Gemini Decision 1 กับ Laya: 262,144 โทเค็นที่เช่า เทียบกับ 512 โทเค็นที่เป็นเจ้าของ
- Googleใหม่Google: Gemini 4 Carbon2026-11-10$2.00 / $10.00 ต่อ 1 ล้านโทเค็น · 202 tok/s
- Anthropicใหม่Anthropic: Claude Fable 5.22026-11-09$8.00 / $40.00 ต่อ 1 ล้านโทเค็น · 99 tok/s
- orcaใหม่Orca: OrcaC2 1.02026-11-0727 tok/s
- Orcaใหม่OrcaCyber: GLM 5.3 Abliterated / Uncensored2026-11-04$3.00 / $5.00 ต่อ 1 ล้านโทเค็น · 120 tok/s
- Orcaใหม่OrcaCyber: Hy4 Abliterated / Uncensored2026-11-04$0.80 / $1.60 ต่อ 1 ล้านโทเค็น · 229 tok/s
- Orcaใหม่OrcaCyber: Kimi K3.1 Pro Abliterated / Uncensored2026-11-04$4.00 / $20.00 ต่อ 1 ล้านโทเค็น · 42 tok/s
- Orcaใหม่OrcaCyber: MiniMax M3.1 Flash Abliterated / Uncensored2026-10-29$0.80 / $1.60 ต่อ 1 ล้านโทเค็น · 128 tok/s
- OrcaOrcaCyber: GLM 5.3 Flash Abliterated / Uncensored2026-10-27$0.80 / $1.60 ต่อ 1 ล้านโทเค็น · 58 tok/s
- OrcaOrcaCyber: Qwen3.8 Flash Next Abliterated / Uncensored2026-10-26$0.80 / $1.60 ต่อ 1 ล้านโทเค็น · 98 tok/s
- OrcaOrcaCyber: MiMo V2.6 Flash Abliterated / Uncensored2026-10-26$0.80 / $1.60 ต่อ 1 ล้านโทเค็น · 40 tok/s
- MoonshotMoonshotAI: Kimi K3.1 Pro2026-10-2447ความฉลาด
- OrcaOrcaCyber: DeepSeek V4.1 Flash Abliterated / Uncensored2026-10-23$0.80 / $1.60 ต่อ 1 ล้านโทเค็น · 127 tok/s
- minimaxMiniMax: M3.1 Flash2026-10-1929ความฉลาด
- OrcaOrca: OrcaCyber Ultra 1.02026-10-17$5.00 / $10.00 ต่อ 1 ล้านโทเค็น · 106 tok/s
- deepseekDeepSeek: DeepSeek V4.1 Flash 10172026-10-1733ความฉลาด
- DeepSeekDeepSeek: DeepSeek V4.1 Flash2026-10-1740ความฉลาด
- OrcaOrca: OrcaCyber Zero 1.52026-10-10$3.00 / $7.50 ต่อ 1 ล้านโทเค็น · 65 tok/s
- openaiOpenAI: GPT-6.1 Sol2026-09-2955ความฉลาด
- anthropicAnthropic: Claude Sonnet 5.52026-09-2855ความฉลาด
- typesafeTypeSafe: Jev 1.132026-09-24$0.04 / $0.00 ต่อ 1 ล้านโทเค็น · 392 tok/s
