「オープン版Jev」名乗るAI「Laya」に賛否 海外の反応
姉妹サイトの新着
他サイトの新着
- 5chまとめMAP【衝撃】ローソンの300円弁当、貧相すぎて泣けてくる…
- ニュース速報まとめMAP【イ・ジョンフ】ドジャース対ジャイアンツ戦、注目の選手と見どころ
- なんJ傑作まとめアンテナMAP【悲報】高市早苗、カルビーへの反撃開始wｗｗｗｗｗｗｗｗｗｗ
- アニメ声優まとめアンテナMAP女オタク「待って！男オタクって『舞台とか演劇』に興味なさすぎじゃない？何でなの？」
- VTuberまとめアンテナMAP【にじさんじ】未来人「男 今日は機嫌良いから好きなことしてて良いよ いつもありがとう」
- だめぽアンテナ【速報】池田瑛紗、前屈みで「あれ」が見える
- ヌルポあんてな【動画】21歳キャバ嬢、カステラを作るｗｗｗｗｗｗｗｗｗｗｗｗｗｗ
- 2chまとめアプリ+社会人同士で付き合ってるやつさ、月に何回くらい会ってるんや？
- News人【悲報】今年から株始めたけど2500万が2250万になった・・・・・・・・・他
- ブルーアンテナどこの女子校にもありふれた普通の性指導 〜桜女学園〜 1
- ウマーあんてな玉城デニー県政、沖縄タイムスと琉球新報に無利子で貸付を行っていた 古謝県政はこれを引継ぐのか？
- ぷぅアンテナ【乃木坂46】遠藤さくらがミニスカでスリム美脚披露！【さくちゃん】 他
- 5chnavi【窃盗疑惑】クレーンゲーム機を傾け景品を不正取得か…店舗が情報提供者に最大10万円の報奨金を提示
- にゅーもふ【えw】 アジア大会バスケ男子、日本が中国に快勝97-78 → 中国報道「108対82で中国が大勝！」
- 海外の反応アンテナ.com外国人「許されない」プレミアで大誤審！ハーランドの決勝ゴールは判定ミスと認め、謝罪する事態に海外騒然！【海外の反応】
- Red4 海外の反応まとめ【海外の反応】トランプ大統領「中国車が米国で工場を作るなら歓迎する」→「アメ車が壊滅する」「安くていい車が入ってくるならなんでもいいわ」
- キター！アンテナ【T】性別変更前に卵子を提供、子が誕生 男性を「父親」と認めるよう提訴 (東京家裁)
- つべこアンテナ楽天・村林一輝選手が前田悠伍選手相手に3打席連続打点の活躍『前のバッター、ランナーに感謝したいです』【イーグルスまとめ】
- 海外の反応ジャーナル「日本の技術者たちが中国の電気自動車を分解してみた」海外の反応
- ２ちゃんマップ【動画】中国人さん、自分達の国が独裁ではなく本気で民主主義国家だと信じていた・・・
Hacker Newsで、AIモデル「Jev」のオープンソース版を名乗る軽量モデル「Laya」の投稿が反応を集めた。文脈長がJevの32kトークンに対しLayaの公開チェックポイントは512〜1024トークンしかない点や、確率のキャリブレーションを試したユーザーが直感に反する結果を報告した点が指摘された。さらに、告知ページの文面やスレの一部コメントがAI生成っぽいと疑う声が上がり、開発者本人が「論文は1年前に出している」と反論する一幕もあった。
Laya:Jevのオープンソース版
出典: laya.convaiinnovations.com / 元記事はこちら
Jevもこれもよくわからないけどオープンソースなので使ってみた(いい仕事してると思う!)。状況『6面サイコロを振ったら3が出た』、質問『その数は奇数か?』→回答は『9%の確率、信頼度91%』。……はぁ???
このモデルからすると『the number』が6面のことなのか出た3のことなのか、両方に取れてしまうからじゃない?
それはこのシステムに対する誠実なテストとは言えない。
さっと記事を読んだ限り、公開されているチェックポイントは文脈長512〜1024トークンのモデルなのに対し、Jevは32kトークンあるみたいだ。これはかなり大きな制約だと思うんだけど、簡単に回避できる話なら別として、比較の中でもっと目立つ形で書かれていないのが意外だった。
Jevはリクエスト全体で64kトークンの予算があるらしいけど、専門性の高い入力にどこまで対応できるのか気になる。それとTypesafe AIがやってるJevのウェイトリスト制、そのうち突っ込まれると思う。ポップアップレストランみたいな見せ方だと上司に説明しづらいよ。
もうOpenrouterに載ってるよ
自分はさっき招待が来たから、ウェイトリストはそんなに長くなさそう。
ランディングページはAIっぽい薄っぺらい文章だらけだし、このスレの議論も何だか嘘くさい。アップボート稼ぎのボットが動いてるんじゃないかと思うくらい、話が噛み合ってない。
typesafeのランディングページの酷さ見た? このスレも投稿の半分はLLM生成っぽいし、書いてる人間の半分もLLMっぽい。
ちゃんとベンチマークは取ってある。論文を読んでみてほしい。https://arxiv.org/abs/2510.01237
このコミュニティとして恥ずかしい流れだ。誰もちゃんと読んでない気がする。ブログ記事の主張は辻褄が合ってない。
アイデア自体は好きだけど、実世界のデータをうまく扱えるとは思えない。話をつなげて全体の文脈を理解するには、推論モデルでないと拾えない機微がたくさんある。
間違ってたら指摘してほしいんだけど、Jevとこのツールってチケット分類に使える? 例えばレベル1のチケットにログイン画面のエラーのスクリーンショットが添付されてる場合、LLMなら完璧にこなせるけど、Jevはどう?
