Laya: आपके एजेंटों के लिए मुफ़्त System One निर्णय, जो Melaya में पहले से शामिल हैं और MCP के ज़रिए भी उपलब्ध हैं
Laya एक ओपन System One निर्णय मॉडल है, Melaya में पहले से मौजूद। एजेंट, पाइपलाइन, Fast Mode और MCP में शून्य आउटपुट टोकन वाले टाइप्ड निर्णय, मुफ़्त में।
Laya एक ओपन-वेट System One मॉडल है (एक तेज़, सहज निर्णय मॉडल), जिसे Apache-2.0 के अंतर्गत रिलीज़ किया गया है। यह किसी टेक्स्ट के बारे में टाइप्ड सवालों के जवाब देता है और बिना कोई टोकन बनाए कैलिब्रेटेड संभावनाएं लौटाता है। इसके लेखक इसे pip पैकेज laya के रूप में और Hugging Face पर प्रकाशित करते हैं। Melaya ने Laya को नहीं बनाया है। Melaya इसे अपने ही CPU पर चलाता है और इसे मुफ़्त में शामिल करता है: decide टूल्स, कैनवस का decide स्टेप, इवेंट ट्रिगर, और Fast Mode के ब्राउज़र व फ़ोन एजेंट, जिनमें Claude या ChatGPT से MCP के ज़रिए इस्तेमाल करना भी शामिल है।
Laya क्या है, और इसे कौन प्रकाशित करता है
Laya एक System One मॉडल है: एक तेज़ निर्णय मॉडल, जो किसी स्टेट को पढ़ता है, जैसे कोई ईमेल, पोस्ट, पेज या लिस्ट की कोई पंक्ति, और उसके बारे में टाइप्ड सवालों के जवाब देता है। यह हर विकल्प के लिए एक कैलिब्रेटेड संभावना लौटाता है और शून्य टोकन बनाता है। यह फ़ैसला लेता है। यह लिखता नहीं है।
Laya, Apache-2.0 लाइसेंस के अंतर्गत ओपन-वेट है। NandhaKishorM कोड को pip पैकेज laya के रूप में प्रकाशित करता है, और convaiinnovations वेट्स को Hugging Face पर प्रकाशित करता है। Melaya ने यह मॉडल नहीं बनाया है। Melaya ओपन Laya मॉडल को अपने ही सर्वरों पर चलाता है और इसे अपने एजेंट और पाइपलाइन में शामिल करता है, इसलिए आपको यह बिना किसी सेटअप और बिना किसी बिल के मिल जाता है।
भीतर से देखें तो, Laya एक ModernBERT एन्कोडर है, जिसमें छोटे निर्णय हेड्स जुड़े हैं। इसके अंग्रेज़ी बेस चेकपॉइंट में 421M पैरामीटर हैं, और एक बहुभाषी चेकपॉइंट भी मौजूद है। हर सवाल तीन में से किसी एक रूप में होता है।
- choice: किसी सेट से एक विकल्प चुनना, जैसे बिलिंग, तकनीकी या बिक्री
- score: स्टेट को 2 से 10 क्रमबद्ध स्तरों पर रखना, जैसे कम, मध्यम या उच्च
- noul: हां या ना में जवाब, जिसमें संभावना खुद ही संकेत होती है
- हर जवाब के साथ answer_confidence आता है, जो जीतने वाले विकल्प की कैलिब्रेटेड संभावना है
System One बनाम LLM: किसे कब इस्तेमाल करें
एक लार्ज लैंग्वेज मॉडल (LLM) System Two है (धीमी, सोच-समझकर काम करने वाली प्रणाली)। यह तर्क करता है, लिखता है और टूल कॉल करता है, और यह जो भी टोकन बनाता है, उसके लिए आप पैसे चुकाते हैं। Laya System One है। यह एक जैसा टाइप्ड आकलन हज़ारों आइटम पर लगाता है, हर सवाल के लिए एक एन्कोडर पास के साथ, और बाद में कुछ भी पार्स करने की ज़रूरत नहीं पड़ती।
