前OpenAI员工做出不会聊天的AI！刚融8.7亿美元，上线两周老东家就跟了
新智元报道
10月9日，TypeSafe AI宣布完成A轮融资，估值直接冲到75亿美元。a16z领投，红杉、DCVC等机构参投。
TypeSafe AI三位联合创始人合影，左起依次是Erik Gafni、Sasha Sheng、Diogo Almeida。
Erik Gafni是连续创业者，曾是Invitae和Freenome的早期员工；Sasha Sheng则曾在Meta/FAIR担任研究工程师。
仅仅两周后，OpenAI就宣布推出Decisions API的有限预览，并在10月6日直接推向公开Beta。
以邮件筛选为例，开发者可以用自然语言写清楚标准：这封信是否涉及即将到期的账单？是否需要本人紧急回复？是否包含时间地点的变动？
Jev读取内容后，会直接向应用返回判断结果和对应概率。软件再按预设规则，自动归类或发出提醒。
Jev直接返回选项或概率，不用生成长篇回答。程序可以直接读取结果，不必再从一大段文字里提取结论。
据TypeSafe介绍，Jev还能并行回答多个问题，并以结构化格式返回结果，供软件直接读取和使用。
9月18日，Vercel披露，Jev接入其AI Gateway后，首个24小时内，就有接近13%的付费团队使用过。
Jev接入Vercel AI Gateway后的首个24小时内，近13%的付费团队使用了它。
据他在LinkedIn上的回忆，他曾琢磨过一个问题：如果AI真的改变了经济，未来大量调用AI的，究竟会是人，还是自动运行的代码？
后来，Almeida与Erik Gafni、Sasha Sheng共同创办TypeSafe。经过两年研发，Jev终于公开亮相。
在Latent Space访谈中，Handa提到，Jev推出后，OpenAI的用户和内部团队纷纷提出需求：他们也需要更快的分类系统。
OpenAI没有从零训练新模型，而是改造现有的GPT-6 Luna：让它直接给出判断结果，同时处理多个问题，再加快后台运算，让第一个结果更快返回。
Jev主打专门的模型与训练方法；OpenAI先把现有Luna模型用起来，将其用于快速判断服务。
开发者可以把商品照片和检查要求一起发给Decisions API，比如判断物品有没有裂痕、撕裂或凹痕。
GPT-6 Luna根据图片作出判断，并返回损坏概率，应用据此筛出需要提醒或人工复核的商品。Jev目前只支持文本输入。
价格方面，Decisions API的基础输入价为每百万token 0.10美元，输出同样免费。
至于OpenAI宣称的「最高快10倍」，比较的是通过自家Responses API调用同一模型时的表现。
他们在37个数据集上测试Jev 1.13.0，完成346,009次请求，总花费不到10美元。
Jev在8个选择题数据集上的选择性预测：只回答最有把握的问题时，准确率更高；回答范围扩大后，准确率整体下降。
测试覆盖了分类、阅读理解、内容审核和评分等任务。不过，这个成本对应的是特定评测，不能直接换算成任何工作都这么便宜。
研究也发现，Jev在选择题上的概率校准表现较好，但处理二元判断时，直接套用固定的0.5阈值，效果并不总是理想。在部分任务上，根据训练数据调整阈值，结果明显改善。
错把广告邮件当成重要通知，可能只是多打扰你一次。漏掉一封当天必须回复的消息，代价就大得多。
计数不够可靠，日期先后比较可能出错，多层推理容易遇到困难。输入里一旦混入大量无关内容，也会影响判断。
Jev适合接手哪些步骤，还需要一项项验证。算术交给普通程序，复杂问题交给更强的模型，重要又拿不准的判断，留给人来复核。
TypeSafe把杰文斯悖论的逻辑写进了AI应用：当调用AI的成本足够低，更多琐碎小事就值得交给AI处理。
邮箱先筛出值得提醒的消息，写作工具先标出需要检查的句子，助手处理简单请求时快速响应，遇到复杂问题再调用更强的模型。
8.7亿美元融资，给了TypeSafe继续研发的资金。OpenAI的快速跟进，也让竞争迅速升温。
接下来，Diogo和TypeSafe需要用实际表现证明：开发者为什么愿意继续选择Jev。