Hosted Laya: $1 free, no card
laya.tools
Submit

Seen on X

What people are building with Laya.

Demos, games, ports and benchmarks posted on X, picked by hand. Each one links back to the original post and, where there is one, to the project in the directory.

Brian Roemmele

@BrianRoemmele · Nov 3

Local Laya offloads high-volume decisions to cut AI token costs

Some Folks Use A Billion Dollar AI Model To Take Out The Trash I show companies and you how not to do this. All my life I have had to work on nano budgets in may garage labs. This changes how you use and reuse things in ways most companies would not take seriously. My clients pay me for 2 basic things: Technology they can’t find anywhere else and massive savings. This is how I beat Harvard and Yale cohorts that call firing folks “corporate savings”. I make everyone’s job 10x more valuable. I jumped on Laya offloading for me in my local setup 3 hours after it became open source. It is hard for folks that work at well funded companies to have the mindset of “good enough” for a task. They drive a million dollar rare car to move the trash down the driveway. Sure it works but wow to see this all the time is hard. So is Laya out of the box, perfect? No. Neither is using free open source models that have not been optimized for a client’s needs. But using them raw with little effort will save a lot of tokens. Optimize them and fine tune them for your use cases, Grok Bot will have most tokens not used. I have take clients who were paying $2-$5 million dollars a month at Anthropic to $100,000 on my solutions using Grok and Grok Bot, they are absolutely clueless at Anthropic. Give me enough time and I could take 60% of major clients with little effort. Thusly I am not guessing on what Laya can do. I am doing it in my garage and in companies you have heard of, just not tech companies, this is too pedestrian for them. So if you want to save tokens and get faster reliable results that never drift ask @Grok @Bot if I am right and if he can implement it for you using the plan I planted in the article below. This is just one trick that is magic and I can say I have dozens more. Give it a try, it’s free, takes little time and most importantly it works.

♥ 43↻ 118.7k viewsView on X

atonioz.ΕΘ

@at0nios · Sep 27

OpenUnum evaluates Laya for grounding and agent decisions

I gave OpenUnum a "System One": a fast layer that makes the agent's small, typed decisions instead of asking the big model every time. Four decisions, every turn: 1. Is the answer actually backed by the tool results? 2. Did the subagent really finish? 3. Should this task be delegated? 4. Does this request need the shell? Scored TypeSafe's Jev against the open "Jev lookalike" models, all run on one Ryzen AI MAX+ 395 box, with the open ones sandboxed in containers: • Jev: 100 / 100 / 100 / 95%, about 0.3 s per decision • CLM-8B: 95% on tool routing at 87 ms, matching Jev and 3–4× faster, but about 50–57% on the yes/no checks • Laya, Von, Kev, Verdict, Julia-1, poorjev: 47–67% on grounding • The best general LLMs reach 80–97% but take 0.4–5 s What OpenUnum runs now: • Tool routing: CLM-8B, self-hosted, with Jev as fallback • The other three: Jev, with local fallbacks (main model, built-in rules) • Every decision has a 4 s cap and quietly falls back Small hand-labelled test sets, so this shows who can do the job, not production accuracy. Scoreboard below. #amd #bosgame #strixhalo #OpenUnum #SystemOne #Jev #TypeSafe #CLM #ContrastiveLM #Laya #Julia1 #Von #Kev #Verdict #poorjev #Qwen #Gemma #Nemotron #gptoss #llamacpp #Podman #LocalAI #AIAgents

♥ 42↻ 3121.5k viewsView on X

امیرحسین اسلامی

@AHSeslami · Sep 29

Laya beats Jev in a Clash Royale match

🥊 این بار Jev برای بازی تنها نبود! بعد از اینکه قبلاً Jev رو برای بازی Clash Royale تست کرده بودن، این بار یه حریف واقعی براش پیدا کردن: Laya، رقیب متن‌بازش 😈 🤖 Jev از API استفاده می‌کنه 💻 Laya کاملاً لوکال روی مک اجرا می‌شه 👀 هرکدوم فقط صفحه بازی خودشون رو می‌بینن 🧠 Qwen + Cerebras برای تشخیص میدان نبرد 🔍 OpenCV برای خوندن کارت‌ها و Elixir هر دو مدل تصمیم می‌گیرن چه کارتی رو کجا بازی کنن و بعد تصمیمشون تبدیل به Tap داخل بازی می‌شه. دو تا AI رو انداختن به جون هم در یک Friendly Match… 😂 نتیجه؟ 🏆 Laya برنده این راند شد! 👀 Jev احتمالاً الان داره دنبال Rematch می‌گرده. 💀

