TypeSafe AI, la startup que fabrica Jev, ha cerrado una serie A de 870 millones de dólares con una valoración de 7.500 millones. La ronda la lidera Andreessen Horowitz, con Sequoia y el inversor que ya estaba, DCVC. Lo ha contado la propia empresa en su blog, con un tono poco habitual ("los anuncios de rondas nos parecen aburridísimos"), y lo confirmó después TechCrunch.
Lo llamativo es el calendario. Jev salió el 15 de septiembre. Menos de cuatro semanas después, la empresa vale unas 37 veces lo que Forbes calculó para su ronda semilla.
Puntos clave
- Cuánto: 870 millones de dólares a una valoración de 7.500 millones. Martin Casado, socio de Andreessen Horowitz, entra en el consejo.
- Quién pone el dinero: Andreessen Horowitz al frente, con Sequoia Capital, DCVC y un grupo de business angels que la empresa no nombra.
- Tracción declarada: un tercio de las empresas de la lista Fortune 500 ya usa Jev, según TypeSafe. La empresa dice además que ha ahorrado "millones de dólares" a sus clientes en producción.
- De dónde viene: semilla de 40 millones con DCVC al frente, anunciada con el lanzamiento de Jev hace menos de un mes.
Qué es Jev, en dos líneas
Ya lo contamos cuando salió: TypeSafe lanza Jev, una IA que decide en 70 milisegundos. Jev usa la misma arquitectura de base que los modelos de lenguaje (un transformer), pero no genera texto. Le pasas información desordenada y un menú de respuestas posibles, y te devuelve la elegida con su probabilidad.
Eso lo hace útil para lo que TypeSafe llama decisiones de "sistema 1", por el pensamiento rápido de Daniel Kahneman: clasificar un ticket, decidir si una alerta se escala, puntuar un lead, enrutar un correo. Cosas que hoy muchas empresas resuelven con ChatGPT o Gemini, pagando por generar texto que luego un programa tiene que leer y validar.
Las cifras que da la empresa son de otra liga. Cobra 0,042 dólares por millón de tokens de entrada y la salida es gratis. Responde en 70 a 500 milisegundos, cuando un modelo de frontera tarda de 3 a 329 segundos según su propia tabla. En sus pruebas de flujos de trabajo, TypeSafe habla de hasta 193,6 veces más rápido y 444,6 veces más barato, y avisa de que esos números están "en el extremo alto" de lo que se verá en la vida real.
El caso que explica la ronda
La prueba más útil que ha publicado TypeSafe es el caso de Jack & Jill, un marketplace de empleo en el que un agente representa al candidato y otro a la empresa. Ha trabajado con más de 5.000 empresas y 400.000 profesionales.
Su problema era de volumen. Cada día sacaban 6.000 candidatos por cada puesto abierto y un modelo barato, Gemini 3.1 Flash Lite, los puntuaba para quedarse con los 2.000 mejores. Un modelo más caro revisaba después esa lista corta. Aun siendo el modelo "barato", la primera criba era la que se comía la factura.
Cambiaron esa fase a Jev. Los números, según el caso publicado:
- Coste por cada 1.000 candidatos: de 0,755 dólares a 0,092. Un 88% menos.
- Tiempo mediano por puesto: de 20,3 segundos a 10,3.
- Calidad: Jev conservó el 94,6% de los candidatos que luego pidió conocer un responsable de contratación, frente al 93,9% de Gemini. La propia empresa admite que la diferencia no es estadísticamente significativa.
- Ahorro: 265.000 dólares al año con el volumen actual, 500.000 si se cumple el crecimiento que esperan.
Lo pusieron en producción en 10 días desde la primera prueba. Y hay un detalle que dice más que el ahorro: una comprobación que el candidato espera tras registrarse bajó de 3,6 segundos a 0,2. A esa velocidad aparecen funciones que antes no compensaban, como enseñar los puestos encajados nada más darse de alta.
La valoración, comparada con lo que se decía
A finales de septiembre, The Information publicó que TypeSafe negociaba levantar más de 1.000 millones con una valoración por encima de 10.000 millones. La ronda se ha cerrado por debajo de las dos cifras: 870 millones y 7.500 millones.
Sigue siendo una barbaridad para una empresa fundada en 2024, con un único modelo público y en acceso anticipado. Forbes valoró la semilla en 200 millones, citando a una persona conocedora de la operación. Si esa cifra es buena, el salto es de 37 veces en menos de un mes.
Los fundadores ayudan a entender el cheque. Diogo Almeida, el CEO, trabajó en OpenAI en los métodos que hicieron que los modelos siguieran instrucciones, la investigación que acabó en ChatGPT. Con él están Sasha Sheng, que fue ingeniera de investigación en Meta, y Erik Gafni.
Lo que todavía no está demostrado
Conviene leer las cifras de TypeSafe con la misma desconfianza que ellos piden. Lo dicen en su anuncio de lanzamiento: las pruebas de flujos de trabajo las ha construido su propio equipo, aunque no estén en sus datos de entrenamiento, y la referencia de "respuesta correcta" es la media de los modelos grandes de OpenAI y Anthropic.
Con el precio pasa algo parecido. TypeSafe reconoce que no puede demostrar que no esté subvencionado y que solo el tiempo dirá si es sostenible. Con 870 millones en la caja, puede aguantar precios bajos bastante tiempo.
Y lo del tercio de la Fortune 500 es una afirmación de la empresa, sin lista de clientes. "Usar" puede ir desde un equipo probando la API hasta un flujo en producción como el de Jack & Jill.
Por qué importa
Si tu empresa ya automatiza con IA, es muy probable que una parte de lo que pagas sean decisiones pequeñas disfrazadas de texto. Clasificar correos entrantes, etiquetar facturas, decidir a qué comercial va un lead. Cada una de esas llamadas paga por generar una respuesta que solo necesitabas para leer una palabra.
Esa es la factura que TypeSafe quiere quitarte, y por eso le han dado 870 millones. Mi recomendación: identifica el paso de tu flujo que más llamadas hace al modelo y que acaba en una decisión cerrada (sí o no, A, B o C). Ese es el candidato. Mide hoy cuánto te cuesta por cada 1.000 casos y cuánto tarda.
Con ese número delante, pedir acceso a Jev y comparar es trabajo de una tarde. Si la diferencia se parece a la de Jack & Jill, el ahorro paga la prueba. Si no, al menos sabrás que tu modelo actual está bien elegido.
Fuente original: typesafe.ai
Relacionado
