Laya 模型详解：检查点、API 与 Laya 对比 Jev

Ollama 模型页面将 Convai Innovations 列为发布方；Hugging Face 元数据显示作者为 convaiinnovations，仓库创建于 2026年9月18日。这只能说明它在 Hugging Face 上可用，并不是经过单独核实的公告日期。模型卡元数据标明 license: apache-2.0。

模型卡记载，设置 max_len=8192 的多语言检查点最多支持 8,192 个 token。它报告称，在涵盖四类工作流的 2,000 个决策上，微调版本的准确率为 0.766，而英文基础模型为 0.362。这些是作者自报的结果，未经独立验证；Laya typed-decisions 是在该基准的训练集划分上微调得到的检查点。

2026年10月27日的实时计数：Hugging Face 基础仓库有 57,144 次下载、5,832 个点赞；Ollama 显示 16.4K 次下载。这些平台计数衡量的是不同的东西，并非质量指标。

模型卡介绍了用于路由、内容审核、护栏和邮件分流的 choice、score 和 noul。Laya 在一次编码器前向计算中为各个选项打分。你可以在本地运行它，并针对自己的任务进行微调。它不会生成自由形式的回答或解释。英文基础模型默认只有 512 个 token 的上下文。模型卡提醒，基础检查点在 typed-decisions 的零样本场景下接近随机水平，因此请用带标注的样例评估你自己的具体工作流。

来源：Benchmark Heaven · JevBench 和 v1.7.11 发布版 JSON。所显示的方法：采用 10 秒规则的 v1.7；各行已在 v1.7.0 中重新评分。能力得分是智能与校准两项的平均值，并非百分比形式的准确率。Laya 是在本地 CPU 上测量的，Jev 则通过 TypeSafe 的托管 API 测量。这些是不同的运行批次和访问线路，不是同一工作负载下的生产环境或速度对比。核查日期：2026年10月27日。

上游文档给出了 pip install laya 和 laya.load("convaiinnovations/laya")。下面的示例组合了这些文档中记载的构件；我们没有在这里实际运行过。首次加载会下载权重。如果要自行托管 HTTP 服务，GitHub README 记载了 pip install "laya[serve]" 和 LAYA_DEVICE=cuda LAYA_PRELOAD=1 laya-serve。在运行之前，请先检查网络访问和身份验证设置。

pip install laya
python - <<'PY'
import laya
agent = laya.load("convaiinnovations/laya")
print(agent.predict("Hello World", {
    "greeting": {"type": "noul", "instructions": "Does the text contain a greeting?"}
}))
PY

Ollama 列出了 laya，包括 laya:421m-english-bf16。其页面要求 Ollama 0.40.0 或更高版本，并展示了这个本地 API 调用。我们没有在这里测试过。

curl http://localhost:11434/v1/systemone \
  -H "Content-Type: application/json" \
  -d '{"model":"laya","state":"Hello World","questions":{"says_hello":{"type":"noul","instructions":"Does the state text contain a greeting?","criteria":{"true":"The state text contains a greeting.","false":"The state text does not contain a greeting."}}}}'

托管方案，核查日期 2026年10月27日：一个独立的社区 API标价为每 1,000 个输入 token USD 0.0004（每百万 USD 0.40），每次调用至少按一个单位计，输出免费。该服务明确声明与 Convai Innovations、NandhaKishorM 或 TypeSafe 无关联。Vercel AI Gateway 将 Laya 列为受支持的决策模型。这只能证实这些服务已公开提供；我们没有产生任何付费调用，也没有在这里测试过它们的可用性或答案。

如果你不想自己运维模型服务器，并且需要带公开 DPA 的 EU 层级，可以评估 Decision Models 现有的模型。它们采用与 Jev 兼容的请求格式，使用各自的模型 ID 和限制。请在你自己的数据上检查问题数量、输入限制、合同条款和答案。仅有托管访问，并不能说明决策质量更好。