少なくとも今のところJevはマルチモーダルじゃないから、スクリーンショットだけじゃ無理だと思う。
画像は扱えないけど、緊急度の仕分けやエスカレーション判断はかなりうまくやる。分類の細かさ次第では『使える』と言えると思う。
Jevのオープンソース版は本当にたくさんあって、『openjev』という同じ名前を使ってるプロジェクトだけでも3つある。みんなが使ってる基本的なトリック(おそらくJev自体もこれをやっている)に興味があるならここに書いてある: https://sgnt.ai/p/jev/
このプロジェクトは1年前のJevアーキテクチャ研究そのものをベースに作られている。
その一文の意味がよく分からないんだけど、言い換えてもらえる? LayaはJevチームがやった研究をベースにしてるってこと?
それ用にhallunoxというPyPIパッケージを作った。https://pypi.org/project/hallunox/
これはExcelかLibreOffice Calcのアドインになるべき代物だ。
このサイズ(パラメータ約4億)なら、CPUだけで直接動かすのも現実的になる?
いける。ただし瞬時にとはいかない。自分はhttps://github.com/rcarmo/go-pherence でこの手のものをいじっていて(よくある推論アルゴリズムのSIMD版を作ってる)、そこを改善しようとしてるところ。
Jev API互換のサーバーを自作してLayaを動かしてみた。https://github.com/jlt-commons/laya-jolt
RedditのOPが(本人の言葉で)『arxivに公開した』という論文、実際にリンクを踏んでみると予想通りの中身だった。https://arxiv.org/pdf/2503.23303 Jevがやっていることとは違うように見える。
『Codex、新規性のあるフロンティアモデルを作ってHacker Newsに投稿して』『Claude、この初心者をこき下ろして、そのモデルは新規性もフロンティアでもないと言ってやって』——二人揃って『——絶対にミスするなよ!』 もう、うんざりだ。
一つだけ言っておくと、自分は貧乏で仕事もなく1年間失業保険で食いつないでいた時期があったけど……ドットコムバブル崩壊後にハイプが弾け飛んだのは、正直ちょっとした安堵でもあった。
セーラームーンっぽい雰囲気だな。
ゆっくりとではあっても、従来型の機械学習に注目が戻ってきているのは素直に嬉しい。LLM一辺倒はもう十分だ。
他サイトの新着
彼が引っかかっていたのは、Jevの発表にあった『誇大宣伝』だったと思う。具体的には、この手のモデルを『ブレークスルー』と呼びながら先行研究へのクレジットを出さず、しかも全部クローズドソースにしている点。
それを言うならLayaのどこが先行研究なんだ? このプロジェクトは『バイブコーディング』(AIに勢いで書かせたコード)で作られて、公開されたのは昨日だぞ。https://github.com/NandhaKishorM/laya/commits/main/ https://huggingface.co/convaiinnovations/laya/commits/main
論文自体は1年前のものだ。https://arxiv.org/abs/2510.01237 https://pypi.org/project/hallunox/
機械学習に10年以上携わってきた人間なら、何でもかんでもLLMで済ませるのが怠惰で無駄が多く、マーケティング色の強いやり方だというのはとっくに分かっているはずだ。
LLMにつながった重要な知見の一つは、専門特化モデルが必ずしも汎用モデルより優れているわけではない、という発見だったと思うんだけど。
怠惰とは思わない。LLMはすぐ使えるし、学習にかかるコストと時間(データ準備やクレンジングなど)を考慮すればずっとコスト効率がいい。すぐ使える既製品があって専門家もいらないのに、わざわざ数か月かけて開発する理由をビジネス側に説明するのは難しい。
自分もあなたと同じ結論に至った。汎用LLMだけに頼るのではなく、たいていのタスクでは基本に立ち返るべきだという業界への警鐘だと思う。自分はいつも『一番安いLLMリクエストは、そもそもリクエストしないことだ』と言っている。
とはいえ(あなたの個別のケースではなく一般論として)、LLMがやっていた仕事をLLM抜きでやろうとしたときのコストはどうなる?
直感的には、これはLLMの知的処理における『より低レベルで基礎的な、反射的な』層にあたる感じがする。
言っておくけど、言語モデルの確率を正確に反映させるキャリブレーションは、あなたが始めたことじゃない。
自分が最初だなんて主張してないよ。ここで知見を共有しただけ。
この話題の背景と論点
『キャリブレーション』とは、モデルが出す確信度が実際の正答率とどれだけ一致しているかを測る指標で、8番のサイコロの例はこれを試す目的だったが、質問文があいまいで公正なテストとは言えないとの反論も出た。スレの対立軸は大きく二つある。一つはLayaが本当に独自の先行研究に基づくのか、それとも「バイブコーディング」(AIに任せて勢いで書いたコード)による便乗プロジェクトなのかという点。開発者は1年前の論文とPyPIパッケージを根拠に挙げたが、GitHubへの投稿が前日だった事実との整合性を疑う声もあった。もう一つは、あらゆる用途にLLMを使う風潮への反発と、それでもLLMの方が開発コストで有利だという実務側の意見の対立で、これは今回のプロジェクトに限らずAI開発者コミュニティで繰り返し出てくる論点である。
※本記事は5ch(Hacker News)スレッド「Laya the open source version of Jev」より抜粋・要約して構成しています。
この記事のリアクション
まだコメントはありません。