独自開発のSystem 1意思決定エンジン「Laya」、Jevより7.8倍高速で完全オープンソース公開
Laya the open source version of Jev
2025年3月のarXiv論文から始まった著者の研究が、非自己回帰型のSystem 1意思決定モデル「Laya」として結実した。双方向エンコーダを採用し、単一GPUで32.8ms（バッチ時7.2ms/問）というJevの6〜8倍の速度を実現。choice、score、noulの3プリミティブで幻覚のない確率出力を可能にし、100言語以上に対応。Apache 2.0で重みも完全公開されている。
モデル自身の確信度は、入力スクリプトが読めないときに何の警告も発してくれない。
HNでの議論
310- johnfn
昔からある話だよね — 人々はマーケティングとブランディングが製品と同じくらい、いやそれ以上に重要だということを理解していない。Jevは非常にうまくブランディングされている。誰でもウェブページを見れば、それが何で、どんな意味を持つのか即座に理解できる。
OPの「マーケティング」はRedditの「Predicting sales conversion probability from conversations using pure Reinforcement Learning」というタイトルの単一の投稿だけだ。これが何を意味するか理解できる？私にはできないし、自分はそれなりに技術的だと思っている。Jevと同じ意味を持つことが明らかか？またしても、全くわからない。しかも、私が even 閲覧しないsubredditの単一の投稿に過ぎない！このスレッドで「JevはただのBERTだ」と言っている人を見かける。確かに、そしてDropboxはただのcurlftpfsでマウントされたftpアカウントだ！
著者が何かクールなものを見つけて、それをブランド化できなかったことには同情する。しかし「製品」の完全な定義には、それを首尾一貫して伝える能力が含まれる。ある意味で、ブランディングはモデルと同じくらい「ブレークスルー」なんだ。
- prometheus1992
JevとTypesafeに対する人々の主な不満は、ローンチ時の使われた言葉だったと思う。個人的には最初はパロディか詐欺か怪しいものに見えた。
「Breakthrough」、「我々の研究は別の方向に進んだ」、「2年間ステルス」、「System One思考モデル」、「Jevは幻覚を見ない」、「RLCD」、「我々はとてもクールなことをしているが、話すには君を雇う必要がある」 — これらはローンチブログのウェブサイトに書かれていたことの一部だ。
私は何年も前に同じ機能を達成するためにbertのバージョンを使っていた。しかし、彼らは「幻覚を見ない」などでVCを騙すことができたように思える。
上記の著者には、自分の仕事を共有しオープンにしたことに敬意を表する。このようなものは、何年も前から利用可能だったのだから、そもそもクローズドであるべきではない。
- Oras
昨夜Jevをいじって、Gemini 2.5 flash liteで使っていた分類タスクに使ってみた。
少し速くて少し安いが、これはLLMと比較してのことだ。一貫性は素晴らしかったが、LLM以前にNLPモデルを訓練した者として言うと、これはより多くのデータで訓練されたただのBERTだ。すぐに使えるワンショット分類器が欲しい人がいるのはわかるし、1回の呼び出しで複数の分類器を送る価値もわかるが、ブレークスルーとは言えない。そして、多くのラボがすぐにこれを再現し、自分たちのハーネスの一部にするだろうと思う。
これは、テックコミュニティが汎用LLMだけに頼るのではなく、ほとんどのタスクで基本に戻るための目覚めの呼びかけだと見ている。
- dcow
著者が bitter に感じるのは理解できるが、それでも幼稚に感じる。確かにJevもLayaも無数の先行論文や学者の研究に基づいている。Diogoはその概念から製品を作ることを決めた。著者はしなかった。研究論文やモデルの重みを公開することはおそらく問題の一部だ — それはアカデミックに感じられる。著者のプロフィールを見ると、AIをヘルスケアに応用することに焦点を当てている。AIに傾倒した企業や開発者に汎用AIタイプの安全性を売り込んでいるわけではない。そこには大きな違いがある。それが良いか悪いかは一日中議論できる。しかし、著者がそうでないことを期待するのはかなり奇妙だ。ただ、あまり腐らずに何かしようとしているのは称賛に値する。