प्लानिंग, लेखन और ओपन-एंडेड रीज़निंग के लिए LLM का इस्तेमाल करें। Laya का इस्तेमाल तब करें जब काम हर आइटम पर एक जैसा आकलन लगाने का हो: कोई टिकट रूट करना, किसी क्यू की स्क्रीनिंग करना, लिस्ट की किसी पंक्ति की जांच करना, किसी ट्रिगर को गेट करना। अच्छी पाइपलाइन दोनों का इस्तेमाल करती हैं। Laya फ़िल्टर करता है, और LLM अपने टोकन सिर्फ़ उन कुछ आइटम पर खर्च करता है जो बचे रहते हैं।
इसकी सीमाएं समझें। Laya ठोस, सतही सवालों पर भरोसेमंद है, जैसे यह जांचना कि कोई जवाब ऑटोमेटिक है या कोई मैसेज प्राइसिंग के बारे में पूछ रहा है। बारीक प्रासंगिकता पर यह कमज़ोर है, और इसके लेखक बेस चेकपॉइंट्स को एक तेज़ शुरुआती बिंदु मानते हैं, जिसे आगे किसी खास काम के लिए ढाला जा सकता है। 2 विकल्पों वाला choice, सीधे हां-ना के जवाब से बेहतर नतीजा देता है, और तीनों तरीकों में score सबसे कमज़ोर है।
Melaya, Laya को मुफ़्त में कैसे चलाता है
Melaya, Laya को laya-local में चलाता है, जो एक आंतरिक सेवा है और मॉडल को Melaya के अपने CPU पर हमेशा तैयार रखती है। प्रोडक्शन सर्वर पर मापने पर, एक निर्णय में bf16 रनटाइम पर लगभग 105 ms लगते हैं, और बैच में प्रति निर्णय लगभग 69 ms लगते हैं। यह CPU की गति है, GPU की नहीं, और आपको प्रति निर्णय कुछ भी नहीं देना पड़ता।
एजेंट इसे पहले से शामिल decide टूल्स के ज़रिए इस्तेमाल करते हैं। ये मुख्य टूल्स हैं: न कोई कनेक्टर चाहिए, न API कुंजी, न कोई Connect स्टेप। प्रति-उपयोगकर्ता रेट लिमिट साझा CPU को सभी के लिए उपलब्ध बनाए रखती है।
- decide: एक स्टेट से एक ही पास में टाइप्ड सवालों का एक सेट पूछना
- decide_check: एक वन-शॉट गेट, जो एक ही साफ़ जवाब लौटाता है
- decide_batch: कई आइटम को एक जैसे सवालों पर score करना और टॉप नतीजे रखना
- decide_batch_file: पहले आइटम को किसी JSON फ़ाइल से पढ़ना, उदाहरण के लिए पोस्ट्स का कोई संग्रह
- कैनवस का decide स्टेप: एक पाइपलाइन स्टेप, जिसमें कोई LLM कॉल नहीं होती और जो जवाब के हिसाब से रन को रोक सकता है
- इवेंट ट्रिगर: एक decide गेट हर आने वाले इवेंट की जांच कर सकता है, इससे पहले कि कोई एक्शन चले
Fast Mode के भीतर और MCP पर Laya
Fast Mode किसी ब्राउज़र या Android फ़ोन को बहुत कम LLM राउंड ट्रिप में चलाता है। LLM स्क्रीन को एक बार पढ़ता है और कई स्टेप्स को आम भाषा में भेजता है। Melaya हर टारगेट को ढूंढता है, सामान्य तरीके से एक्शन लेता है, असर जांचता है, और पहली हैरानी पर स्क्रीन वापस सौंप देता है।
