Layaとは？
Layaは、Convai Innovationsのオープンウェイトの判定モデルで、2026年9月18日にApache 2.0で初めて公開されました。Jevと同じく、状態と型付きの質問（choice、score、そしてyes/noの「noul」）を受け取り、テキストを生成する代わりに1回のフォワードパスで確率を返します。Jevと違い、ノートPCのCPUや控えめなGPUで動く小さなエンコーダーモデルです。
チェックポイントは3つあります。英語版はModernBERT-large（パラメータ4億2,100万、コンテキスト512トークン）が基盤です。laya-multilingualはmmBERT-base（パラメータ3億2,200万、既定で1,024トークン、最大8,192）を使い、100以上の言語に対応します。laya-typed-decisionsは、英語版を4つのワークフローからなるベンチマークでファインチューニングしたものです。Pythonパッケージに含まれるRouterが文字体系と言語を検出し、リクエストごとに適切なチェックポイントを選びます。
パッケージ（2026年10月26日時点でPyPIのバージョン0.4.15）にはlaya-serveも含まれます。これはJevと同じPOST /v1/systemoneリクエストを受け付けるサーバーで、既存のJevクライアントはベースURLを変えるだけで切り替えられます。既定では、LAYA_API_KEYを設定しない限り、認証なしですべてのネットワークインターフェースで待ち受けます。
Layaは使う価値があるか？
Layaのモデルカードは、主な問題について異例なほど率直です。ベースのチェックポイントは、自身の型付き判定ベンチマークでほぼ偶然の水準で、ランダムなベースラインの0.318、常に最頻の答えを選んだ場合の0.461に対して0.362です。READMEがJev 1.13の値として挙げる0.727を上回る看板の0.766は、そのベンチマーク自身の訓練用分割でファインチューニングしたチェックポイントの数値です。
独立したテストも同じ結論です。コミュニティのJev Decision Index 0.4.1で、Layaはスコア9.21で228件中216位でした。0がランダムな推測にあたり、Jev 1.14は60.24です。この指標の較正用サンプルでは正答率は37.7%でした。モデルカードには、英語のチェックポイントがクメ ール語で0点だったにもかかわらず0.952の確信度を示したことも書かれており、言語ルーターが一見した以上に重要な理由はここにあります。
強みは速度と軽さです。Convaiの報告では、T4 GPUで質問1件に32.8 ms、50件のバッチでは質問1件あたり約6.8 ms、CPUではリクエスト1件あたり193から464 msです。Decision Indexの計測では、Layaの融合カーネルによる高速経路で中央値5.8 ms、それなしで19.8 msでした。現在はこれより速い参加モデルが2つあります。無料のKaggleノートブックで、ファインチューニングから温度の調整まで一通りできます。
既知の失敗の仕方は具体的です。選択肢が約20を超えるchoiceの質問は固定のトークン予算を分け合うため、Banking77ではREADMEがLayaの77ラベル全体での0.425を、Jevの72ラベルでの0.870と並べて示していますが、同条件の比較ではありません。yes/noの質問は入力ではなく選択肢のラベルに引きずられることがあり、act_probabilityフィールドには使える信号がありません（AUROC 0.30）。そのためモデルカードは、代わりに確信度で判定を絞るよう勧めています。自社の弱点をここまで書くベンダーは少なく、そのおかげでモデルカードの他の部分は、Jevとの比較よりも信頼しやすくなっています。Jevの数値はすべて第三者のもので、Convaiは再計測していません。
真価を発揮する場面
ラベル付きのサポートチケットを数千件持つフィンテック企業のMLエンジニア
第三者のAPIに送らずに、50 ms未満でチケットを振り分け、タグ付けする
Kaggleのノートブックでラベル付きチケットを使ってファインチューニングし、温度を再調整してから、T4クラスのGPU 1基でlaya-serveで提供します。ベースのチェックポイントの精度は低いため、ファインチューニングは必須です。
LLMエージェントのパイプラインを運用するプラットフォームチーム
ツール呼び出しの前に安価なガードレールとエスカレーションの確認を加える
複数のyes/noとchoiceの質問を1回のフォワードパスで処理でき、Convaiの数値ではT4で50件のバッチなら1件あたり約7 msです。セルフホストのコストはGPUだけで、JevのAPIは入力100万トークンあたり$0.042です。act_probabilityではなく確信度で判定を絞ります。
ヒンディー語、スペイン語、英語のサポート窓口を抱える顧客対応の責任者