โมเดลการตัดสินใจสองแบบ ตัวเลขสองตัวที่อธิบายทางเลือกการออกแบบเดียวกันจากคนละขั้ว Gemini Decision 1รับอินพุต 262,144 โทเคนและคำถามที่พิมพ์ได้สูงสุด 1,000 ข้อในการเรียกครั้งเดียว ในราคา 0.10 ดอลลาร์ต่อโทเคนอินพุตหนึ่งล้านโทเคน บน API ของ Google เอง Layaรับข้อความ 512 โทเคนบนเช็กพอยต์ภาษาอังกฤษของมัน ทำงานบน T4 ที่คุณจ่ายเงินอยู่แล้ว และอยู่ภายใต้ Apache-2.0 นั่นคือปัจจัย 512 ในเรื่องหน้าต่าง และอนันต์ในเรื่องราคา ในทิศทางตรงกันข้าม และไม่มีเบนช์มาร์กใดช่วยกู้การเปรียบเทียบนี้ได้ เพราะทั้งสองโมเดลไม่ได้ถูกสร้างมาเพื่องานเดียวกัน
Convai Innovations เผยแพร่ Laya เมื่อวันที่ 18 กันยายน 2026 ในรูปแบบเช็กพอยต์สามรายการภายในรีโพซิทอรีเดียว: โมเดลภาษาอังกฤษ ModernBERT-large ขนาด 421M, โมเดลหลายภาษา mmBERT-base ขนาด 322M และรุ่นตัวแปร typed-decisions Google เปิดตัว Gemini Decision 1 เมื่อวันที่ 11 พฤศจิกายน 2026 และไม่ได้เผยแพร่ค่าถ่วงน้ำหนัก จำนวนพารามิเตอร์ หรือโมเดลฐาน ตัวเลขเดียวที่ทั้งสองฝ่ายสามารถนำมาเทียบกันได้คือกระดานคะแนนที่มีเพียงหนึ่งในสองรายการนั้น — Gemini Decision 1 อยู่ที่ 66 บน Artificial Analysis Decision Index v2.1 เป็นอันดับเก้าจากสิบแปด และ Laya ไม่ได้อยู่บนกระดานนั้น
สิ่งที่หน้าต่าง 512 โทเคนตัดความเป็นไปได้ไปตั้งแต่ยังไม่ทันมื้อเช้า
เริ่มจากข้อจำกัดก่อน เพราะมันตัดผลิตภัณฑ์ทั้งหมวดหมู่ออกได้เร็วกว่าตัวเลขความแม่นยำใด ๆ
• อินพุตร่วม — Gemini Decision 1 อ่านได้สูงสุด 262,144 โทเค็น ครอบคลุมอินพุตและทุกคำถาม ส่วนเช็กพอยต์ภาษาอังกฤษของ Laya อ่านได้ 512 โทเค็นเท่านั้น จบ เช็กพอยต์หลายภาษามีค่าเริ่มต้นที่ 1,024 และสามารถผลักขึ้นไปถึง 8,192 ได้ด้วย max_len=8192 ซึ่ง ณ จุดนั้นการ์ดของ Convai เองรายงานว่า 16 ถึง 18 จาก 20 คำขอเอกสารยาวตอบถูกต้องที่บริบทสูงสุดประมาณ 4,000 โทเค็น และ "เกินกว่านั้นผลลัพธ์จะแตกต่างกันไป"
• รูปแบบข้อมูล — Gemini Decision 1 รับข้อความ รูปภาพ วิดีโอ เสียง และ PDF ได้ในคำขอเดียวกัน ส่วน Laya รับได้เฉพาะข้อความ ใบเคลมที่สแกน ไฟล์บันทึกเสียงสนทนา หรือภาพถ่ายสินค้า จะยังไม่ถือเป็นอินพุตจนกว่าจะมีบางอย่างในขั้นก่อนหน้าทำการแปลงให้เป็นถ้อยคำ และการแปลงนั้นเป็นโมเดลแยกต่างหากที่มีต้นทุนแยกและมีข้อผิดพลาดของตัวเอง
• จำนวนคำถามต่อการเรียก — สูงสุด 1,000 รายการสำหรับ Gemini Decision 1 โดยแยกออกจากกันในการเรียกครั้งเดียว Laya ตอบคำถามที่คุณส่งมาด้วยสถานะเดียว และเอกสารของ Laya เองกำหนดเพดานในทางปฏิบัติไว้ที่ประมาณห้าสิบตัวเลือกต่อคำถามแบบเลือก ก่อนที่งบโทเค็นต่อตัวเลือกของโมเดลจะเริ่มตึงตัว