- kamranjon
この主張を見るのは本当に興味深い。なぜなら、現在の理論ではTypesafeは実際にはGLiNER[1]の仕事を再パッケージしたというものだったからだ — それはより近い一致のように思えるし、彼らの元の論文[2]はあなたのものより数年早い。以前にそれを聞いたことがあるか気になる。それもオープンソース[3]で、良い使い方もあると思う。
[1] https://arxiv.org/abs/2507.18546
- hmokiguess
Jevの最大の教訓は、より広いオーディエンスへのコミュニケーションと理解だったと思う。時には、イノベーションの多くは自分自身を繰り返し、自分の考えを意図したオーディエンスに翻訳することを含む。
古典的な機械学習は、ほとんどが、そして科学の性質上、学術用語の背後にあり、製品として関わるのが難しい。
Jevは「System One」モデルを造語し、標準的なアプリケーションインターフェースとコアプリミティブを定義し、それが現在のソフトウェア開発のパラダイムに落ち着いたのは本当にうまかった。
これは、Cursorが当時オートコンプリートを異なるUXとして再発明し、突然みんながそれを使い始めたのと似ていると思う。理解のハードルが低かったからだ。
最後に、タイミングがすべてだ。Cursorが先駆者利益を持っていたように、ML Opsがしばらく存在していたにもかかわらず、彼らは「System One」ブラックボックスの背後に概念をカプセル化し、既存のソフトウェア構築のメンタルモデルに適合させ、トークンのコストが重要な指標として注目される適切なタイミングでデータ契約を出荷することに成功した。
- wren6991
「この会議はメールで済んだのに」というのをみんな見てきただろう。今度は「このVC支援企業は単一のarXivプレプリントで済んだのに」に備えよう。
Jevをあまり否定したくはないが、能力がこんなに簡単に再現できるのに、2年間ステルスで技術を構築するのは私には意味がわからない。これは奇妙な時代で、公開研究を行うインセンティブと、非公開で開発するインセンティブの両方が侵食されている。
- soerxpso
Jevはファインチューニングを必要としない。技術がすでに存在していたという投稿はすべて、小さなルーティングや分類の問題のたびに、データセットを作成し（まだデータがないかもしれない問題のために）、モデルをファインチューニングし、モデルを実行するインフラを設定するのに1週間を費やしたくないという点を見逃している。任意の分類問題を1週間ではなく数分で片付けられる能力は大きなことだ。
- baobabKoodaa
Jevはフロンティア知能だと主張している。Layaは「Jevのオープンソース版」と主張しているが、小さなオープンウェイトモデルと小さなコンテキストウィンドウを使っている。小さなモデルを実験したことがある人なら、それらが「フロンティア知能」からほど遠いことを知っている。Layaがこれらの小さなモデルを使っているのに、「フロンティア知能」を備えた「Jevのオープンソース版」であり得るとは考えにくい。
また、OPが言及している論文は、汎用分類器（Jevがそうであるもの）のように聞こえるものは何も記述していない。彼らの論文は、特定のビジネス問題に対する tailored なソリューションを記述している。Jevと類似点があることは確かだが、それでも全く別のものであり、OPが同じものだと主張しているのが混乱する。
私を信じないなら、PDFを開いてアブストラクトを読んでみてほしい。
- cube2222
記事をざっと読むと、注目すべき制限の一つは、これらのチェックポイントが512-1024トークンのコンテキストサイズのモデルであるのに対し、Jevはどうやら32kのようだ。
これはかなり大きな制限だと思うが、誤解していて簡単に回避できるのだろうか？比較でより目立つように取り上げられていないのが不思議だ。