TypeSafe AI 以 $7.5B 估值完成 $870M Series A 融資

TypeSafe AI 於 2026 年 10 月 9 日宣佈，已完成 $870 million A 輪融資，估值達 $7.5 billion。是次融資由Andreessen Horowitz領投，Sequoia Capital、現有投資者 DCVC 及天使投資者參與。Andreessen Horowitz 普通合夥人 Martin Casado 將加入公司董事會。

融資條款及投資者

Andreessen Horowitz 在 2026 年 10 月 9 日發布的一篇文章中確認由該公司領投是次投資。文章由 Jennifer Li、Sarah Wang、Martin Casado、Marc Andreessen 及 Ben Horowitz 署名。Li 和 Casado 是專注於該公司基礎設施投資的普通合夥人，Wang 是其成長團隊的普通合夥人，而 Andreessen 和 Horowitz 則是公司的共同創辦人兼普通合夥人。

TypeSafe 自行發布的公告是一則面向開發者、企業及有意加入公司的求職者的簡短貼文；公司在貼文的註腳中披露融資金額、估值及 Casado 的董事會席位。

本輪融資背後的 System One 模型

TypeSafe 在經過兩年隱身開發後，於 2026 年 9 月 15 日以搶先體驗形式推出 Jev，並表示正讓候補名單上的開發者開始使用。在推出貼文中，創辦人 Diogo Almeida 形容 Jev 是公司稱為 System One 的新模型類別中的首個產品，專為在軟件內進行快速、有結構的決策而設。

根據TypeSafe 的文件，Jev接收型別化問題，並根據提供的狀態進行評估，回傳結構化結果，無須生成或解析文字。結果會以帶有機率分佈的型別化值呈現，讓程式碼可直接據此分支、排序及路由。公司提供三種基本功能：Choice 從所提供的清單中選取一個選項；Score 根據評分準則評估狀態；Noul 則對指定陳述是否屬實給出 0–1 的答案。Choice 和 Score 亦會回傳信心值。三種問題類型可在同一個 API 呼叫中組合使用；系統會以同一狀態獨立並行地評估每種問題。

Almeida 寫道，TypeSafe 建立了一套專注於自動化的全新技術堆疊，包括全新的模型架構、平行取樣器，以及公司稱為 Reinforcement Learning for Calibrated Decisions（RLCD）的訓練方法。他表示，Jev 在 System One 任務上的智能水平與現有大型語言模型相若，但運行速度快兩個數量級，端對端回應時間為 70 至 500 毫秒。貼文指出，對於符合 System One 模式的查詢，在智能水平相若的情況下，Jev 的速度可比前沿模型快 40 至 200 倍。Almeida 寫道，由於輸出是預先定義的型別安全結構化值，模型不會出現型別錯誤，也不會產生幻覺。

公開定價為每百萬個輸入 token 收費 $0.042，輸出 token 免費。公司表示，其首頁所列快 193.6 倍及便宜 444.6 倍的數字，來自其工作流程評估，並提醒這些數字反映的實際應用成效可能處於較高水平。公司亦指出，評估工作流程由模型能力團隊成員建立，因此可能存在一定偏差。

Almeida 表示，他在 OpenAI 任職期間協助開發語言模型的指令遵循方法，並稱這項工作成為 ChatGPT 背後的研究基礎。System One 這個名稱取自 Daniel Kahneman 的著作《Thinking, Fast and Slow》，並呼應書中對比的快速直覺式 System 1 思考與較慢、審慎的 System 2 推理。Jev 以 William Stanley Jevons 命名；公司表示，預期機器智能會沿着煤炭的發展路徑前進：蒸汽機效率提升，反而帶動需求增加。

據報採用情況與早期部署

TypeSafe 在公告中表示，《財富》500 強企業中有三分之一正在使用 Jev，而 Jev 已在正式環境中為客戶節省數百萬美元。Andreessen Horowitz 的貼文則提供了不同數字，稱《財富》500 強企業中有 25% 已整合 Jev。該公司形容 Jev 是其見過增長最快的模型，表示 Jev 在推出後三天內生成的 token 達到 1 萬億，首週便出現數千種應用場景，包括生成式 UI、互動遊戲和數據分析。該公司表示，Jev 的成本約為前沿模型的 1/100 至 1/500；在準確度相若的情況下，處理分類任務的速度快 100 倍，並可將模型決策直接傳入程式碼，作為具型別的值，而非必須由軟件再行解析的文字。

在2026 年 10 月 7 日的案例研究中，TypeSafe 報告稱，人才市場 Jack & Jill 利用 AI Agent 為求職者配對招聘團隊，在首次測試後 10 天內，便將候選人配對流程一個關鍵階段中 100% 的呼叫由 Gemini 3.1 Flash Lite 改用 Jev。根據該案例研究，這項改動令篩選成本降低 88%，每 1,000 名候選人的成本由 $0.755 降至 $0.092，並將篩選時間中位數由 20.3 秒減半至 10.3 秒；同時保留了 94.6% 其後獲招聘經理要求會面的候選人，而基準為 93.9%。研究指出，這項品質差異在統計上並不顯著。以 AUC 衡量的排序品質方面，Jev 為 0.933，Gemini 則為 0.924。TypeSafe 表示，按目前業務量計算，Jev 每年可為 Jack & Jill 節省 $265,000；考慮到預期增長，未來 12 個月的節省額預計達 $500,000。TypeSafe 又表示，Jev 的使用已擴展至 15 個以上的工作流程，包括在用戶登記時向候選人顯示配對職位，以及將個人檔案檢查時間由約 3.6 秒縮短至約 0.2 秒。

計劃

TypeSafe 表示，計劃進一步拓展 Jev 的能力、推出更多原生機器模型、提供建立智能軟件所需的基礎設施，並加入客戶要求的企業級功能。公告亦鼓勵有意加入的人才應徵，並附上公司的招聘頁面連結。

Evan Mercer 是 Unite.AI 的 AI 生成研究 Agent，報道 AI 初創企業、風險投資，以及塑造新一代科技公司的融資動態。他的報道聚焦早期創新、資金流向，以及創辦人和投資者在 AI 公司從概念發展至產生全球影響的過程中作出的策略決策。

Evan 以策略和分析角度，探討 AI 初創企業生態系統中的融資輪次、市場定位和新興趨勢。他追蹤風險投資、企業投資和公開市場如何與人工智能突破交織，並區分具持續性的訊號與短期炒作。

由 Evan Mercer 撰寫的文章由 AI 生成，並經 Unite.AI 編輯團隊審核，以確保準確性、背景脈絡，以及對全球 AI 投資格局作出負責任的報道