• ราคา — 0.10 ดอลลาร์ต่ออินพุตหนึ่งล้านโทเค็นสำหรับ Gemini Decision 1 โดยวัดที่ 345 ดอลลาร์ต่อหนึ่งล้านงานโดย Artificial Analysis โดยไม่มีการแคชบริบทและไม่มี Batch API ส่วน Laya เป็นการดาวน์โหลด: ประมาณ 808 MB สำหรับเช็กพอยต์ภาษาอังกฤษ ไม่มีค่าใช้จ่ายต่อการเรียกใช้ และ T4 ทำงานที่ประมาณ 32.8 มิลลิวินาทีต่อการตัดสินใจ
• สัญญาอนุญาตและการเผยแพร่ — น้ำหนักโมเดล Apache-2.0 ไม่ต้องพึ่งพาบริการโฮสต์ และมี entry point ของ pip install laya Gemini Decision 1 ใช้งานได้เฉพาะบน Gemini Developer API ที่ v1beta โดยมีระดับฟรีที่ 200 คำขอต่อนาที และมีรายการความสามารถที่รองรับและไม่รองรับซึ่งจัดทำเอกสารไว้
สกอร์บอร์ดมีหนึ่งในสองสิ่งนี้อยู่ และนั่นไม่ใช่ผลเสมอ
คะแนน 66 ของ Gemini Decision 1 เป็นคะแนนรวมจากการประเมินแบบถ่วงน้ำหนักหกด้าน โดย 45% สร้างขึ้นจากข้อมูลส่วนตัว และคิดเป็นความแม่นยำลบด้วยบทลงโทษแบบ Brier ที่ผูกกับคำตอบ จุดแข็งและจุดอ่อนของมันชัดเจนผิดปกติสำหรับโมเดลในวันเปิดตัว: เป็นอันดับหนึ่งจากสิบแปดใน AA-Omniscience-Decision ที่ 66.3 และอันดับหนึ่งใน HLE-MultiChoice ที่ 48.7 แต่เป็นอันดับเก้าใน AA-Paperclip ที่ 56.8 ด้วยอัตราการผ่านเอกสารแบบทั้งหมดหรือไม่ก็ไม่ได้เลยที่ 33% และเป็นอันดับสิบสี่ใน When2Call ที่ 80.5 โดยภาพรวมอยู่อันดับเก้า เป็นอันดับหนึ่งในส่วนที่ทดสอบความรู้และการงดตอบ และอยู่กลางตารางในส่วนที่ทดสอบการสกัดข้อมูลและการเลือกเครื่องมือ
Laya ไม่มีตัวเลขที่เทียบเคียงได้ และโครงการได้อธิบายเหตุผลไว้ในการ์ดของตัวเอง เช็กพอยต์ฐานทำคะแนนได้ 0.362 แบบซีโรช็อตบนแบบทดสอบการตัดสินใจแบบระบุประเภท ซึ่งต่ำกว่าเส้นฐานคลาสส่วนใหญ่ที่ 0.461 และใกล้เคียงกับการสุ่ม ตัวเลขพาดหัว 0.766 ต้องอาศัยการปรับละเอียดบนชุดฝึกของแบบทดสอบนั้นเอง ประโยคสรุปของ Convai คือประโยคที่ควรนำไปใช้ในการประเมินใด ๆ: Laya เป็นฐานที่เร็วสำหรับการปรับให้เชี่ยวชาญเฉพาะทาง ไม่ใช่กลไกตัดสินใจแบบซีโรช็อต
นั่นไม่ใช่จุดอ่อนที่จะถูกนำไปให้คะแนนเทียบกับโมเดลของแล็บชั้นนำ; มันคือคำอธิบายผลิตภัณฑ์ที่แตกต่างกัน Gemini Decision 1 ถูกขายในฐานะสิ่งที่เก่งเรื่องการตัดสินใจอยู่แล้ว ส่วน Laya ถูกขายในฐานะสิ่งที่กลายเป็นเก่งในการตัดสินใจของคุณหลังจากที่คุณฝึกมัน ซึ่ง ณ จุดนั้น ตัวเลขที่เผยแพร่ของมัน — 0.766 เทียบกับ 0.727 ของโมเดลพี่น้องบน typed decisions, 0.950 เทียบกับ 0.910 บน AG News — ถือว่าแข่งขันได้ในงานที่มันถูกปรับให้เข้ากับ
