Ein neuer Player im Game

Falls du dachtest, der AI-Hype dreht sich nur um LLMs wie ChatGPT oder Claude, dann belehrt dich TypeSafe AI jetzt eines Besseren. Das Startup hat gerade eine riesige Finanzierungsrunde über 870 Millionen Dollar verkündet und damit eine Bewertung von 7,5 Milliarden Dollar erreicht. Angeführt wurde die Runde von Andreessen Horowitz, auch Sequoia und der Bestandsinvestor DCVC sind wieder dabei. Das alles passierte nur wenige Wochen nach dem Launch des Flaggschiff-Modells Jev am 15. September.

Kein LLM, no cap

Hier wird es interessant: Jev ist kein Large Language Model. Zwar basiert es auf einer Transformer-Architektur, aber es spuckt keine Absätze aus und generiert keinen Code. Stattdessen produziert es das, was das Unternehmen als "kalibrierte Entscheidungen" bezeichnet. Stell es dir wie eine Maschine vor, die Wahrscheinlichkeiten ausgibt, um echte Aufgaben zu automatisieren.

TypeSafe-Mitgründer Diogo Almeida, ehemals Forscher bei OpenAI, betont, dass wir zwar seit vier Jahren besessen von menschenähnlicher Sprach-KI sind, diese aber lowkey gar nicht das beste Tool für echte Automatisierung ist, weil Computer eben kein Englisch sprechen. Jev läuft laut Unternehmen deutlich schneller und verbraucht weniger Token als ein typischer Chatbot – was wohl der Grund dafür ist, dass bereits ein Drittel der Fortune-500-Unternehmen darauf setzt. Es ist absolute Efficiency-Maxxing-Energie.

Das Team hinter der Tech

TypeSafe wurde 2024 von einem Trio mit beeindruckendem Background gegründet: Diogo Almeida, der ehemaligen Meta-Research-Ingenieurin Sasha Sheng sowie dem Ingenieur und Unternehmer Erik Gafni. Sie setzen darauf, dass die Zukunft der Enterprise-KI nicht im Schreiben von E-Mails liegt, sondern darin, die Hintergrundlogik von Unternehmenssystemen smarter und schneller zu machen.

Warum das wichtig ist

Real talk: AI-Bewertungen wirken in letzter Zeit etwas sus, während sich der Markt abkühlt. Aber die schnelle Adoption von Jev durch Großkonzerne zeigt, dass Unternehmen tatsächlich nach Tools suchen, die echte Arbeit erledigen – und nicht nur catchy Captions schreiben können. Wenn dieses Modell wirklich die Effizienzprobleme löst, die Standard-LLMs plagen, ist das ein riesiger W für Tech-lastige Branchen, die Workflows ohne unnötigen Token-Ballast automatisieren wollen.