リクエスト単位の料金を払わずに多言語のメールを仕分ける
Routerは英語以外の文章を自動でlaya-multilingualに送り、Convaiのテストでは51言語のうち45言語がランダムの3倍を超えるスコアでした。ファインチューニングに使える社内のラベルがなければ、ホスト型の判定APIから乗り換えるほどの精度は得られません。
導入前に確認すること
- 導入
- pip install laya（Python 3.10以降）。Routerは初回利用時にチェックポイントをダウンロードし、英語版は約808 MB、多言語版は647 MBです。モデルカードは、読み込みが止まる場合はUSE_TF=0を設定するよう勧めています。
- 連携
- オプションの追加機能で、HTTPサーバー、MCPサーバー、LangChainとLangGraphのサポート、ONNX Runtimeが加わります。laya-serveはJevのPOST /v1/systemoneリクエストを受け付けます。
- データとプライバシー
- Apache 2.0の重みを自社のハードウェアで動かすため、データは外に出ません。laya-serveはLAYA_API_KEYを設定しない限り認証なしで0.0.0.0にバインドするため、キーを設定するか、ポートをファイアウォールで塞いでください。
- 大規模利用時のコスト
- ライセンス料もリクエスト単位の料金もありません。Convaiの報告では、T4 1基でバッチ処理すると毎秒103から332件の質問を処理でき、ファインチューニング用のノートブックはKaggleの無料のT4 2基のティアで動きます。
- 制限
- 英語のチェックポイントは512トークン（状 態に使えるのは約320）、多言語版は1,024トークンで8,192まで上げられますが、約4,000トークンを超えると精度にむらが出ます。順序付きのscoreの質問が最も弱く（SST-5で0.372）、max_loaded=1でチェックポイントを切り替えると7から10秒の再読み込みが発生します。
良い点
- Apache 2.0の重みで、CPUや小さなGPUで動きます
- ベンダーの計測で、T4で質問1件あたり約33 msです
- Routerが3つのチェックポイントで100以上の言語をカバーします
- Jev互換のサーバーと無料のファインチューニング用ノートブックがあります
気になる点
- 自身のモデルカードによれば、ベースのチェックポイントは難しい判定でほぼ偶然の水準です
- Decision Index 0.4.1で228件中216位です
- 確信度が過大な状態で出荷され、温度の再調整が必要です
- キーを設定しない限り、サーバーに認証がありません
おすすめの人
独自のラベル付き判定データを持ち、高速な振り分けやガードレール向けにファインチューニングできる小さなセルフホストのモデルを求めるチーム。
Layaの代替
Laya：よくある質問
- Layaは使う価値があるか？
- 非常に速く、本当にオープンです。ただし、そのままでは難しい判定で当て推量に近く、Jevの代替ではなくファインチューニングの土台です。 評価は5点満点中3.4点です。
- Layaの料金は？
- 重みとPythonパッケージはApache 2.0で無料。有料のホスト型APIはなく、自分で動かします。
- Layaの欠点は？
- 自身のモデルカードによれば、ベースのチェックポイントは難しい判定でほぼ 偶然の水準です; Decision Index 0.4.1で228件中216位です; 確信度が過大な状態で出荷され、温度の再調整が必要です; キーを設定しない限り、サーバーに認証がありません.
- Layaは誰に向いているか？
- 独自のラベル付き判定データを持ち、高速な振り分けやガードレール向けにファインチューニングできる小さなセルフホストのモデルを求めるチーム。
- チームや本番環境でLayaを使うと費用はいくらか？
- ライセンス料もリクエスト単位の料金もありません。Convaiの報告では、T4 1基でバッチ処理すると毎秒103から332件の質問を処理でき、ファインチューニング用のノートブックはKaggleの無料のT4 2基のティアで動きます。
- Layaは企業データを扱っても安全か？
- Apache 2.0の重みを自社のハードウェアで動かすため、データは外に出ません。laya-serveはLAYA_API_KEYを設定しない限り認証なしで0.0.0.0にバインドするため、キーを設定するか、ポートをファイアウォールで塞いでください。
- Layaの代わりになるものは？
- 当サイトでレビューした中で最も近い代替はGLiNER2.5-Decide, Jev, Perplexity Decider (pplx-decider), d3 (vLLM Semantic Router), Clef 、 ScaleDown Constrained Decoding Models (Classify, Extract, Summarize)です。
回答確認日：2026年10月26日