不做生成、只做判断：TypeSafe 拿下 8.7 亿美元 A 轮，Jev 上线三周估值 75 亿

一笔需要读两遍的融资

2026 年的 AI 融资新闻已经多到让人麻木，但这一笔还是值得你把咖啡放下重读一遍：TypeSafe 宣布完成 8.7 亿美元 A 轮融资，投后估值 75 亿美元。领投的是 Andreessen Horowitz，Sequoia 参投，老股东 DCVC 继续加注，a16z 的 Martin Casado 直接进入董事会。

离谱的不是金额本身——今年比这大的轮次也有。离谱的是时间：Jev，TypeSafe 的旗舰模型，今年 9 月 15 日才发布。一个模型上线三周多，拿下近 9 亿美元，估值一步干到 75 亿。上一次看到这种节奏，还是 foundation model 刚爆发的那两年，OpenAI 和 Anthropic 轮番刷新纪录的时候。

公司自称，"a third of Fortune 500 companies are already using the model"——三分之一的财富 500 强已经在用 Jev。这句话先打个问号存着，后面我们会回来算这笔账。但资本市场显然已经投票了：a16z 的 infra 老将 Casado 亲自下场进董事会，说明在他们眼里这不是一次普通的模型发布，而是一条新赛道的开赛枪。Casado 是什么人？他是 a16z 基础设施投资的门面，投过 Databricks 那一挂。他的入场姿态等于在说：这家公司卖的不是模型，是基础设施。

还有一个被很多人忽略的细节：Jev 在 9 月 15 日上线当天，公司还同步拿了 DCVC 领投的 4000 万美元种子轮。种子轮的钱还没捂热乎，A 轮 8.7 亿就已经 close 了。二十多天，两轮融资，中间还隔着一个产品发布。这不是融资，这是资本在抢跑道，生怕上车晚了。

Jev 到底是什么：一台"判断机器"

先把最重要的概念钉死：Jev 不是 LLM。它确实用的是 transformer 架构，但它不输出文本。它输出的是概率——公司自己的说法是"calibrated decisions"，校准过的判断。

翻译成大白话：你给 Jev 一段上下文和一个问题，它不跟你写小作文，它直接告诉你"选项 A 的概率是 0.83，选项 B 是 0.12"，或者"这条内容违规的概率是 0.07"。没有 token-by-token 的自回归生成，没有采样温度，没有"让我想想"。输入进去，判断出来，延迟在 70 到 500 毫秒之间。

这家公司 2024 年创立，三个创始人履历很正：Diogo Almeida 之前是 OpenAI 的研究员，Sasha Sheng 是前 Meta 研究工程师，还有 Erik Gafni。典型的"大厂核心研究员出来单干"剧本——但这次他们单干的方向不是"再做一个更强的生成模型"，而是把生成这件事整个扔掉。

这个取舍值得品味。过去三年，几乎所有明星创业公司都在回答"怎么生成得更好"：更长的上下文、更强的推理、更便宜的 token。TypeSafe 反其道而行之，问了一个被忽视的问题：agent 系统里真正高频的动作，到底是"写"，还是"选"？他们的答案是后者——于是他们造了一台专门用来"选"的机器。

为什么这不是"又一个小模型"

过去两年，agent 圈子里有个公开的秘密：大家一直在用 LLM 干它不擅长的事。

想想你写的 agent 代码。意图路由：让 LLM 输出"A/B/C"再正则解析。内容审核：让模型生成"违规/合规"几个字再做字符串匹配。排序打分：让它吐出一串数字再 parse 成 float。RAG 里的重排：让模型给每篇文档打个分。Agent 里每一个"选 A 还是 B"的环节，背后都是一次完整的文本生成——几百上千个 token 生成出来，只为了提取其中几个比特的信息。

这相当于你为了称一下苹果多重，先把它做成苹果派，再从派里把苹果挑出来称。荒谬，但过去没得选：除了 LLM，没有别的模型能理解复杂上下文并给出判断。分类器太笨（只能处理固定 schema），LLM 太贵（为了几个比特烧掉几百个 token）。整个行业就卡在这个中间地带，凑合了两年。

