TypeSafe holt 870 Millionen Dollar für KI-Modell Jev ein
TypeSafe Inc., Entwickler des KI-Modells Jev, hat eine Finanzierungsrunde über 870 Millionen Dollar bei einer Bewertung von 7,5 Milliarden Dollar abgeschlossen. Angeführt wurde die Runde von Andreessen Horowitz, beteiligt waren unter anderem Sequoia Capital und DCVC.
AKTUALISIERT UM 16:13 EDT / 9. OKTOBER 2026
TypeSafe Inc., der Entwickler des KI-Modells Jev, gab heute bekannt, dass es 870 Millionen US-Dollar in einer Finanzierungsrunde bei einer Bewertung von 7,5 Milliarden US-Dollar eingesammelt hat.
Andreessen Horowitz führte die Runde an, mit Beteiligungen von Sequoia Capital, DCVC und namentlich nicht genannten Business Angels. Die Kapitalzufuhr kam weniger als einen Monat nach dem Launch von Jev. Der Finanzierungsschwung des Unternehmens spiegelt die wachsende Popularität seines Modells wider: Es wurde bereits von rund einem Drittel der Fortune-500-Unternehmen übernommen.
Wenn eine Unternehmensanwendung eine Aufgabe mithilfe eines Large Language Model ausführen muss, sendet sie automatisch eine Beschreibung der Aufgabe an das Modell. Das LLM antwortet dann mit seiner Ausgabe. Diese Ausgabe hat häufig die Form von Text in natürlicher Sprache. Anwendungen müssen den natürlichsprachlichen Text in ein strukturiertes, standardisiertes Format überführen, bevor sie ihn nutzen können.
Jev verdankt seine Popularität unter anderem der Tatsache, dass es den letzteren Schritt überspringt. Wenn eine Anwendung Jev mit einer Aufgabe beauftragt, erzeugt das Modell strukturierte Ausgaben statt Text in natürlicher Sprache. Damit entfällt die Notwendigkeit, die Ausgabe von Jev vor der Verwendung umzuformaten und zu verdichten.
Jev unterstützt nur drei Arten von Anfragen. Anwendungen können das Modell bitten, eine Frage mit einem Äquivalent von „ja“ oder „nein“ zu beantworten, ein Element aus einer Liste auszuwählen oder eine Bewertung zu erstellen. Entwickler können anpassen, was diese Bewertung misst. So kann Jev beispielsweise so konfiguriert werden, dass es Cybersicherheitswarnungen nach ihrem Schweregrad einstuft oder die Dringlichkeit eines Support-Tickets quantifiziert.
Die Tatsache, dass die knappe Ausgabe des Modells für Anwendungen leicht zu verarbeiten ist, verringert den Umfang des Datenaufbereitungs-Codes, den Entwickler schreiben müssen. Dadurch können Softwareprojekte schneller abgeschlossen werden. Darüber hinaus reduziert die Vereinfachung der Codebasis einer Anwendung das Risiko von Fehlern.
Jev steigert die Zuverlässigkeit von Anwendungen auch auf andere Weise. Wenn das Modell eine Bewertung erstellt oder aus einer Liste von vom Nutzer bereitgestellten Optionen wählt, gibt es eine Zahl aus, die das Vertrauen in die Genauigkeit der Antwort angibt. Anwendungen können diese Zahl nutzen, um die Auswirkungen von Halluzinationen abzumildern.
Laut TypeSafe wurde Jev mit einem neuen Trainingsansatz namens reinforcement learning for calibrated decisions entwickelt. Dabei handelt es sich um eine Variante des Reinforcement Learning, einer verbreiteten Methode zum Training von LLMs. TypeSafe hat zudem eine neue Modellarchitektur entwickelt.
Das Unternehmen behauptet, dass seine maßgeschneiderten Technologien es Jev ermöglichen, Nutzeranfragen in weniger als 700 Millisekunden zu verarbeiten. Damit ist das Modell bis zu 200 Mal schneller als einige Frontier-LLMs. Darüber hinaus sei es laut TypeSafe bis zu 100 Mal kosteneffizienter.
Jev ist Teil einer geplanten Modellreihe mit dem Namen System One. TypeSafe wird die Erlöse aus seiner Finanzierungsrunde nutzen, um das Portfolio weiter auszubauen. Zusätzlich plant das Unternehmen, nicht näher spezifizierte „Enterprise-Features“ einzuführen, die es großen Organisationen erleichtern sollen, seine Modelle zu nutzen.
Unterstützen Sie unsere Mission, Inhalte offen und kostenlos zu halten, indem Sie sich in der theCUBE-Community engagieren. Werden Sie Teil des Alumni Trust Network von theCUBE, in dem Technologieentscheider sich vernetzen, Wissen teilen und Chancen schaffen.
