As decisões tipadas do Laya, explicadas

Um modelo de decisões tipadas lê um conjunto fixo de perguntas e preenche cada resposta com um valor tipado e um número de confiança. Ele nunca escreve uma frase. Dois desses modelos surgiram com seis dias de diferença em setembro de 2026: o Jev, da TypeSafe, em 15 de setembro, e o Laya, da Convai Innovations, em 19 de setembro. O Laya importa mais para a maioria dos desenvolvedores, porque você pode baixá-lo e executá-lo você mesmo. O Jev é fechado, e só se chega a ele por lista de espera.

Essa é uma mudança real de formato, não apenas um modelo novo. Um modelo de conversa comum escreve uma palavra de cada vez e espera que surja uma estrutura útil. Um modelo de decisões tipadas recebe a estrutura antes e nunca sai dela. Essa única diferença decide onde cada tipo de modelo realmente ajuda.

Como funciona

Você entrega a um modelo de decisões tipadas um estado, por exemplo um e-mail ou um registro JSON. Também entrega uma lista de perguntas, cada uma com um tipo de resposta fixo. O modelo preenche cada resposta numa única passagem e anexa a cada uma um número de confiança. Segundo o site do projeto da Convai Innovations, o Laya responde a uma pergunta numa mediana de 32,8 milissegundos, numa placa gráfica Tesla T4, barata e comum em data centers na nuvem.

O modelo nunca produz texto livre. Ele só devolve um valor que já se encaixa num tipo definido por você: uma categoria de uma lista fixa, um número, ou um sim ou não. A ficha do modelo no Hugging Face descreve o Laya como uma cabeça de decisão somada a uma base ModernBERT-large, e não como um modelo de conversa com regras acrescentadas depois. A TypeSafe construiu o Jev do mesmo jeito. A empresa o treinou com um método que chama de Reinforcement Learning for Calibrated Decisions, em vez da abordagem usada para treinar modelos de conversa.

A confiança é a outra metade da ideia, e é aí que os dois modelos se mostram mais francos do que a maioria dos fornecedores. Um modelo pode errar e ainda assim estar bem calibrado, desde que seus números de confiança acompanhem o acerto real. Os materiais do próprio Laya relatam um erro de calibração de 0,466 antes de qualquer ajuste. Esse número só cai para os 0,081 anunciados depois de reajustar a temperatura para cada tipo de pergunta, com os seus próprios dados. Trate isso como um trabalho que ainda falta fazer, não como uma propriedade herdada ao baixar os pesos.

O acerto exige o mesmo cuidado. O Laya obtém 0,362 no seu próprio teste sem ajuste prévio. Nesse mesmo teste, chutar ao acaso dá 0,318, e responder sempre a alternativa mais comum dá 0,461. Ajustado na partição de treino desse teste, o mesmo modelo chega a 0,766. A própria ficha do modelo tira a conclusão: "Laya is a fast base to specialise, not a zero-shot decision engine."

Modelo	Criador	Como se obtém	Licença	Latência informada
Jev	TypeSafe AI	Lista de espera, API hospedada	Fechada	70-500 ms de ponta a ponta, segundo a TypeSafe
Laya	Convai Innovations	Baixar os pesos	Apache 2.0	32,8 ms mediana numa Tesla T4, segundo a Convai

Os dois modelos tropeçam do mesmo jeito quando a lista de opções cresce. Segundo a TypeSafe, o Jev avalia candidatos em duas etapas independentes quando uma pergunta tem muitas opções, até 255. O fundador do Laya, Nandakishor Mukkunnoth, aponta um teto bem mais baixo para o seu próprio modelo: "Choice questions degrade with more than 20 options." Um modelo de decisões tipadas é feito para um menu pequeno e fixo de respostas, não para um em aberto. Teste esse limite você mesmo antes de confiar em qualquer um dos dois modelos numa pergunta com muitas respostas possíveis.

O que mudou, e quando

A TypeSafe apresentou a ideia primeiro. O modelo Jev, anunciado em 15 de setembro, avalia candidatos em duas etapas independentes quando uma pergunta tem muitas opções, até 255. Ele cobra 0,042 dólar por milhão de tokens de entrada, com a saída de graça. O problema é o acesso. O Jev fica atrás de uma lista de espera, e ainda não existe nenhum teste independente dele.

Quatro dias depois, o Laya chegou como uma resposta de pesos abertos à mesma ideia. Ele tem 421 milhões de parâmetros, uma fração do tamanho da maioria dos modelos de linguagem, e é publicado sob a licença Apache 2.0, que permite uso comercial e modificação. Qualquer pessoa pode baixá-lo, executá-lo localmente e conferir o que ele de fato faz. Isso não é algo que uma API em lista de espera permite.

Essa diferença de acesso é a verdadeira notícia aqui. Um desenvolvedor não pode conferir as alegações de calibração da TypeSafe sem um convite. Um desenvolvedor pode conferir as do Laya ainda hoje à tarde, no seu próprio hardware, com os seus próprios dados.

O que isso significa para os desenvolvedores

Trate um modelo de decisões tipadas como a substituição de uma única chamada dentro de um pipeline, não do seu modelo inteiro. O formato se encaixa em classificação, roteamento, ranqueamento e seleção de ferramentas: qualquer etapa em que um modelo já existente devolva uma entre um pequeno conjunto de opções. Não se encaixa em nada que precise produzir texto corrido, porque esses modelos simplesmente não conseguem escrever texto corrido.

Leia o número sem ajuste prévio, não o ajustado, antes de se comprometer com qualquer um dos dois modelos. A diferença entre 0,362 e 0,766 no Laya vem inteiramente da partição de treino de um teste. Se você não pode rotular alguns milhares de exemplos da sua própria decisão, o número sem ajuste é o que prevê o que você vai realmente obter.

Reserve tempo para o trabalho de calibração antes de confiar num número de confiança de qualquer um dos dois modelos. Reajuste primeiro a temperatura por tipo de pergunta, com os seus próprios dados. Depois registre confiança e resultado por uma semana, e verifique se 0,7 significa mesmo setenta por cento. Os pesos abertos do Laya permitem que você faça essa verificação sozinho, hoje. Com a lista de espera do Jev, você confia nos números da TypeSafe até conseguir acesso.

Confira a licença antes de construir além de um protótipo. A Apache 2.0 permite lançar um produto construído sobre o Laya. Os termos do Jev pertencem à TypeSafe e só se leem pela lista de espera, então leia-os com atenção antes de planejar um lançamento em torno de qualquer um dos dois modelos.

Decisões binárias e estreitas são o terreno onde um modelo de decisões tipadas já se mostra forte sem nenhum ajuste. Os próprios números do Laya colocam a filtragem de spam em 0,993 e a detecção de phishing em 0,980, ambos bem acima da sua pontuação geral sem ajuste. Se o seu caso de uso se parece com um desses, um modelo pequeno de decisões tipadas já pode superar um modelo de conversa bem maior em custo e velocidade. Se parece mais com um julgamento em aberto, planeje a etapa de ajuste desde o início.