ไปป์ไลน์สองแบบที่ผู้คนสร้างกันจริง ๆ
เนื่องจากความสามารถแทบจะไม่ทับซ้อนกัน การตั้งคำถามอย่างตรงไปตรงมาจึงไม่ใช่ “อันไหน” แต่คือ “คุณมีงานสองอย่างนี้อย่างไหน”
งานที่ Gemini Decision 1 ตอบโจทย์เมื่อมีอินพุตยาว ๆ เข้ามา — สัญญา 60 หน้า, เสียงจากการโทรหนึ่งชั่วโมง, โฟลเดอร์ใบแจ้งหนี้ที่สแกน — และต้องมีการตัดสินหลายอย่างผูกเข้ากับอินพุตนั้น การตรวจกฎนโยบาย 40 ข้อกับตั๋วใบเดียวในการอ่านที่เรียกเก็บเงินเพียงครั้งเดียว; การให้คะแนนคำตอบของผู้สมัครหนึ่งร้อยคำตอบเทียบกับรูบริก; การตัดสินใจจัดเส้นทางที่ขึ้นอยู่กับหลักฐานซึ่งกระจายอยู่ทั่วเอกสารที่ไม่มีใครอยากแบ่งเป็นชิ้น เอกสารของ Google เองระบุสิ่งเหล่านี้ไว้อย่างชัดเจน: การจัดเส้นทางคำขอ, การตรวจสอบนโยบายกับกฎจำนวนมากในคราวเดียว, การให้คะแนนตัวเลือกเทียบกับรูบริก, การเลือกเครื่องมือ, การจำแนกประเภทที่มีความหน่วงต่ำบนสื่อสด เพดาน 1,000 คำถามและอินพุตแบบมัลติโมดัลคือเหตุผลทั้งหมดที่ผลิตภัณฑ์นี้มีอยู่ และสองสิ่งนี้คือสิ่งที่ Laya ทำไม่ได้ไม่ว่าจะราคาเท่าใด
งานนี้เหมาะกับ Laya สถานะสั้น ๆ และการตัดสินใจเพียงหนึ่งครั้ง ในปริมาณการใช้งานที่ต้นทุนต่อการเรียกเป็นข้อจำกัด และชุดป้ายกำกับเป็นของคุณเอง การคัดแยกตั๋วตามอนุกรมวิธานของคุณเอง การจำแนกเจตนา ประตูใช่/ไม่ใช่ก่อนที่โมเดลราคาแพงจะทำงาน เอนโคเดอร์ขนาด 421M บน T4 ที่ 32.8 มิลลิวินาที ถือว่าแทบไม่มีค่าใช้จ่ายต่อการเรียก และเนื่องจากพื้นที่คำตอบถูกประกอบขึ้นต่อคำขอ แทนที่จะถูกฝังไว้ในหัวคำศัพท์ สคีมาที่คุณคิดขึ้นในบ่ายนี้จึงไม่ต้องฝึกใหม่เพื่อให้ได้รับการยอมรับ — แม้ว่าจะต้องใช้ข้อมูลฝึกเพื่อให้แม่นยำก็ตาม
การผสมผสานนี้ไม่ได้แปลกใหม่: Laya เป็นด่านแรกที่รวดเร็วซึ่งจัดการกับ 80% ของทราฟฟิกที่มันถูกฝึกมา และตัวให้คะแนนขนาดใหญ่ที่โฮสต์ไว้สำหรับรายการที่ต้องการหลักฐานจากอินพุตแบบยาวหรือไม่ใช่ข้อความ รูปแบบนี้มีต้นทุนต่ำกว่าการส่งทุกอย่างไปยัง Google และล้มเหลวได้อย่างนุ่มนวลกว่าการรันเอนโคเดอร์ขนาด 421M ภายใต้สัญญา
จุดที่การเปรียบเทียบต้นทุนลงเอยจริง ๆ อยู่ตรงไหน