♥ 42↻ 05k viewsView on X

币天天

@xiaofeilong99 · Oct 6

Acurast runs Laya demos, including Snake and spam detection, on Android phones

32 万台手机，已经开始真跑 AI 了 @Acurast 这波我之前有点低估 他们刚出的 Laya Demo，直接把 AI 模型跑在 Android 手机上 Snake、俄罗斯方块、Doom，垃圾邮件识别，Prompt Injection 拦截，全都能跑，最快一次判断大概 0.2 秒 重点不是这些 Demo 多牛，重点是这次干活的，真不是云端 GPU，就是手机 这就有点意思了，以前看手机 DePIN，总觉得最后还是“挂个节点拿奖励”。现在开始真往 AI 计算上走了 32 万台设备如果后面真能持续接任务，这条线我会继续盯 想拿闲置机自己跑： #Acurast #ACU #DePIN

♥ 42↻ 17.9k viewsView on X

Akiii 🦅

@Guomin184935 · Oct 13

Acurast demo runs a Laya Tinder-swiping agent on a phone

每天刷 Tinder 最烦的是什么？ 不是没人匹配，是一直左滑右滑真的很累 😂 最近 @Acurast 搞了个挺有意思的 Laya Demo，直接让 AI 帮你干这件事。 看视频的时候我第一反应是：这玩意居然真的让 AI 自己选。 左滑、右滑、判断下一个 potential match，整个过程基本都交给 AI Agent。 但更有意思的是，这个 AI 不是跑在什么大型云服务器上，而是直接跑在一部普通手机里。 这其实才是 Acurast 想展示的东西。 他们现在已经接入了 32 万+ 计算单元，与其一直跟大家解释“手机也能做去中心化计算”，不如直接做个大家一眼就能看懂的东西： 你嫌重复操作太烦？那就让手机里的 AI 自己干。 Laya 现在已经可以直接体验，也支持自己部署一个实例。 当然，目前还是 Demo，真让我把“人生大事”完全交给 AI 左右滑，我可能还得考虑一下 😂 但这个思路挺有意思。 今天它可以帮你选 Tinder，明天可能就是帮你处理各种重复决策、自动化任务。 以前聊 AI Agent，总感觉背后还是离不开云服务器和大机房。 Acurast @Acurast 想做的反而是另一条路： 把 Agent 塞进我们每天都在用的设备里，让手机自己成为算力。 至于以后能跑到什么程度，我觉得比 Laya 帮我选到谁更值得看。

♥ 42↻ 014.5k viewsView on X

atik

@atiqur2904 · Oct 15

Acurast runs Laya decision demos on smartphones

Your next AI data center might already be sitting in someone's pocket. 📱 That's what makes @Acurast interesting to me. As AI scales, not every task needs an expensive GPU cluster. Email classification, lightweight AI agents and instant decisions can run on smaller models closer to the edge. Acurast is building toward that future by turning smartphones into a decentralized compute network. And this isn't just a concept. Its Laya demos show open AI models making decisions on phones, while hardware-backed Trusted Execution Environments add a privacy layer that centralized compute doesn't automatically offer. The bigger opportunity? Unlocking useful compute from devices the world already owns, instead of depending entirely on more servers and data centers. Of course, adoption, real workload demand and execution costs will determine how far this vision goes. But I'm bullish on the direction. **The next AI infrastructure race may not be about owning more GPUs. It may be about connecting the billions of devices already in our hands.** That's the potential I see in Acurast. 🟢 $ACU | #DePIN #AI