डिटरमिनिस्टिक कोड सबसे पहले हर टारगेट को ग्राउंड करता है। Laya गेटेड फॉलबैक है: जब कोई स्टेप अपने टारगेट को ढीले ढंग से बताता है, तो Laya उम्मीदवारों की एक छोटी लिस्ट में से चुनता है, और Melaya तभी एक्शन लेता है जब जवाब कॉन्फ़िडेंस बार पार कर जाए। Laya लिस्ट की पंक्तियों पर शर्तें भी जांचता है, जैसे यह कि कोई पंक्ति किसी खास फर्म में पार्टनर है या नहीं।
MCP पर, Claude, ChatGPT, Cursor और Claude Code, Laya तक दो तरीकों से पहुंचते हैं: Fast Mode टूल्स, और वे पाइपलाइन जो आप चलाते हैं और जो decide टूल्स या किसी decide स्टेप का इस्तेमाल करती हैं। कोई स्टैंडअलोन laya MCP टूल नहीं है। असल में, Laya MCP का मतलब है कि Laya, Melaya MCP Server के टूल्स के भीतर काम कर रहा है।
- MCP: melaya_browser_fast और melaya_phone_fast
- पाइपलाइन और Assistant: browser_fast और phone_fast
- आपके नियम अब भी लागू रहते हैं: अनुमति वाली साइटें, स्वीकृति कार्ड और किल स्विच
- फ़ोन नियंत्रण सिर्फ़ Android पर उपलब्ध है
Melaya खुद Laya का इस्तेमाल कहां करता है
Melaya अपने फ़ीचर्स के लिए भी इसी मुफ़्त इंजन का इस्तेमाल करता है। Melaya Marketing में बैकलिंक सबमिशन, Fast Mode की मदद से डायरेक्टरी फ़ॉर्म भरते हैं, इसलिए जब सटीक मिलान से कुछ नहीं मिलता, तो Laya ढीले ढंग से बताई गई फ़ील्ड्स को ग्राउंड करता है।
पूरी साइट के SEO ऑडिट में हर पेज के सवालों के लिए एक Laya आकलन लेयर होती है। Laya का जवाब कोई समस्या तभी उठाता है, जब उसका सवाल किसी सत्यापित प्रिसिज़न थ्रेशोल्ड को पार कर ले। जब तक ऐसा नहीं होता, ऑडिट डिटरमिनिस्टिक जांचों पर निर्भर रहता है और किसी भी असत्यापित Laya जवाब से कभी कोई समस्या नहीं उठाता।
Melaya की अपनी आउटरीच पाइपलाइन, Laya को रिप्लाई गार्ड के तौर पर इस्तेमाल करती हैं। 2 विकल्पों वाला choice उन जवाबों को पहचानता है जो पैसों की शर्तों के बारे में पूछते हैं, और उन्हें किसी इंसान के पास भेज देता है।
Laya बनाम Jev (TypeSafe)
Jev, TypeSafe का होस्टेड System One मॉडल है। यह GPU पर चलता है, मिलीसेकंड में जवाब देता है, और आपकी अपनी API कुंजी के हिसाब से प्रति टोकन मीटर किया जाता है। Laya, Melaya के CPU पर चलता है, प्रति निर्णय लगभग 105 ms लेता है, और इसकी कोई लागत नहीं है।
दोनों एक जैसा स्कीमा इस्तेमाल करते हैं: एक स्टेट, टाइप्ड सवाल, और वही तीन टाइप। कोई वर्कफ़्लो, jev_* टूल्स से decide_* टूल्स पर जाने के लिए सवाल को फिर से लिखने की ज़रूरत नहीं पड़ती। ये अलग-अलग मॉडल हैं, जिनकी कैलिब्रेशन अलग है, इसलिए स्विच करते समय अपने थ्रेशोल्ड फिर से जांच लें।
- वॉल्यूम, लागत, और उन निर्णयों के लिए Laya चुनें जो Melaya के अपने हार्डवेयर पर ही रहें
- सबसे कम लेटेंसी, कम वॉल्यूम, और बिना किसी साझा CPU के लिए Jev चुनें
Laya के साथ शुरुआत करें
