К содержимому
Другое

laya-cua

компактный роутер для компьютерных агентов

2 мин чтенияобновлено

Модель laya-cua размером 421M создана для управления интерфейсами и работы в составе систем компьютерных агентов (Computer-Use Agents). Основанная на базе ModernBERT-large, она получает на вход текстовое описание экрана, историю последних шагов и задачу, после чего определяет следующий тип действия и оценивает вероятность завершения работы. Модель не генерирует текст для ввода и координаты кликов, а служит быстрым классификатором для принятия решений. Разработка пригодится разработчикам автономных агентов и исследователям интерфейсов автоматизации.

Ключевые особенности

  • Точность классификации: достигает 80.8% точности в определении типа действия на тестовом датасете.
  • Компактный размер: весит всего 421M параметров и работает на стандартном железе.
  • Текстовый вход: обрабатывает текстовые описания экрана вместо тяжелых скриншотов.
  • Быстрый проход: определяет тип действия и статус задачи за один прямой проход (forward pass).

Что можно сделать

  • Интеграция в агентов: использовать как быстрый роутер рядом с языковой моделью для выбора следующего действия.
  • Проверка статуса: оценивать вероятность завершения текущей задачи на экране.

Пример

import laya
from huggingface_hub import snapshot_download

ACTIONS = {
  "click": "click or tap a UI element", "type": "type text into a focused field",
  "key": "press a key or shortcut", "scroll": "scroll the view",
  "navigate": "open a URL or switch app or tab", "move": "move the mouse without clicking (hover)",
  "wait": "wait for the page or app to load", "drag": "drag and drop or select by dragging",
  "done": "the task is already complete, stop",
}
QUESTIONS = {
  "action_type": {"type": "choice", "instructions": "Which action type should the agent take next?", "criteria": ACTIONS},
  "task_done":   {"type": "noul",   "instructions": "Is the task already fully complete on screen?"},
}
agent = laya.Agent(snapshot_download("sodan/laya-cua"), device="cuda")
state = {"task": "Open the settings app and turn on dark mode",
         "screen": "Settings window. Sidebar: Network, Display, Sound. Display page shows Theme: Light.",
         "history": ["opened Settings"]}
res = agent.predict(state, QUESTIONS)
print(res["answers"]["action_type"]["choice"], res["answers"]["task_done"]["noul"])
ПодробнееБенчмарки: action_type accuracy 0.8084, task_done accuracy 0.9611.
Ограничения: обучена на текстовых описаниях AgentNet (в основном десктопные задачи Ubuntu), поведение на мобильных интерфейсах не тестировалось.
Базовая модель: convaiinnovations/laya (ModernBERT-large encoder).
Обсудить Telegram 0 39

Запустится ли?

Запустится в F16

Влезает без сжатия.

  • F16веса 0.8 GB · готовые файлы1.4 GB
  • FP8 / INT8рекомендуемвеса 0.4 GB0.9 GB
  • 4-bitвеса 0.2 GB0.7 GB

Совет: берите 8-bit.FP8 / INT8 почти не отличается по качеству от полной точности (разница в пределах процента), а памяти занимает вдвое меньше и на RTX 40/50, H100 работает быстрее. Полную точность есть смысл брать только для дообучения.

Что взять под эту модель

Massed ComputeОткрыть Massed Compute

Своя видеокарта: FP8 / INT8 — от RTX 2060 · F16 — от RTX 2060

Почасовые цены Massed Compute на ноябрь 2026. Цена со скидкой — с промокодом при оплате.

Оценка: веса плюс рабочая память. Длинные ролики, высокое разрешение и большой контекст требуют больше.

Запуск на Massed Compute

Скрипт скачает модель на арендованную машину. Как её запустить — в карточке модели.

  1. 1. Арендуйте машину с подходящей видеокартой

    Открыть Massed Compute
  2. 2. Вставьте скрипт в терминал машины

    Подключитесь по SSH (команда есть в панели Massed Compute) или откройте терминал на рабочем столе машины.

    HF_TOKEN / CIVITAI_TOKENВ начале скрипта строки для токенов: вставьте свой между кавычками. Токен Hugging Face нужен для закрытых моделей, токен Civitai — для моделей с Civitai.

    # sodan/laya-cua
    mkdir -p ~/models
    curl -LsSf https://astral.sh/uv/install.sh | sh
    source "$HOME/.local/bin/env"
    uv tool install "huggingface_hub[cli]"
    hf download sodan/laya-cua --local-dir ~/models/laya-cua
    # Модель в папке ~/models. Как её запускать, написано в карточке модели (ссылка выше).
    Добавить ещё LoRA к laya-cua
  3. 3. Пользуйтесь

    Модель в папке ~/models. Как её запускать, написано в карточке модели (ссылка выше).

Не забудьте остановить машину в панели, когда закончите: оплата идёт поминутно, пока она включена.

Как ускорить

Подобрано под тип модели. Выберите своё железо в блоке выше — покажем то, что подходит именно вам.

  • FlashAttention 44.0.0b40от 18 ноября 2026новая версия

    самое быстрое точное внимание на B200

    Ядра для Blackwell (пока бета). Точное внимание без квантования — подходит для всего, включая LLM.

    Как включить: pip install flash-attn-4; vLLM и SGLang подхватывают сами.

    Предыдущие поколения (2)
    • FlashAttention 3 — Версия для Hopper (H100/H200) с FP8.
    • FlashAttention 2 — Стандарт для RTX 30/40/50 и A100: точное внимание без лишней памяти на длинных контекстах.
  • torch.compile2.15.0от 28 октября 2026новая версия

    10–30% бесплатно

    Компилирует модель под вашу видеокарту. Первый запуск дольше, дальше быстрее.

    Как включить: model = torch.compile(model); в ComfyUI — узел TorchCompileModel.

Семья модели

Дообучение модели

convaiinnovations/laya

Новые посты про версии laya — сжатые, дообучения, LoRA — появятся в колокольчике.

Сжатые версии 12Все на Hugging Face
Дообучения 12Все на Hugging Face
LoRA и адаптеры 1Все на Hugging Face

О модели

sodan/laya-cua
Автор
sodan
Категория
Другое
Дата выхода
На сайте

На сайте

Hugging Face

390

Спросить нейросеть об этой модели

Отвечает Gemini 4 · переписка хранится только в этой вкладке

Комментарии

Другое

RetCast-JEPA

RetCast-JEPA