Decision Model 生态

System One Models 与 Typed Decision Engines

Laya 正在进入一个快速增长的模型类别:重点不是生成长文本,而是直接返回结构化决策。这里整理不同技术路线,但不把不同条件强行排成一个榜。

模型 / 方案状态访问方式部署技术路线语言来源
Laya

开放的 System 1 决策模型家族,提供 Router、本地推理、微调和多种社区 runtime。

开放权重Apache 2.0 开源项目本地 / 自托管非自回归 typed-decision 模型,choice / score / noul heads英文 + 多语言 checkpointNandhaKishorM/laya
TypeSafe Jev

推动当前 typed-decision API 形态的托管 System One 模型。

托管模型Managed API服务商托管通过托管模型 API 返回 choice / score / noul取决于服务TypeSafe documentation
AnyJev

Nokia Applied Research 的方案,把兼容 LLM 转成 Jev-style typed decision model,不要求任务级训练。

开放 LibraryApache 2.0自带 LLM backend无需训练,在现有 LLM logits 上实现 typed decisions、de-bias 与 calibration levels取决于底层 LLMnokia-applied-research/AnyJev
Bespoke Nimble

Bespoke Labs 公开模型、训练方法、评测工具与 recipe。

开放模型 + Recipe开放仓库Apple Silicon / NVIDIAJev-inspired 本地 typed decisions + 数据筛选与训练 recipe取决于模型bespokelabsai/nimble
OpenThai-SystemOne

面向泰语和英语的 System One 模型,提供 Jev-compatible contract 与开放训练 pipeline。

开放权重Apache 2.0CUDA / MPS / CPUQwen3.5-0.8B text tower + 256-way slot head泰语 + 英语iapp-technology/openthai-systemone
Decider

开放的 System One-style 模型家族,包含训练、评测、serving、游戏和视觉实验。

开放模型家族Apache 2.0本地 / HTTP Serving基于 Qwen3.5 的 one-pass typed decisions + calibrated probabilities取决于模型Mapika/decider

System One 决策模型和普通 LLM 有什么不同?

共同思路是:对一个 state 提出结构化问题,直接得到标签、有序评分、概率或其他机器可读结果,而不是先生成一段长文本再解析。

这些项目并不能直接互换。有的是专门训练的模型,有的是托管服务,有的是从现有 LLM logits 中读取并校准概率的 library。选择时应该同时看部署方式、calibration、任务分布、语言、option 数量、延迟与可复现性。

laya-ai.com 的核心仍然是 Laya。这个页面用于解释 Laya 所在的更大类别,并持续跟踪周边路线。