एक मुफ़्त Melaya अकाउंट बनाएं। decide टूल्स पहले से शामिल हैं: Assistant के पास ये हमेशा मौजूद रहते हैं, और आप इन्हें किसी भी एजेंट में बिना कुछ कनेक्ट किए जोड़ सकते हैं।
- किसी एजेंट में decide_batch जोड़ें, या कैनवस पर कोई decide स्टेप डालें
- पहले जांचे जाने वाले टेक्स्ट के साथ एक लेबल किया हुआ स्टेट लिखें। अंग्रेज़ी बेस लगभग 1,100 कैरेक्टर का स्टेट पढ़ता है
- छोटे कीवर्ड विवरण के साथ 2-विकल्प वाला choice पूछें, बजाय किसी सीधे हां-ना के
- answer_confidence पर गेट लगाएं और कुछ लेबल किए हुए आइटम पर थ्रेशोल्ड सेट करें
- Claude या ChatGPT से, Melaya MCP Server को कनेक्ट करें, फिर अपनी पाइपलाइन चलाएं या Fast Mode टूल्स को अपने लिए Laya कॉल करने दें
अक्सर पूछे जाने वाले प्रश्न
क्या Laya, Melaya ने बनाया है?
नहीं। Laya एक ओपन-वेट Apache-2.0 मॉडल है, जो इसके अपस्ट्रीम लेखकों का है, जिसका कोड pip पर laya के नाम से है और वेट्स Hugging Face पर convaiinnovations के ज़रिए उपलब्ध हैं। Melaya इस ओपन मॉडल को अपने ही CPU पर चलाता है और इसे एजेंट, पाइपलाइन और Fast Mode में मुफ़्त में शामिल करता है।
क्या मैं Claude या ChatGPT से MCP के ज़रिए Laya का इस्तेमाल कर सकता हूं?
हां, Melaya MCP Server के ज़रिए। melaya_browser_fast और melaya_phone_fast टूल्स, Laya को गेटेड फॉलबैक के तौर पर इस्तेमाल करते हैं, और कोई भी पाइपलाइन जो आप चलाते हैं और जो decide टूल्स या किसी decide स्टेप का इस्तेमाल करती है, वह Laya को भी चलाती है। कॉल करने के लिए कोई अलग laya टूल नहीं है।
क्या Melaya में Laya मुफ़्त है?
हां। decide टूल्स, कैनवस का decide स्टेप, और Fast Mode, Laya को Melaya के CPU पर चलाते हैं, बिना किसी प्रति-निर्णय शुल्क या API कुंजी के। प्रति-उपयोगकर्ता रेट लिमिट साझा इंजन को सभी के लिए उचित बनाए रखती है।
Laya कितना तेज़ है?
Melaya के CPU पर, एक निर्णय में लगभग 105 ms लगते हैं, और बैच किए गए निर्णयों में लगभग 69 ms प्रत्येक। लंबे स्टेट की लागत ज़्यादा होती है, इसलिए जांचे जाने वाले टेक्स्ट को छोटा रखें। Jev जैसे GPU-बेस्ड इंजन मिलीसेकंड में जवाब देते हैं।
Laya और Jev में क्या फ़र्क है?
दोनों System One मॉडल हैं, और दोनों का सवाल-स्कीमा एक जैसा है। Jev, TypeSafe का होस्टेड इंजन है, जो GPU पर प्रति टोकन मीटर किया जाता है। Laya ओपन-वेट है और Melaya के CPU पर मुफ़्त चलता है।
क्या Laya टेक्स्ट लिख सकता है या मेरे LLM की जगह ले सकता है?
नहीं। Laya सिर्फ़ फ़ैसला लेता है: यह कोई विकल्प चुनता है, कोई स्तर स्कोर करता है, या हां-ना में जवाब देता है, बिना कोई टोकन बनाए। प्लानिंग, लेखन और बारीक आकलन के लिए LLM का इस्तेमाल करते रहें।