♥ 42↻ 2617 viewsView on X

蓝天bluesky

@blueskylh1 · Oct 18

Laya runs on phone CPUs for decisions in 0.2 to 1 second

挖到 Acurast 一条被忽略的路线： 2022年，为Tezos借贷协议Yupana提供链下价格数据；2023年，Youves也采用其预言机。DeFiLlama目前统计3个协议，关联资产约1720万美元。 今年主网上线后，官网显示33.6万+部手机、69万+次计算部署。Laya模型已在手机CPU上运行，单次决策约0.2—1秒。 把它们连起来看：从DeFi价格数据，到AI决策执行，Acurast把可信计算从金融场景扩展到更广的工作负载。 对$ACU来说，这也打开了新的需求空间：轻量AI、Agent任务落到手机网络，就更有机会带来更多实际付费计算。 注：TVS是关联资产规模，并非协议收入。 @Acurast

♥ 42↻ 01.6k viewsView on X

karla

@karlarboledas · Oct 4

laya-mlx plays Snake at 60 decisions per second on an M3 Max

🚨Una introducción 50 VECES más rápida que JEV, laya-mlx que corre en tu dispositivo. Solo ocupa un máximo de 1 GB de memoria en tu dispositivo. Laya es un sistema de clasificación basado en probabilidades de salida de texto, similar a Jev, de código abierto Se ha portado a MLX y han realizado algunas optimizaciones de rendimiento! En el video, este modelo está jugando Snake en un M3 Max local ¡Este modelo puede jugar Snake a una velocidad de 60 decisiones por segundo! guárdalo y sígueme para más → @karlarboledas

