Dragonfly投資決策模型公司Typesafe
Dragonfly正在投資Typesafe AI最新一輪融資，其產品Jev爲決策模型，旨在以約束輸出換取成本、吞吐與延遲優勢。
Haseeb Qureshi指出，大語言模型具備通用性，但速度慢、成本高且可靠性不足，難以在運行時嵌入軟件，尤其在金融場景。
決策模型放棄語言生成的通用性，針對if-else、買賣、標籤、選擇或定義明確的狀態機等任務，在成本、速度與可靠性上大幅優於大語言模型。
Jev上線不足一個月，已有超過25%的財富500強企業使用；OpenAI、微軟、亞馬遜與Cloudflare隨後推出類似決策模型。
Typesafe由前OpenAI研究人員Diogo Almeida創立，採用社區優先策略，並強調在模型訓練、服務與產品上持續領先複製者。
資金從通用大模型向專用決策模型傾斜，開發者與企業將運行時決策嵌入代碼，受益於低成本高可靠的專用模型提供方，通用模型在嵌入式場景承壓。
來源：公開信息
ABAB AI 解讀
Diogo Almeida此前在OpenAI參與RLHF相關工作，並於2024年創立Typesafe，經兩年隱身開發後於2026年9月推出Jev，定位爲系統一模型，返回帶校準概率的類型化決策而非文本。
資本路徑集中在將模型能力約束爲結構化輸出，以降低運行時調用成本與延遲，吸引財富500強企業將決策邏輯嵌入軟件，Dragonfly等機構通過投資支持其持續訓練與服務優化。
這與早期ASIC相對通用處理器的路徑類似，當前處於從通用大模型嵌入一切轉向專用決策模型處理運行時邏輯的擴張階段，類似特定領域芯片對通用計算的替代。
本質屬於技術替代與產業鏈重構：大語言模型負責高維代碼生成，決策模型負責運行時低維決策，機制在於問題約束後專用模型在成本與可靠性上獲得數量級優勢，使嵌入式智能從通用模型轉向專用層。
ABAB News · 認知定律
通用模型寫代碼，專用模型做決策
約束輸出換取速度與成本優勢
市場夠大時，複製者迅速跟進但領先靠持續優化