Laya 模型解析：檢查點、API 與 Laya vs Jev

Ollama 模型頁面列出 Convai Innovations 為發布者；Hugging Face 中繼資料顯示作者為 convaiinnovations，儲存庫建立於 2026年9月18日。這只能說明該模型已在 Hugging Face 上架，並非另行查證的正式發布日期。模型卡的中繼資料標示 license: apache-2.0。

模型卡記載，多語言檢查點（max_len=8192）最多支援 8,192 個 token。模型卡回報：在涵蓋四種工作流程的 2,000 個決策上，微調版本的準確率為 0.766，英文基礎版本為 0.362。這些是作者自行回報的結果，並未經獨立驗證；Laya typed-decisions 是以該基準測試的訓練切分微調而成的檢查點。

2026年10月27日的即時計數：Hugging Face 基礎儲存庫有 57,144 次下載與 5,832 個讚；Ollama 顯示 16.4K 次下載。這些平台計數衡量的是不同的事物，並非品質指標。

模型卡說明了 choice、score 與 noul，適用於路由、內容審核、防護欄與電子郵件分流。Laya 以單次編碼器前向運算為各選項評分。您可以在本機執行，也可以針對自己的任務進行微調。它不會產生自由格式的回答或解釋。英文基礎版本的預設上下文長度只有 512 個 token。模型卡也提醒，基礎檢查點在 typed-decisions 的零樣本（zero-shot）情境下表現接近隨機，因此請以帶標註的範例評估您實際的工作流程。

來源：Benchmark Heaven · JevBench 與 v1.7.11 發行版 JSON。所示方法：v1.7，採用 10 秒規則；各列已在 v1.7.0 重新評分。能力分數為智慧（Intelligence）與校準（Calibration）的平均值，並非以百分比表示的準確率。Laya 是在本機 CPU 上測量，Jev 則是透過 TypeSafe 的代管 API 測量。這是不同的執行與存取途徑，並非相同工作負載下的正式環境或速度比較。2026年10月27日確認。

上游文件提供了 pip install laya 與 laya.load("convaiinnovations/laya")。下方範例將這些文件中記載的元件組合在一起；我們並未在此實際執行過。首次載入時會下載權重。若要自行架設 HTTP 伺服器，GitHub README 記載了 pip install "laya[serve]" 與 LAYA_DEVICE=cuda LAYA_PRELOAD=1 laya-serve。正式運作前，請先檢查網路存取與身分驗證設定。

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 列有 laya，包含 laya:421m-english-bf16。其頁面要求 Ollama 0.40.0 或更新版本，並示範以下本機 API 呼叫。我們並未在此測試過。

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."}}}}'

代管選項，2026年10月27日確認：一個獨立的社群 API 標示每 1,000 個輸入 token 收費 0.0004 美元（每百萬 0.40 美元），每次呼叫最低收一個計費單位，輸出免費。該網站明確聲明與 Convai Innovations、NandhaKishorM 或 TypeSafe 並無關聯。Vercel AI Gateway 將 Laya 列為支援的決策模型。這僅確認這些服務已公開提供；我們並未進行任何付費呼叫，也未在此測試其可用性或回答品質。

如果您不想自行維運模型伺服器，並且需要具備公開 DPA 的歐盟層級，可以評估 Decision Models 現有的模型。這些模型採用 Jev 相容的請求格式，並使用自己的模型 ID 與限制。請在您自己的資料上檢查問題數量、輸入上限、合約條款與回答結果。僅僅是代管存取，並不代表決策品質更好。