这些竞争，都压缩在短短24天内发生。而这恰恰是Jev此轮融资真正值钱的地方：它不只是做出一款爆款，更验证了一个判断——AI不一定非要更会说，也可以更擅长"闭嘴"，然后老老实实在软件后台干活。

从一家默默无闻的隐身公司，到估值75亿美元、引来微软、OpenAI、Cloudflare同场竞技，TypeSafe AI用24天证明了一个被忽视的需求缺口。接下来的看点，则是当巨头全面入场后，这位先行者能否守住它亲手开辟的疆域。