ที่ปริมาณการใช้งานต่ำ เศรษฐศาสตร์ของ Laya นั้นไร้คู่แข่งและก็ไม่มีความหมายอะไร T4 ราคาแค่ไม่กี่ร้อยดอลลาร์ต่อเดือน ไม่ว่าจะใช้หรือไม่ใช้ ส่วนงาน Gemini Decision 1 หนึ่งล้านงานในราคา 345 ดอลลาร์นั้นเป็นรายการค่าใช้จ่ายที่ต้องมีใครสักคนอนุมัติ ถ้าต่ำกว่าสองสามแสนการตัดสินใจต่อเดือน hosted endpoint มักชนะด้วยชั่วโมงงานวิศวกรรมเพียงอย่างเดียว — ไม่ต้องมีการรันเทรน ไม่ต้องมีชุดข้อมูลติดป้าย และไม่ต้องมี serving stack
ที่ปริมาณสูง ตัวเลขทางคณิตศาสตร์จะพลิกกลับ โดยมีข้อแม้หนึ่งข้อที่สำคัญกว่าจุดตัดสมดุล: ต้นทุนส่วนเพิ่มของ Laya ใกล้ศูนย์ก็ต่อเมื่อโมเดลทำงานกับงานของคุณได้อยู่แล้ว ถ้าไม่ใช่ ป้ายกำกับคือค่าใช้จ่ายจริง เอกสารของ Convai ระบุชัดเจนว่าการ fine-tuning คือสิ่งที่สร้างตัวเลขที่เผยแพร่ ดังนั้นการเปรียบเทียบที่ซื่อตรงคือ $345 ต่องานที่โฮสต์หนึ่งล้านงาน เทียบกับ GPU บวกต้นทุนในการติดป้ายกำกับตัวอย่างให้มากพอจนถึงระดับคาลิเบรชันที่คุณไว้วางใจ ทั้งสองอย่างนั้นไม่ใช่อัตราต่อโทเคน และการเปรียบเทียบที่แสร้งว่าเป็นเช่นนั้นก็คือการเอาราคาเช่าไปเทียบกับโครงการก่อสร้าง
จากนั้นก็มีลักษณะของความหน่วง ซึ่งเป็นจุดที่ผลิตภัณฑ์ทั้งสองเลิกเป็นสิ่งทดแทนกันโดยสิ้นเชิง Gemini Decision 1 วัดได้ 211 มิลลิวินาทีต่องานบนอินเด็กซ์ ซึ่งถือว่าใช้ได้สำหรับ hop การ routing ที่อยู่เบื้องหลังข้อความจากลูกค้า แต่ก็พอใช้ได้แบบเฉียดฉิวสำหรับลูปแบบเฟรมต่อเฟรม ส่วน 32.8 มิลลิวินาทีของ Laya บน T4 คือตัวเลขที่ทำให้การตัดสินใจแบบต่อเฟรมและต่อการกดปุ่มแต่ละครั้งเป็นไปได้ และเป็นข้อได้เปรียบหนึ่งเดียวที่โครงสร้างพื้นฐานของ Google ไม่ว่าจะมากแค่ไหนก็ปิดช่องว่างนี้ไม่ได้ เพราะมันมาจากการเป็นโมเดล 421M พารามิเตอร์ แทนที่จะเป็นโมเดลมัลติโมดัลระดับแนวหน้า
การกำหนดเส้นทางสำหรับส่วนที่ไม่ใช่ทั้งสองอย่าง
OrcaRouter ไม่มีทั้งสองโมเดลนี้ Laya คือเวต Apache-2.0 ที่คุณรันเอง และ Gemini Decision 1 เป็น endpoint ที่ให้เฉพาะความน่าจะเป็นบน API ของ Google เอง — โมเดลตัดสินใจไม่ใช่เป้าหมายสำหรับ chat-completions และเราไม่แสดงรายการสิ่งที่เราให้บริการไม่ได้ โมเดลตัดสินใจในแคตตาล็อกคือ typesafe/jev-1.14 ของ TypeSafe ที่ 66.23 บนดัชนีเดียวกัน หากการเรียกให้คะแนนบนคีย์เดียวมีความสำคัญกับคุณ
