Eine nicht chatfähige KI hat weniger als einen Monat nach ihrer Markteinführung eine Finanzierungsrunde mit einer Bewertung von 7,5 Milliarden US-Dollar abgeschlossen.
Das Entwicklungsunternehmen hinter Jev, TypeSafe AI, hat kürzlich eine Finanzierungsrunde in Höhe von 870 Millionen US-Dollar abgeschlossen, was eine Bewertung von 7,5 Milliarden US-Dollar bedeutet. Diese Runde wurde von Andreessen Horowitz angeführt, Sequoia und der bestehende Investor DCVC beteiligten sich ebenfalls an der Investition. Zu diesem Zeitpunkt sind seit der Veröffentlichung seines neuen KI-Modells Jev nur wenige Wochen vergangen.
In der Zeit, in der Chatbots die ganze Welt erobern, ist dieses „nicht chatfähige“ Modell zu einem Objekt geworden, das von Kapital und Unternehmen gemeinsam verfolgt wird. TypeSafe behauptet, dass bereits ein Drittel der Unternehmen der Fortune-500-Liste Jev nutzen, und die Geschwindigkeit der Unternehmensakzeptanz ist beeindruckend. Noch wichtiger ist, dass Jev kein großes Sprachmodell ist – es gibt keinen Text aus, sondern generiert Wahrscheinlichkeiten, in den Worten von TypeSafe: „kalibrierte Entscheidungen“.
Veröffentlichung führt sofort zum Durchbruch: Der unerwartete Aufstieg eines „stummen Modells“
Am 15. September wurde Jev fast sofort nach der Online-Stellung populär. In der Entwickler-Community tauchten schnell zahlreiche Anwendungsfälle auf: Einige nutzten es, um Spam zu filtern, andere setzten es zur Unterstützung von Handelsentscheidungen ein, und wieder andere integrierten es in Agent-Systeme, um es als „Schiedsrichter“ zu fungieren. Das Veröffentlichungsvideo erhielt mehrere zehn Millionen Aufrufe auf sozialen Plattformen, und die Zahl der zahlenden Teams, die es übernahmen, brach Rekorde auf Cloud-Entwicklungsplattformen.
Die Reaktion des Kapitalmarkts fiel ebenso schnell aus. Als TypeSafe AI gerade aus dem Stealth-Modus hervortrat, schloss es eine Seed-Finanzierungsrunde in Höhe von 40 Millionen US-Dollar ab, die von DCVC angeführt wurde, mit einer Bewertung von rund 200 Millionen US-Dollar. Das explosionsartige Wachstum von Jev beschleunigte den Finanzierungsrhythmus jedoch abrupt. Nach Berichten von *The Information* verhandelte das Unternehmen zeitweise über eine neue Finanzierung von mindestens 1 Milliarde US-Dollar, wobei die Bewertungsangebote einiger Investoren bereits 10 Milliarden US-Dollar überstiegen. Schließlich wurde die von a16z angeführte Finanzierung von 870 Millionen US-Dollar umgesetzt, und die Bewertung lag bei 7,5 Milliarden US-Dollar.
TypeSafe AI wurde 2024 von Sasha Sheng, ehemaliger Forschungsingenieur bei Meta, und Erik Gafni, Ingenieur und Unternehmer, gemeinsam gegründet. Almeida war zuvor Forscher bei OpenAI. Das Team ist nicht groß, hat aber in kurzer Zeit eine Bewertung von 7,5 Milliarden US-Dollar erreicht. Über die Details des Gründungsteams ist der Öffentlichkeit noch wenig bekannt, aber das Kapital interessiert sich offensichtlich mehr dafür, was Jev selbst leisten kann.
Jev generiert keinen Text, sondern „Entscheidungen“. Es basiert auf der Transformer-Architektur, ist aber kein großes Sprachmodell. Es gibt keinen Text aus, sondern generiert Wahrscheinlichkeiten oder sogenannte „kalibrierte Entscheidungen“. Jev begeistert Nutzer und Großunternehmen, weil TypeSafe behauptet, dass es viel schneller läuft als LLMs und weit weniger Tokens verbraucht. Das Unternehmen positioniert seinen Ansatz als besonders geeignet für Automatisierungsaufgaben, anstatt Text oder Code zu generieren.
„Vier Jahre lang haben wir uns sehr gut mit der menschlichen Sprache befasst, aber das ist für die Automatisierung nutzlos, weil Computer eine andere Sprache sprechen“, sagte Diogo Almeida, Mitbegründer von TypeSafe, letzten Monat gegenüber TechCrunch.