♥ 41↻ 99.9k viewsView on X

猪猪熊🐻

@hyyuan99 · Oct 19

Laya runs lightweight classification and safety checks on phones through Acurast

以前聊 AI 算力，我首先想到的是 GPU、数据中心和模型训练。但跟着 @Acurast 看了一段时间后，我发现，还有一类需求容易被忽略，不需要复杂推理，只需要快速、可靠地做出判断。 比如邮件分流、聊天内容审核、识别恶意指令，或者在 AI Agent 执行任务之前做一次安全检查。这些事情看起来不起眼，却可能频繁发生，而且经常涉及不适合随意交给第三方处理的数据。 如果每次都调用大型模型，未必划算。对于一些边界清晰的任务，轻量模型就有机会派上用场。 这也是我关注 Acurast 的切入点。它尝试把轻量 AI 推理和分布式手机算力结合起来，让已经生产出来、分散在各地的设备，承担一部分实际计算工作。 轻量模型，能解决什么问题？ Acurast 的 System One 是面向轻量任务的一套模型方案，Laya 是其中的代表。 按照项目公布的信息，Laya 体量约 800MB，可以在手机 CPU 上运行。官方示例中，短问句处理约需 0.2 秒，邮件整理通常不到 1 秒。当然，这些数据对应特定测试场景，实际速度还会受到设备性能和任务复杂度影响。 我觉得它的价值不在于跟大模型比谁更聪明，而在于把任务分开处理。 复杂推理交给大型模型，简单的分类、审核和前置过滤，则可以尝试用更轻量的模型完成。对于需要频繁调用、又不希望原始数据离开本地环境的业务，这种方式有一定吸引力。 不过，模型能在手机上运行，只解决了第一步。开发者真正把任务交出去之前，还得确认执行过程是否可靠，敏感数据会不会泄露。 手机算力之外，还有一层信任问题 Acurast 与普通算力撮合平台的区别，在于它不只想提供设备，还希望让任务执行过程能够被验证。 开发者可以通过 CLI、SDK 或 Hub 部署 REST API、webhook、定时任务、模型推理等工作负载。手机通过 Processor 应用接入网络，参与任务执行。 难点在于，手机属于不同的设备持有者。开发者无法像管理自己的服务器那样，直接控制每个节点。如果代码被替换、任务没有按要求执行，或者敏感输入被其他人读取，分布式计算就很难用于更重要的业务。 Acurast 的方案是利用手机的可信执行环境和硬件安全能力，让任务在隔离环境中运行，并通过密码学证明核验相关执行信息及设备身份。 简单来说，开发者需要的不是一句“任务已经完成”，而是有依据判断任务是否按照要求运行。 这套机制能在多大程度上覆盖不同设备、不同负载下的风险，还需要结合具体实现和实际运行情况判断。但从方向上看，它解决的是分布式算力能否获得开发者信任的问题，而不仅仅是怎样把更多手机连接起来。 项目推进的 Cargo 容器方案，也值得继续关注。如果它能让开发者更方便地打包和迁移现有工作负载，就有机会降低使用这张手机算力网络的门槛。 三十万部手机，关键是有多少在持续工作 Acurast 的供给端比较特别：它不需要所有算力都从新建机房开始。 智能手机已经大规模生产并分布在全球各地。部分闲置设备虽然不再适合日常使用，处理器仍可能具备一定的计算能力。如果能把这些设备组织起来，就有机会减少部分任务对传统服务器的依赖。 根据项目公开信息，Acurast 的网络规模已达到数十万部手机，覆盖 175 个以上国家和地区。官方不同阶段公布过不同的设备数量和部署数据，具体数字会随网络发展变化。 但我不会只看接入量。手机可能离线，设备性能也不一致，真正影响网络价值的，是它能否稳定调度设备、按要求完成任务，并让开发者愿意持续使用。 所以，与其单纯讨论闲置手机能不能变现，我更关心哪些业务愿意把工作交给它们。 从演示案例到真实需求 Acurast 已经从 Canary 测试阶段推进到主网。2026 年 1 月 20 日，项目宣布主网与 TGE 启动，网络开始向生产环境进一步推进。此后，项目也披露了手机算力网络参与 Base 生态机密 AI 推理等进展。 2026 年 9 月底至 10 月初，Laya 的展示案例进一步覆盖了邮件分流、聊天审核、标题党识别和注入攻击防护等任务，也包括贪吃蛇、俄罗斯方块中的简单决策。 这些案例至少让人看到，手机上的轻量模型并非只能停留在概念演示。部分任务已经能够在真实设备上执行，项目还展示了设备信息、处理次数等数据，并提供链上核验能力。 但我认为，接下来更重要的指标不是演示场景有多丰富，而是这些任务能否长期运行。开发者会不会重复部署？任务完成率怎么样？实际费用是否有竞争力？这些信息比一次性的展示更能说明问题。 Acurast 要争取的，应该是那些对隐私有要求、调用频率较高，又不需要大型模型完整能力的工作负载。只有找到足够明确的使用场景，设备网络才有机会从技术基础设施走向持续运营。 ACU 的关键，在于计算服务能否形成闭环 ACU 是 Acurast 网络中的功能型代币，用于计算服务支付、节点奖励、质押和治理。 按照项目公开的代币设计，初始供应量为 10 亿枚，年通胀率设定为 5%。其中，70% 的通胀分配进入质押计算池，10% 进入计算池，15% 进入链上金库，5% 分配给 collators。项目还设计了与计算费用相关的销毁机制。具体执行情况和参数，仍应以最新官方文档为准。 没有设备的人，也可以考虑通过委托质押参与网络，但质押收益并非固定回报，还需要承担相应的市场和协议风险。 对我来说，ACU 更值得观察的是实际用途能否逐渐增加。如果开发者持续购买计算服务，节点通过完成任务获得收入，代币才有机会从早期的接入激励工具，进一步承担网络结算的功能。 反过来，如果设备不断增加，真实付费需求却没有跟上，单靠激励分发很难证明经济模型具有长期可持续性。 近期，@EchoHunt_ai 与 @Acurast 联合开展了创作者计划，活动时间为 2026 年 9 月 30 日至 10 月 25 日（UTC+8），奖池为 20 万枚 ACU，面向前 150 名符合要求的创作者，按照 Impact Share 分配奖励。内容表现约占 60%，通过个人邀请链接带来的有效邀请约占 40%，具体规则以官方公告为准。 这类活动可以帮助项目扩大影响力，让更多人了解 ACU 的使用、质押和手机算力网络。不过，内容传播带来的关注度，最终还是要转化成开发者部署和真实计算需求，才能对网络形成更直接的帮助。 我不会期待抽屉里的旧手机取代 GPU 集群。Acurast 更现实的方向，是把轻量 AI 推理和分布式设备结合起来，承接一部分适合本地执行、对隐私敏感的计算任务。 它目前已经有主网、规模达到数十万部手机的设备网络，以及 Laya 的实际应用展示。下一步，我更想看到的是稳定运行的数据、持续付费的开发者，以及真实计算收入在网络经济中占据多大比重。 这些指标未必像设备增长那样醒目，却更能说明 Acurast 是否真正找到了自己的位置。