Jev 的赌注是："判断"值得成为一个独立的模型品类。就像当年推荐系统从搜索里独立出来、向量数据库从数据库里独立出来一样。当一个环节的使用频率足够高、形态足够特殊，它就不再是"LLM 的一个用法"，而应该是一块专门的部件。历史总是押韵的：每一次基础设施成熟的标志，就是通用工具里长出专用工具。

这是我的判断：这是 agent 基础设施的范式转移，不是模型能力的渐进式提升。生成模型解决"怎么写"，判断模型解决"选什么"。过去三年整个行业都在卷"怎么写得更好"，而"选什么"这个环节一直裸奔——用生成模型客串，贵、慢、还不稳定。Jev 是第一个把"选什么"做成正经产品的人。品类一旦成立，后面跟进的就不是一家两家。

一个具体的场景

想象一个电商客服 agent。用户说"我的包裹三天没动了"，agent 要先判断：这是物流查询、退货申请，还是投诉？以前的做法是把用户消息塞进一个 prompt，加几个 few-shot 示例，让 LLM 输出"物流查询"四个字，再用字符串匹配走分支。一次判断，800 个输入 token 起步，输出 10 个 token，延迟 1 到 2 秒，还时不时输出"这看起来像是物流查询呢"让你 parse 失败。

换成判断模型：输入就是用户消息加三个候选项，输出是三个概率，70 毫秒。没有 few-shot，没有 instruction 开销，没有 parse 失败，没有重试逻辑。省下来的不只是钱，还有一整层胶水代码和异常分支。

成本账：当 output 免费

来看价格，因为价格才是这篇稿子里最锋利的部分。第三方资料显示，Jev 定价是每百万输入 token 0.042 美元，输出免费。对比一下：GPT-5 Nano 的输入价是 0.05 美元/M。Jev 比它还便宜，而且输出侧直接零元购。

算一笔具体的账。假设你的客服 agent 每天要做 10 万次意图分类：用 LLM 做，每次 prompt 加上 few-shot 示例算 800 token 输入、输出 20 token，一天就是 8000 万输入 token，按 GPT-5 Nano 的价格一天 4 美元，一个月 120 美元。换成 Jev：输入可能只需要 200 token（不需要 few-shot，不需要"请输出 JSON 格式"这种 instruction 开销），一天 2000 万 token，一天 0.84 美元，一个月 25 美元。省 80%，延迟还从秒级降到百毫秒级。

但这笔账真正的意思不在"省钱"，而在成本结构被重写：按判断计价，而不是按 token 计价；输出免费，因为输出本来就不是产品，判断才是。这会改变 agent 的设计直觉——以前你会为了省 token 把多个判断塞进一次 LLM 调用里做 batch，现在你可以奢侈一点：每个环节都调一次判断模型，又快又便宜。架构会从"能省则省"变成"该调就调"。

还有一个隐性成本：稳定性税。用 LLM 做判断，你得写"解析失败重试"的逻辑，得处理模型偶尔的发挥失常，得为每个判断环节写测试用例覆盖各种输出格式。这些工程成本不会出现在账单上，但每个 agent 团队都在交。判断模型输出的是结构化概率，这笔税直接免了。

我的判断是：未来 12 个月，"单次任务的决策成本"会成为 agent 团队的核心指标，就像今天大家盯着 token cost 一样。而第一批把路由、分类、打分环节从 LLM 迁移到判断模型的团队，会获得实实在在的成本和延迟优势——这不是理论优势，是下个月账单上就能看到的数字。

追兵已经全部出发

一个品类是不是真品类，看有没有人跟进。Jev 这边枪声一响，追兵来得比预想中快得多：

• OpenAI 紧急跟进 Decisions API——当老大开始抄你的作业，说明作业是对的。OpenAI 的入场等于给"判断模型"这个品类盖了个官方认证章，也意味着这条赛道从"创业公司讲故事"变成了"巨头必争之地"。
• Perplexity 不仅跟进，还直接把 27B 参数的 Decider 开源了（这事我们另写了一篇：六天降价一半，价格战已经开打）。开源玩家的入场，把"判断模型"的门槛从"调用 API"降到了"自己部署"。
• Cloudflare、AWS 也在入场——这两家的出现最有信号意义。它们不做模型，它们做水电。当云厂商开始卖"判断"这种水电，说明这个品类正在进入基础设施标配序列，就像当年的向量检索、对象存储一样。

