Laya: la alternativa open source a Jev que puedes entrenar

Tu agente de código toma decenas de decisiones pequeñas cada hora: si este fallo de CI es real, a qué departamento va este ticket, si merece la pena lanzar una búsqueda antes de responder. Casi siempre las resuelve con una llamada completa a un modelo frontera que genera párrafos de razonamiento para acabar diciendo “sí” o “no”. Eso cuesta tokens, cuesta segundos y no siempre da la misma respuesta dos veces.

Hace dos semanas, TypeSafe AI abrió el acceso anticipado a Jev, un modelo pensado justo para eso. Esta semana hay dos noticias alrededor de él: un prompt viral para instalarlo en tu agente y la alternativa open source que compartió midudev: Laya.

Qué es Jev

Jev es lo que TypeSafe llama un modelo System One. Lo lanzó el 15 de septiembre una empresa fundada por el exinvestigador de OpenAI Diogo Almeida. No escribe ni una frase: le pasas un estado sin estructura y una serie de preguntas tipadas, y en una sola pasada paralela te devuelve respuestas tipadas con probabilidades calibradas. “Entra texto, sale un número”.

Las cifras que publica TypeSafe: 0,042 dólares por millón de tokens de entrada, salida gratis y entre 70 y 500 ms de latencia de extremo a extremo. Es la misma pieza que usaba como modelo de política Jev Ultrafast, el agente de navegación de Browser Use.

Lo que no hace: generar texto, código o explicaciones, llamar a herramientas o mantener una conversación. Y el aviso de siempre: que no pueda producir un error de tipos no significa que no se equivoque.

El prompt que instala Jev en tu agente

El 28 de septiembre, rvaniaaaa publicó en X un “Jev Setup Prompt” para pegar en Claude Code, Codex o Cursor. Tiene más cabeza de lo que sugiere el tuit. Pide al agente que:

1. Identifique tres situaciones de tu trabajo en las que una decisión de Jev ahorraría trabajo caro.
2. Detecte en qué entorno está corriendo antes de instalar nada.
3. Use solo las fuentes oficiales: el repo typesafe-ai/skills, el paquete typesafe-sdk de Python y @typesafe-ai/sdk de npm.
4. Instale y haga una prueba en vivo, sin pedirte nunca que pegues la API key en el chat.
5. Añada una instrucción a tu CLAUDE.md o AGENTS.md para consultar a Jev antes de investigar a fondo, repetir un enfoque fallido o lanzar agentes, empezando en modo shadow.
6. Demuestre que funciona con tres tareas de prueba.

Si prefieres no depender de un prompt, jev-code (MIT) hace lo mismo como herramienta MCP para Claude Code, Codex, OpenCode y Pi, con cinco herramientas: jev_classify, jev_check, jev_score, jev_rank y jev_ask. En los dos casos dependes de una API de pago y de un modelo cerrado.

Laya: lo mismo, pero tuyo

Laya es un motor de decisiones no autorregresivo con licencia Apache 2.0. Su autor, Nandha Kishor M, asegura que construyó modelos de este tipo un año antes de que “un laboratorio frontera lo llamara categoría”. El repo se creó el 18 de septiembre y ya pasa de 28.000 estrellas.

Admite los mismos tipos de pregunta que Jev (choice, score y noul) sobre cualquier estado, y devuelve la respuesta en una sola pasada: 33 ms para una pregunta y 7,2 ms por pregunta en lote, medido en una T4. Trae tres checkpoints y un Router que elige uno en cada petición según el idioma:

from laya import Router

router = Router()
state = "Nos habéis cobrado dos veces marzo. Devolvedlo hoy o cancelamos."
questions = {
    "department": {"type": "choice", "instructions": "¿Qué departamento lo lleva?",
                   "criteria": {"billing": "facturas, pagos, reembolsos",
                                "technical": "bugs, caídas, errores",
                                "other": "todo lo demás"}},
    "churn_risk": {"type": "noul", "instructions": "¿Amenaza con darse de baja?"},
}
result = router.predict(state, questions)
print(result["answers"]["department"]["choice"])  # billing

Se instala con pip install laya y tiene extras para servidor HTTP, MCP, LangChain, LlamaIndex, CrewAI y ONNX, además de un paquete para TypeScript. Desde la terminal, laya "Mi pago ha fallado dos veces" --preset triage responde a un conjunto de preguntas predefinido.

Lo que dicen los números (y quién los mide)

El README incluye una comparativa amplia con Jev, y aquí conviene leer la letra pequeña. Todas las cifras de Laya las ha medido el propio proyecto, y las de Jev vienen de benchmarks publicados por terceros. Laya nunca ha ejecutado Jev en su entorno.

El proyecto también dice ser 7,8 veces más rápido (32,8 ms frente a 236-276 ms) y estar mejor calibrado. Pero la cifra de 0,766 corresponde al checkpoint ajustado para ese benchmark: el checkpoint base en inglés saca 0,362 sobre las mismas decisiones. Es decir, sin fine-tuning para tu dominio, Laya rinde bastante peor.

Los límites

• Fuera del inglés, la precisión cae mucho. En la prueba de intención MASSIVE, el checkpoint multilingüe baja de 0,66 en inglés a 0,45 en el resto de idiomas. De 51 idiomas, 45 superan el triple del azar; el español está entre los que mejor rinden, pero no esperes la precisión del inglés.
• Los textos largos se degradan. Con hasta unos 4.000 tokens acierta entre 16 y 18 de cada 20 peticiones; más allá, entre 8 y 17.
• Cambiar de idioma en frío cuesta. Si no precargas los checkpoints, pasar de uno a otro supone una recarga de 7,4 segundos.
• El triaje difícil sigue siendo difícil. En triaje de soporte con 10 categorías ningún checkpoint pasa de 0,52.

La conclusión práctica: si tus decisiones están en inglés y tienes datos para ajustar el modelo (hay un notebook para Kaggle con dos T4 gratuitas), Laya te da un clasificador local, gratis y rápido para poner delante de tu agente. Si quieres algo que funcione sin entrenar y no te importa pagar por llamada, Jev es más cómodo. En los dos casos la idea es la misma que la de RTK con el output de terminal: no gastar tokens de un modelo frontera en lo que no los necesita.