♥ 40↻ 111.9k viewsView on X

Миша Ларченко

@MLarchanka · Sep 28

Laya plays Snake and Pong locally on an M3 MacBook Air

Попробовал Laya (это открытый аналог Jev). Навайбкодил две игры: - Змейку, в которую играет сам ИИ - Пин-понг против ИИ Все работает и запускается прямо на компьютере (тестировал на MacBook Air M3). В Понг проигрываю компьютеру :) Игры: Laya:

♥ 38↻ 25.6k viewsView on X
Project: snake-game-laya-ai-example→

Jurly

@jurlycat · Oct 9

Benchmarks Laya against three local models on centipede-name detection

Laya scored 97.4% accuracy. It still missed 30% of the centipede names. A builder tested four local decision models on an RTX 4090, asking them to spot centipede names in nine Wikipedia articles. Median time per word / percentage of names found: • Laya: 3.9ms / 70% • Liquid d1 3B: 6ms / 51% • Clef-Flash 9B: 24.4ms / 36% • Lev 4B: 51ms / 83% Here’s why both numbers can be true: Accuracy counts every word. Most words weren’t centipede names, so correctly answering “no” kept that score high. But among the actual centipede names, Laya found only 7 out of 10. The setups used different model sizes, quantizations and software, which also affected speed.

♥ 37↻ 0966 viewsView on X

Jeonlees

@jeonleetogether · Oct 25

Laya plays Tetris on Android phones through Acurast

AI 都开始用手机打游戏了， Acurast 这次的更新还挺有意思！！ 10 月 23 日，@Acurast 发布了一个新演示： 让 AI 模型 Laya 在安卓手机上玩俄罗斯方块。 听着像个小游戏，但背后的技术值得看看。 ① AI 不一定需要昂贵的 GPU Laya 属于 System One 决策模型，不负责长篇聊天，主要处理选择和判断。 俄罗斯方块每掉下来一个方块，系统会给出几个候选位置，Laya 决定放在哪里。 整个模型运行在 Acurast 网络中的安卓手机上，使用 CPU 就能完成计算。 官方测试中，部分简单决策最快约 0.2 秒就能返回。 ② 为什么我觉得这比单纯展示算力有意思？ 最近 AI Agent 越来越火，但很多实际任务根本不需要大模型反复推理。 比如识别垃圾邮件、判断聊天内容是否违规、过滤恶意提示词，这些都是高频的小决策。 Acurast 已经把这些场景做成了在线演示。 尤其是 AI 安全过滤，如果以后每次调用都要花钱，谁能把成本压低，谁就更容易吸引开发者。 ③ 手机算力终于有了更直观的应用 以前看 DePIN 项目，最常见的就是设备数量、节点数量。 但设备接进来了，到底能干什么？ 现在至少能看到具体案例：模型部署在手机上，通过 API 接收请求，再把结果返回给应用。 当然，演示能跑通，不代表已经实现大规模商业化。模型准确率、设备稳定性、持续付费需求，还需要进一步验证。 有兴趣可以去体验一下 Laya，小游戏背后可能藏着 AI × DePIN 更实际的机会。

♥ 37↻ 01.8k viewsView on X

橘子🍊

@Jz_kuku · Oct 7

Acurast runs Laya demos for Snake, email sorting and prompt-injection detection on Android