注意这个跟进速度：Jev 9 月 15 日发布，10 月 9 日融资官宣时，对手们已经全部下场。一个三周大的品类，长出了完整的竞争格局。这在 AI 历史上都少见——通常一个新品类要经历 12 到 18 个月的"只有一家在讲故事"阶段。

为什么这么快？因为需求是现成的，不需要教育市场。每个 agent 团队的代码库里都躺着几十个"让 LLM 输出选项再解析"的 hack，Jev 只是第一个把这坨 hack 产品化的人。对手们跟进的不是 Jev 的技术，而是 Jev 指出来的那个位置：agent 架构里"判断层"那个空位。空位一旦被看见，所有人都会往里挤。

给开发者的信号：你代码里"选 A 还是 B"的地方正在变成标准件

说点能直接动手的东西。今晚你就可以对自己的 agent 代码库做一次"判断审计"：

• 凡是 prompt 里写着"请只输出 A/B/C"、"请输出 1 到 10 的分数"、"请回答是或否"的地方——那就是一次判断调用，被你用生成模型高价代打了。
• 凡是后面跟着正则、JSON 解析、字符串匹配来提取模型输出的地方——那就是解析开销，是本来不该存在的胶水代码。
• 凡是加了"如果解析失败就重试"逻辑的地方——那就是生成模型做判断不稳定的税，你一直在交，只是没记账。

这些环节正在变成标准件。就像你今天不会自己写 HTTP 解析器、不会自己实现连接池一样，明年你大概也不会自己用 LLM prompt 拼一个分类器。判断模型的 API 长什么样，agent 框架的中间层就会长什么样——LangChain、CrewAI 这些框架的下一个大版本，大概率会原生支持 decision model 作为一等公民。

我的具体建议：新项目直接按"生成层 + 判断层"双层架构设计，路由、分类、打分、审核走判断模型，写作、总结、代码生成走 LLM。老项目别一次性全迁，先挑调用频率最高的 1 到 2 个判断环节做迁移试点，跑两周对比成本和延迟。判断模型的生态还在早期，API 形态可能还会变，但方向不会变——早试点，早拿到数据。

质疑同样要说在前面

把掌声放一放，质疑有三条，每条都硬。

第一，"三分之一财富 500 强在用"是公司自称，没有第三方审计。Jev 上线才三周，三分之一的 500 强完成采购、集成、上线？这个速度即使对免费产品都夸张。更可能的口径是"有员工注册试用就算在用"。资本可以为故事付费，但你做技术选型时要按最严的口径打折——先当成"有几十家大企业在试点"来理解。

第二，75 亿美元是期望定价，不是验收定价。三周时间，任何关于留存、续费、expansion 的数据都不存在。a16z 赌的是"判断层"这个品类的终局位置：赌赢了，75 亿是地板价；赌输了，就是一轮游。别把估值当成技术验证——估值验证的是资本的焦虑，不是产品的成熟度。

第三，护城河问题。输出概率分布、校准——这些是工程 know-how，但有多深？Perplexity 六天就拿出了 85.71% 对 84.51% 的自报成绩（见我们另一篇），开源权重一放出来，"校准"这件事的神秘感就去掉一半。判断模型可能比 LLM 更快进入 commodity 阶段：它的输出空间小、评测标准清晰——好测量的东西，就好被追上；好被追上的东西，就难收垄断租。

但这三条质疑都不动摇我的核心判断：品类是真的，估值是赌的。对开发者来说，重要的不是 TypeSafe 值不值 75 亿，而是从今天起，"判断"有了专门的模型为你服务，而你代码里那些用 LLM 生成文本再解析的环节，正在变成上一代的做法。至于是用 Jev、Decider 还是 Cloudflare 的 Clef——选型指南我们另一篇细说。

生成模型教会机器写作，判断模型正在教会机器做决定。Agent 的下半场，可能从"写得更好"变成"选得更准"。而这一次，率先把"选"做成独立生意的人，三周就拿到了 8.7 亿美元。

本文一手来源：TechCrunch 10 月 9 日报道（Bloomberg 同日首报，公司官方公告同步）。