Dieser Satz verdeutlicht die Kernlogik von Jev. Herkömmliche große Sprachmodelle geben natürliche Sprache aus. Wenn Anwendungen diese Ergebnisse nutzen wollen, müssen sie oft zusätzlichen Code schreiben, um den Text zu parsen und die tatsächlich benötigten Werte zu extrahieren – beispielsweise ein Klassifizierungslabel, eine Ja/Nein-Entscheidung oder eine Bewertung. Dieser Parsing-Schritt erhöht nicht nur die Komplexität der Entwicklung, sondern führt auch zu Unsicherheiten.
Jev geht einen völlig anderen Weg. Es ordnet eingehende Informationen vordefinierten Ausgabemengen zu und gibt direkt „Ja oder Nein“-Entscheidungen, numerische Bewertungen oder Ergebnisse vordefinierter Optionen zurück. Es gibt typisierte Werte zurück, die Anwendungen direkt nutzen können, ohne zwischengeschaltete Parsing-Schritte. Mit anderen Worten: Jev ist nicht dafür ausgelegt, von Menschen gelesen zu werden, sondern um direkt von Code aufgerufen zu werden.
Dieses technische Konzept wird von TypeSafe als „Verstärkungslernen für kalibrierte Entscheidungen“ bezeichnet. Almeida hat zuvor bei OpenAI am Aufbau von Modellen zur Einhaltung von Anweisungen mitgewirkt und ist einer der Miterfinder der RLHF-Technologie. Gerade die Zweifel an RLHF veranlassten ihn, OpenAI zu verlassen. In einem Podcast-Interview enthüllte er eine zentrale Erkenntnis: Obwohl das RLHF-Training das Modell gesprächiger macht, zerstört es heimlich die Kalibrierungsfähigkeit des Modells und führt zu einem „Modellverlust“. Mit anderen Worten: Der Preis dafür, dass das Modell schöne Sätze lernen kann, ist der Verlust der Fähigkeit, zuverlässige Urteile zu fällen.
Die Positionierung von Jev ist daher besonders klar: Es ist nicht dafür gemacht, mit Menschen zu chatten, sondern um von Code aufgerufen zu werden. Seine Antwortzeit liegt unter 700 Millisekunden, es ist etwa 100 Mal schneller als fortschrittliche große Sprachmodelle und kostet nur 1/100 bis 1/500 der Kosten dieser Modelle. Offizielle Daten zeigen, dass Jev für die Bearbeitung derselben Charge von Kommentarmarkierungsaufgaben 203,2 Sekunden und 0,84 US-Dollar kostete, während das Vergleichsmodell 823,5 Sekunden brauchte und 1,50 US-Dollar kostete. Derzeit liegt der Preis von Jev bei nur 0,042 US-Dollar pro Million Eingabe-Tokens, die Ausgabe ist kostenlos. a16z hat in seiner Investitionsankündigung sogar mit einem Detail die Kürze der Jev-Ausgabe verdeutlicht: „Die Ausgabe ist so klein, dass sie nicht einmal Gebühren für die Ausgabe erheben.“
Warum sind Unternehmen bereit, dafür zu zahlen?
Im Bereich von Automatisierungsszenarien gibt es seit langem ein Problem: Große Modelle sind zwar intelligent, aber nicht stabil genug. Almeida hat diese Situation einmal mit einem Gleichnis beschrieben: Wenn ein Modell „in 95 % der Fälle so klug wie Einstein ist, aber in den restlichen 5 % wie Mr. Bean handelt“, ist es in automatisierten Produktionsumgebungen nutzlos.
Genau dieses Problem versucht Jev zu lösen. Es strebt nicht danach, fließenden Text zu generieren, sondern zuverlässige Urteile innerhalb begrenzter Optionen zu fällen. Diese Fähigkeit ist in häufigen Szenarien wie Klassifizierungsfilterung, Prozessgenehmigung, Pfadauswahl und Aktionsbestimmung von Agenten genau eine dringende Nachfrage. Unternehmen brauchen keine KI, die Gedichte schreiben kann, sondern eine KI, die dem System innerhalb von 700 Millisekunden „Zugelassen“ oder „Abgelehnt“ mitteilen kann.
Der Trend zur branchenspezifischen Arbeitsteilung bildet sich heraus: Generative große Modelle übernehmen komplexe Schlussfolgerungen, Entscheidungsmodelle übernehmen hochgradig zuverlässige automatisierte Urteile. Almeida nennt diese Richtung „System-One-Modelle“, die dafür ausgelegt sind, tief mit Code integriert zu werden, anstatt mit Menschen zu sprechen.
a16z erläutert in seiner Investitionsankündigung die tiefgreifende Bedeutung dieses Konzepts: Der Satz „KI frisst Software“ bedeutet ironischerweise, dass er schneller mehr traditionelle Software schreibt, aber die Software nicht unbedingt intelligenter macht. Die echte wirtschaftliche Entfaltung sollte darin bestehen, dass alle Software die Intelligenz modernster Modelle mit Leistung und Kosten einbinden kann, die der Ökonomie traditioneller Software entsprechen.