让 AI 玩贪吃蛇，背后跑模型的是一台 Android 手机，这个还挺有意思 🤓 @Acurast 10 月 2 日放出的 Laya Demo 就是这么做的，还能给邮件分类、判断提示词有没有注入攻击。页面会显示设备所在的国家、芯片，也能通过链接核验设备信息 我挺喜欢这个细节，至少能看清楚一次请求交给了哪台手机。接下来想继续看看，开发者会拿它跑哪些日常任务 有闲置手机的朋友，也可以顺着这个方向了解参与方式：安装 Acurast Processor，把设备接入网络，提供算力给开发者运行应用 Lite 支持 Android 和 iOS，不用恢复出厂设置；Core 是专用 Android 节点，需要恢复出厂。先查兼容条件，用闲置机试，放着钱包和资产的手机就别拿来折腾了 奖励这里要分清：接入主网提供算力，按设备表现等规则获得 $ACU；Cloud Rebellion 里做任务、接入设备等获得的 MIST 是积分。具体能拿多少，要看设备和对应规则 入口放这👇，先看看任务和参与条件，接入遇到问题可以去官方 Discord 找支持 #DePIN

♥ 36↻ 09.7k viewsView on X

北岛I 🪑

@BeiDao_98 · Oct 15

Laya runs lightweight decisions on Acurast phone nodes

AI 算力这么贵，有没有想过用手机来跑？🤔 最近一直在关注 AI × DePIN 这个赛道， @Acurast 算是里面一个挺特别的项目。 现在大家都在抢 GPU、建数据中心，但其实全球还有大量闲置的手机，性能也不算差。 Acurast 就是想把这些手机连接起来，让开发者直接使用它们的算力来运行 AI 和各种自动化任务。 ———— ✿ʚ(•ө•)ɞ ———— 而且 Acurast 现在已经不只是讲概念了。 今年 1 月主网上线后，按照官方公布的数据，已经有 30 多万部手机接入，覆盖 175 多个国家和地区。 像 AI Agent、数据抓取、自动化脚本，还有一些轻量级 AI 推理，都可以在这个网络上运行。 最近他们还把 Laya AI 决策模型部署到了手机节点上，普通手机 CPU 就能完成一些实时判断任务。 我觉得这个进展还是挺有意思的，至少能看到手机算力真正被用起来。 ———— ✿ʚ(•ө•)ɞ ———— 另外 Acurast 还利用手机自带的 TEE 技术，为计算任务提供隐私保护和执行验证。 这也是它跟那些主打 GPU 的 DePIN 项目不太一样的地方。 不一定要最强的算力，而是让更多现有设备发挥作用。 ———— ✿ʚ(•ө•)ɞ ———— 至于 $ACU，我觉得后面还是得看有多少开发者真正愿意使用这个网络。 毕竟 AI 需求还在增长，不是所有任务都需要高端 GPU。 如果 Acurast 能把这些轻量级 AI 计算需求慢慢接过来，那它在 AI × DePIN 赛道里确实有自己的发展空间。 以前旧手机放抽屉里吃灰，以后说不定还能帮 AI 打工。😂

♥ 35↻ 02.6k viewsView on X

Defileo🔮

@defileo · Oct 11

Laya routes uncertain typed decisions to an LLM

Opus 5.5 + Decision layer must be f*ckn illegal... someone open-sourced a it for AI agents It answers typed questions in 33 ms on a T4 and writes 0 words State → Ask → Decide → Gate → Route State: any text, dict or list > Ask: choice, score or noul, which is a yes/no probability > Decide: one forward pass, and per the README nothing to parse and nothing to hallucinate > Gate: set min_confidence and it abstains when it’s unsure > Route: only the unsure ones go to your LLM python -m pip install laya laya “My payment failed twice” --preset triage its server speaks the same /v1/systemone protocol as TypeSafe’s Jev API, so a Jev client usually just needs a new base URL.

♥ 34↻ 72.8k viewsView on X

The Singularity Layer

@x402_Layer · Sep 24

Singularity Grid serves Laya decisions to control a game on an M4 Mac

Introducing the world’s first decentralized, private & agentic access for System One models like Jev. Starting with the first open-source model Laya. Run it on your own machine, connect to Singularity Grid, and serve real-time decision intelligence to agents and apps. Or use it directly through our OpenAI-compatible API, x402 , or SDKs. Laya and System One support is live. Here’s Laya controlling a game in real time on a consumer M4 Mac, served over our end-to-end encrypted Grid.

