Jev获a16z领投8.7亿美元融资，估值24天内增长37倍至75亿美元。其决策模型不聊天、不写代码，仅对给定选项输出校准概率，用于Agent中大量分支判断，兼顾低成本与低延迟。微软、OpenAI、vLLM相继入局，多基于千问模型。Jev不取代大模型，而是成为Agent基础设施，让微小判断也值得调用AI。

本文介绍用 TypeSafe Jev 模型构建简历筛选系统。Jev 不生成文本，只返回带校准概率的数值答案，避免大模型打分不可比、无法排序的问题。系统由 HR 按岗位编写评分标准，代码计算加权总分，低置信度结果转人工复核。实测 71 份简历，单次成本约 0.0002 美元，中位延迟 400 毫秒，60% 被标记复核。

2026年9月，TypeSafe AI推出Jev决策模型，仅输出判断和概率，不生成文本。其分类任务速度比大模型快近200倍，成本约为四百分之一。卡帕西称其为LLM帕累托曲线被忽视的点。Jev依靠校准概率赢得自动化信任，并押注杰文斯悖论：推理成本降低将催生海量新判断需求，而非取代大模型。