Großunternehmen folgen nach, eine neue Branche entsteht
Der Durchbruch von Jev löste schnell Kettenreaktionen bei den großen Unternehmen im Silicon Valley aus.
OpenAI hat das Tool namens Decisions API veröffentlicht, das auf seinem Luna-Modell basiert und dazu dient, Fragen zu beantworten, die auf vordefinierte Ergebnisse beschränkt sind. Die Datenplattform Databricks hat die Funktion ai_decide veröffentlicht. Cloudflare hat die Open-Source-Modellreihe Clef auf den Markt gebracht. Amazon hat zuvor bereits Strands Decider 2B implementiert.
Diese Produkte weisen in dieselbe Richtung: Sie folgen nicht mehr dem Muster der autoregressiven Generierung Token für Token, sondern bewerten direkt Kandidatenantworten und richten sich an häufige Szenarien mit begrenzten Optionen wie Klassifizierungsfilterung, Prozessgenehmigung, Pfadauswahl und Aktionsbestimmung von Agenten. Jev ist nicht der einzige Akteur, aber es ist das erste Modell, das diese Richtung ins Rampenlicht gerückt hat.
Almeida sagt, er habe schon lange erwartet, dass nachahmende Konkurrenten auftauchen, aber er glaube immer noch, dass Jev über stärkere Fähigkeiten und ein höheres Maß an Intelligenz verfügt. „Jev steht für den Anfang einer neuen Art von künstlicher Intelligenz“, sagt er. „Im Bereich der künstlichen Intelligenz gibt es noch viele unerschlossene technische Richtungen, und Jev hat nur den ersten Schritt in eine neue Branche getan.“
Warum ist das Kapital so verrückt?
Von 200 Millionen auf 7,5 Milliarden US-Dollar hat TypeSafe AI weniger als einen Monat gebraucht. Diese Geschwindigkeit des Bewertungsanstiegs ist auch in der Geschichte der KI-Finanzierung selten.
a16z verbarg seine Begeisterung in der offiziellen Investitionsankündigung nicht: „Die Veröffentlichung von Jev ist die größte narrative Umwälzung, die wir in diesem Jahr gesehen haben.“ Das Top-Venture-Capital-Unternehmen, das einst OpenAI und xAI investiert hat, schrieb: „Wir haben noch nie ein Modell mit so schnellem Wachstum gesehen – drei Tage nach der Online-Stellung erreichte es eine Generierungsmenge von 1 Billion Tokens.“
Die Bewertungslogik ist nicht kompliziert. Jev versucht nicht, ChatGPT zu ersetzen, sondern in Software-Automatisierungsabläufe eingebettet zu werden, was den Leistungs- und Kostenanforderungen der traditionellen Softwareökonomie entspricht. Wenn Unternehmen Software mit extrem niedrigen Kosten und extrem hoher Geschwindigkeit mit eingebetteten intelligenten Entscheidungsfähigkeiten ausstatten können, erstreckt sich ihr Marktpotenzial nicht nur auf KI-Chatfunktionen, sondern auf den gesamten Markt für Softwareautomatisierung.
Natürlich gibt es auch Herausforderungen. Nachahmende Konkurrenten tauchen auf, und Hersteller großer Sprachmodelle könnten ähnliche Fähigkeiten in ihre eigenen Produkte integrieren. Die Akzeptanzgeschwindigkeit bei Unternehmen ist beeindruckend, aber langfristige Bindung und Zuverlässigkeit müssen noch validiert werden. Die Leistung kalibrierter Entscheidungen in Bezug auf Sicherheit, Verantwortung und Randbedingungen wird ebenfalls strenger geprüft.
Aber zumindest im Moment hat der Markt mit echtem Geld sein Urteil gefällt: In Automatisierungsszenarien ist Zuverlässigkeit wichtiger als Intelligenz, und Ausführbarkeit ist wertvoller als Lesbarkeit. Während die gesamte Branche nach einer KI strebt, die so menschlich wie möglich ist, hat Jev einen Weg gewählt, der „so computerähnlich wie möglich“ ist. Und der kommerzielle Wert dieses Weges wird schnell neu bewertet.
Dieser Artikel stammt aus dem WeChat-Offiziellen Konto „Tech Business“, Autor: Tech Business, veröffentlicht mit Genehmigung von 36Kr.