การเรียกที่สมควรอยู่เบื้องหลังเราเตอร์คือการเรียกที่ทั้งสองโมเดลนี้ต้องพึ่งพาและไม่มีตัวไหนทำเอง นั่นคือขั้นตอนการแปลง หน้าต่าง 512 โทเคนของ Laya หมายความว่าโมเดลต้นทางต้องแปลงเอกสาร ไฟล์บันทึกเสียง หรือภาพหน้าจอให้เป็นสถานะสั้น ๆ ก่อนที่ Laya จะตัดสินได้ และต้นทุนต่องานของ Gemini Decision 1 ถูกกำหนดโดยปริมาณคอนเท็กซ์ที่คุณป้อนให้เป็นหลัก การเลือกและสลับโมเดลต้นทางนั้นคือการตัดสินใจที่เกิดขึ้นซ้ำในไปป์ไลน์นี้ และเป็นสิ่งที่เราสร้างมาเพื่อรองรับ: โมเดลกว่า 200 ตัวภายใต้คีย์เดียวที่เข้ากันได้กับ OpenAI, ราคาตามรายการของผู้ให้บริการส่งต่อโดยบวกเพิ่ม 0.0% ดังนั้นการปรับลดราคาของผู้ขายจึงมีผลในวันเดียวกัน และการสลับไปใช้ระบบสำรองอัตโนมัติเมื่อผู้ให้บริการมีปัญหา เขียนครั้งเดียวให้เข้ากับเราเตอร์ แล้วทั้งเอนโคเดอร์ที่คุณเป็นเจ้าของและสกอร์เรอร์ที่คุณเช่าต่างก็ยังคงเปลี่ยนแทนได้
สิ่งที่ต้องทำในสัปดาห์นี้
หากอินพุตของคุณยาวกว่าหนึ่งหน้า มีสิ่งใดที่ไม่ใช่ข้อความ หรือต้องมีคำถามมากกว่าสองสามข้อที่ต้องตอบเกี่ยวกับอินพุตนั้น Laya ก็ไม่ใช่ตัวเลือก และการตัดสินใจจะอยู่ระหว่าง Gemini Decision 1 กับโมเดลอื่นที่ให้บริการแบบโฮสต์ในระดับเดียวกัน ในแง่ราคาและอัตราการผ่าน เอกสารของ Google ระบุสิ่งที่โมเดลรองรับไว้ในย่อหน้าเดียว โปรดอ่านก่อนที่คุณจะออกแบบโดยอิงกับสิ่งนั้น เพราะรายการที่ไม่รองรับ — ไม่มีการแคช ไม่มีแบตช์ ไม่มี Flex หรือ Priority ไม่มีสื่อภายในคำสั่งคำถาม — ยาวกว่ารายการที่รองรับ
ถ้าอินพุตของคุณเป็นประโยคหรือ JSON ก้อนสั้นๆ และชุดป้ายกำกับเป็นของคุณเอง โมเดลแบบโฮสต์คือวิธีที่แพงในการทำสิ่งนี้ ดาวน์โหลด Laya ติดป้ายกำกับตัวอย่าง 500 รายการ ไฟน์จูน และตรวจสอบการปรับเทียบก่อนที่คุณจะเชื่อค่าความเชื่อมั่น — นั่นคือเวิร์กโฟลว์ที่ผู้เขียนออกแบบมา และการ์ดของพวกเขาเองก็ชัดเจนผิดปกติเกี่ยวกับช่องว่างระหว่างเช็กพอยต์ฐานกับตัวที่ไฟน์จูนแล้ว
สิ่งที่คุณไม่ควรทำคือเปรียบเทียบ 66 กับตัวเลขจาก card ของ Laya ค่าทั้งสองนี้ได้มาจากเครื่องมือที่แตกต่างกัน ตัวหนึ่งเป็นคะแนน zero-shot ที่ต่ำกว่า majority baseline และอีกตัวเป็นคะแนนรวมแบบถ่วงน้ำหนักจากการประเมินด้วยข้อมูลส่วนตัวหกชุด การเปรียบเทียบเดียวที่คุ้มค่าจะทำคือการเปรียบเทียบบนรายการที่คุณติดป้ายกำกับเอง และมีเพียงหนึ่งในสองโมเดลนี้เท่านั้นที่สามารถรันในลักษณะนั้นได้เลย
