TypeSafe 的 Jev 发布三周：ARR 突破 1 亿美元、估值 75 亿美元，OpenAI、微软、Perplexity 同日跟进「决策模型」
来源Latent Space查看原文
速览
- TypeSafe 的 Jev 上线三周即达 100M ARR、7.5B 估值，成为「决策模型」这一新品类的参照点。
- OpenAI、微软、Perplexity、Cloudflare、Liquid 同日发布决策类模型或 API，格式迅速扩散。
- 决策模型返回概率、选项、分数等结构化答案，单次前向完成，替代自由文本生成。
- OpenAI Decisions API 定价 $0.10/M 输入 token、无输出费用，官方称最高快 10 倍。
- Perplexity 称 pplx-decider-v1.1-27b 在 1,071 用例上达 94.5% 准确率，$0.017/1K 次决策。
- Unsloth 让 8GB 显存即可微调出决策模型，Qwen3.5-0.8B 准确率 60 步从 37% 升至 65%。
- LangChain 用模型路由把 Open SWE 每任务中位成本降低 64%，说明决策调用契合 Agent 流程。
- AINews 提到外界对 Jev 数据存在刷量质疑，但强调自家 Jev 播客内容真实。
Latent Space 的 AINews 汇总了 2026 年 10 月 8 日至 9 日的 AI 动态。核心事件是 TypeSafe 宣布「Series AI」融资，Sequoia 方面流出的材料显示其产品 Jev 在上线第一周就跨过 100M ARR，公司估值达 7.5B 美元；TypeSafe 联合创始人 Diogo Almeida 在 X 上称发布三周内「意外每天服务数万亿 token」，29.4% 的财富 500 强客户已经出现，并完成了来自 a16z 的大额 A 轮。围绕 Jev 所代表的「决策模型」形态，多家厂商在同一天集中发布同类产品：OpenAI 推出 Decisions API（三种请求类型，跑在 GPT-6 Luna 上，输入 $0.10/M token、不收取输出费用，官方称最高快 10 倍）；微软发布 Microsoft-Decision-1，面向 LLM 评审与科学假设筛选；Perplexity 发布 pplx-decider-v1.1-27b，称在 1,071 个用例上取得 94.5% 的 Decision Bench 最高准确率，定价 $0.017/1K 次决策；Cloudflare 推出 clef-omni（支持音频、视频、图像、文本），clef-flash 比 Jev 更便宜、整体约快 2 倍，权重已上 Hugging Face；Liquid d1 上线 Vercel AI Gateway 并支持视觉分类、路由与打分。此外，Unsloth 发布免费 notebook，可在 8GB 显存上把 Qwen3.5-4B 训练成决策模型；在 Qwen3.5-0.8B 上的实测显示 60 步内准确率从 37% 升到 65%，4GB 显存约 10 分钟。AINews 也提到存在对 Jev 数据「刷量」的质疑，但强调自家 Jev 播客内容真实。
关键事实
- TypeSafe 宣布「Series AI」融资，Sequoia 流出的案例材料显示 Jev 上线第一周 ARR 突破 100M 美元，公司估值 7.5B 美元。
- TypeSafe 联合创始人 Diogo Almeida 称发布三周内每天服务数万亿 token，29.4% 的财富 500 强成为客户，并完成来自 a16z 的大额 A 轮。
- OpenAI 发布 Decisions API，支持概率判断、列表选择、等级打分三类请求，跑在 GPT-6 Luna 上，输入 $0.10/M token 且不收输出费用，官方称最高快 10 倍。
- 微软发布 Microsoft-Decision-1，定位 LLM 评审与科学假设筛选；早期评测者称决策模型在一致性和复杂决策上仍有困难。
- Perplexity 发布 pplx-decider-v1.1-27b，称在 1,071 个用例上取得 94.5% 的 Decision Bench 最高准确率，定价 $0.017/1K 次决策。
- Cloudflare 推出 clef-omni（支持音频、视频、图像、文本），clef-flash 比 Jev 更便宜，clef 整体约快 2 倍，权重已发布在 Hugging Face。
本站视角
对国内做 Agent 与工作流编排的团队来说，这件事的直接含义是：过去用一个大模型包办所有步骤的做法，正在被「按步骤类型拆模型」取代。LangChain 公布的 64% 成本下降不是营销数字，而是路由策略的直接结果，任何自建 Agent 的团队都可以复现这个思路——把是/否判断、分类、打分交给决策模型，把生成留给大模型。对使用 API 的中小企业和独立开发者，OpenAI 的 $0.10/M 输入、零输出费用和 Perplexity 的 $0.017/1K 次决策，把「判断」这一动作的单位成本压到了过去难以想象的水平，这会改变产品设计的取舍：以前因为贵而不敢做的实时判断、逐条打分、全量筛选，现在可以默认开启。对内容平台和审核类产品，决策模型天然适合做批量分级与路由，值得优先评估。 我们的判断是：决策模型是实质性的形态进步，而非单纯的营销包装，理由有三。其一，它对应的是真实存在的负载特征——Agent 的多数步骤确实是判断而非生成，这是工程事实而非概念炒作。其二，它把成本结构从「按 token 生成」改成「按次判断」，让预算可预测，这对需要跑大规模批处理的团队尤其重要。其三，生态已经跟上：vLLM 的 Semantic Router、LangSmith 用 Jev 做 judge、Unsloth 的低显存微调 notebook，说明这不只是几家大厂的孤立动作。 但需要指出原文中的可疑之处。TypeSafe 的 100M ARR、29.4% 财富 500 强、每天数万亿 token 这几个数字，来源是 Sequoia 流出的案例材料和创始人本人的推文，属于单一来源且带明显融资动机；AINews 自己也承认存在「刷量」质疑。第一周就跨过 100M ARR 在 SaaS 历史上极为罕见，这个数字的口径（是否含试用、是否年化、是否含一次性承诺）原文没有交代，读者不宜直接当作可比指标。同样，Perplexity 的 94.5% 用的是自家 Decision Bench，微软的早期评测者反而指出一致性仍是短板，各家准确率不可横向比较。真正值得跟踪的不是这些发布当天的数字，而是三个月后这些决策模型的调用量是否留存、以及是否有第三方基准能给出可比的评测结果。
背景与影响
「决策模型」指的是不输出自由文本、而是在一次前向传播中直接返回结构化答案（概率、列表选项、分数）的模型形态。Jev 是这一形态的参照点，AINews 观察到该格式在极短时间内被大量厂商复制。这一趋势的背景是 Agent 工作流中大量步骤本质上是是/否判断或路由选择，而非长文本生成，因此把这类调用交给更小、更快、更便宜的专用模型可以显著降低成本——LangChain 的数据显示路由到最便宜够用模型后，Open SWE 每任务中位成本下降 64%。与此同时，Apple/CMU 的 SSR 研究把同样的「选择而非生成」思路放进 Agent 内部，单轮推理延迟下降超 90%，但端到端延迟只下降 28%–54%，说明瓶颈并不只在单轮推理。需要观察的是，决策模型的评测标准尚不统一：Perplexity 用的是自家 Decision Bench，微软的早期评测者则指出一致性和复杂决策仍是短板，这意味着各家公布的准确率数字之间未必可直接比较。
本文由 AI 辅助整理自公开信源，事实部分以原文为准；「本站视角」一节为编辑部判断，欢迎指正。版权归原作者所有，如有异议请联系我们。