SiliconANGLE Media, gegründet von den Tech-Visionären John Furrier und Dave Vellante, hat ein dynamisches Ökosystem führender digitaler Medienmarken aufgebaut, das mehr als 15 Millionen Spitzenkräfte der Tech-Branche erreicht. Unsere neue proprietäre theCUBE AI Video Cloud bricht Neuland in der Interaktion mit dem Publikum und nutzt das neuronale Netzwerk theCUBEai.com, um Technologieunternehmen bei datengetriebenen Entscheidungen zu unterstützen und sie an der Spitze der Branchendiskussionen zu halten.
Seismora baut eine Control Plane, um KI-Workloads über Geräte und Clouds hinweg zu routen
McKinsey vernetzt Unternehmensdaten über einen Wissensgraphen für KI
OpenAI-Umsatz bleibt hinter Erwartungen zurück, Modelle spielen Hüpfspiel und Trump macht Druck bei Tech-Greencards
18 Erkenntnisse von SailPoints Navigate-Veranstaltung: Unternehmen rennen darum, Identitätssicherheit für KI-Agenten auf Maschinengeschwindigkeit zu bringen
Caloroga Media launcht Linnet, ein KI-gestütztes Podcast-Studio, das im Browser läuft
CoreWeave zielt auf Engpässe bei der KI-Inferenz mit Full-Stack-Optimierung
© 2026 SiliconANGLE Media Inc. Alle Rechte vorbehalten.
Automatisch übersetzt. Das Original auf Englisch ist unten aufklappbar.
Original (Englisch) anzeigen
SHARE UPDATED 16:13 EDT / OCTOBER 09 2026
TypeSafe Inc., the creator of the Jev artificial intelligence model, today announced that it has raised $870 million in funding at a $7.5 billion valuation.
Andreessen Horowitz led the round with contributions from Sequoia Capital, DCVC and unnamed angel investors. The cash infusion comes less than a month after TypeSafe launched Jev. The company’s funding momentum reflects the surging popularity of its model: it has already been adopted by about a third of the Fortune 500.
When an enterprise application needs to perform a task using a large language model, it automatically sends a description of the task to the model. The LLM then responds with its output. That output often takes the form of natural language text. Applications must condense the natural language text into a structured, standardized format before they can put it to use.
Jev partly owes its popularity to the fact that it skips the latter step. When an application asks Jev to perform a task, the model generates structured output instead of natural language text. That removes the need for applications to reformat and condense Jev’s output before using it.
Jev supports just three types of requests. Applications can ask the model to answer a question with the equivalent of “yes” or “no”, pick an item from a list or generate a score. Developers can customize what that score measures. For example, Jev can be configured to rate cybersecurity alerts based on their severity or quantify the urgency of a support ticket.
The fact that the model’s terse output is easy for applications to process reduces the amount of data preparation code that developers must write. As a result, software projects can be completed faster. Furthermore, simplifying an application’s code base reduces the risk of errors.
Jev also boosts application reliability in other ways. When the model generates a score or chooses from a list of user-provided options, it outputs a number that indicates its confidence in the accuracy of the response. Applications can use that number to mitigate the impact of hallucinations.
TypeSafe says that it developed Jev using a new training approach called reinforcement learning for calibrated decisions. It’s a variation of reinforcement learning, a popular LLM training method. TypeSafe also developed a new model architecture.
The company claims that its custom technologies enable Jev to process user requests in under 700 milliseconds. That makes the model up to 200 times faster than some frontier LLMs. Furthermore, TypeSafe says that it’s up to 100 times more cost-efficient.
Jev is part of a planned model series dubbed System One. TypeSafe will use the proceeds from its funding round to make more additions to the lineup. Additionally, the company plans to roll out unspecified “enterprise features” that will make it easier for large organizations to use its models.
Support our mission to keep content open and free by engaging with theCUBE community. Join theCUBE’s Alumni Trust Network, where technology leaders connect, share intelligence and create opportunities.
Founded by tech visionaries John Furrier and Dave Vellante, SiliconANGLE Media has built a dynamic ecosystem of industry-leading digital media brands that reach 15+ million elite tech professionals. Our new proprietary theCUBE AI Video Cloud is breaking ground in audience interaction, leveraging theCUBEai.com neural network to help technology companies make data-driven decisions and stay at the forefront of industry conversations.
Seismora builds a control plane to route AI workloads across devices and clouds
McKinsey connects enterprise data through a knowledge graph for AI
OpenAI revenue falls short, models play hopscotch and Trump cracks down on tech green cards
18 insights from SailPoint's Navigate event: Enterprises race to bring identity security for AI agents up to machine speed
Caloroga Media launches Linnet, an AI-assisted podcast studio that runs in the browser
CoreWeave targets AI inference bottlenecks with full-stack optimization
© 2026 SiliconANGLE Media Inc. All rights reserved.