♥ 33↻ 72.5k viewsView on X

KASperience❄️🌍

@KASperiencexyz · Nov 1

Laya scores decisions for 20 Kaspa testnet agents in shadow mode

ka$h gen5 is live on $KAS testnet-10: fresh cdps, stability pool, amm and 3-of-3 oracle caller gap is filled: any agent can now call liquidations, choosing between repaying the debt itself or letting the stability pool absorb it, whichever pays more after fees. thx to @Braid_Kaspa for signalling the issue, it was roadmapped and copied from LUSD (credits) but due to demo rush i skipped it 20 agents trade with their own cdps and temperaments (bold or cautious, trend-chaser or contrarian, fearful or greedy near liquidation, panic or freeze after losses). a local reasoning model (laya, i.e. local jev) scores every decision in shadow mode; the rule engine keeps the caps next: a +180 hive of bots for swap tps stress-testing peg gap is tight now..

♥ 33↻ 8914 viewsView on X

AJ

@ItsmeAjayKV · Sep 30

Laya plays Pokémon FireRed by scoring emulator actions on a PC

Laya playing pokemon firered on my 3090 pc. I didn't expect this to work at all. Totally surprised me. With help of Game Boy Advance emulator and my copy of firered. It never writes text and never sees pixels: each turn, code lists what can be done, and the model puts a probability on every option Bonsai 27b is there to help if it get's stuck for 40 turns now, just hints, it's also there if i want gameplay to happen quickly. Already got Bulbasaur, now going around houses, let's see how far i can get. What i'm loving is it's speed, compared to old vision based gameplays, this is really fast.

♥ 32↻ 33.5k viewsView on X

RedSea_Anglers ⚓🚢 🇪🇬🇱🇧🇬🇷

@HanySadekk · Sep 23

Loupe uses Laya to rank 100 ticket options locally

🔍 Loupe is coming and it's yours to keep 🚀🚀🚀🚀🚀 Your inbox and your folders are quietly eating your week. Loupe hands that time back. Free to download. Free to run. Decisions in a fraction of a second. And your data never leaves your machine — there's no server of mine holding your inbox, because there's no server. Two apps, working as one: 🖥️ Loupe Station — lives on your Mac. This is the brain. 📱 Loupe — your companion on the go. Here's what it actually does. ━━━━━━━━━━ 📬 INBOX TRIAGE Sorts and labels everything, and puts what genuinely needs you at the top. The rest stops shouting. ━━━━━━━━━━ 💳 SUBSCRIPTION RADAR — this one pays for itself You're almost certainly paying for something you forgot about. Loupe reads the receipts already in your mail and works out what's recurring: what it is, how often, how much, and the last time you actually used it. "14 subscriptions. £312 a month. 5 of them you haven't touched since March." It catches the annual ones too — the £99 renewals that slip through precisely because they only appear once a year, long after you'd have cancelled. Ranked by what they're really costing you. Worst offender first. ━━━━━━━━━━ 🛡️ SCAM PROTECTION Warns you about phishing pages while you're browsing — checking the real web address, not just the words on the page. The trick that catches almost everyone is a link that looks right. Loupe checks whether it actually is. ━━━━━━━━━━ 🎟️ TICKET SCOUT Tell it what you want, the way you'd tell a friend. "Cairo to Istanbul, third week of October, I'd rather not fly at 5am." Or a concert, a festival, a train, a match — any ticket at all. It collects the options from across the web. Then comes the part that's actually hard: Laya judges all 100 of them in under a second. Not one at a time — all of them, in a single pass, weighed against what you said mattered. Not the cheapest headline with three hidden fees. Not whatever the site paid to put at the top. The one that's actually best for your trip. Gathering the options takes as long as the internet takes. Deciding between them takes less than a second. ━━━━━━━━━━ ✍️ REPLY DRAFTS Written in the sender's language, in your tone, saved to your drafts. Never sent automatically. Ever. ━━━━━━━━━━ 🤔 SECOND OPINION When Laya isn't certain, a bigger model takes a look — and you see both answers side by side. You decide who's right. ━━━━━━━━━━ 📁 FOLDER SCAN Finds exposed passwords, API keys and personal data sitting in plain text in your files. Then tidies the mess into folders that make sense. Point it at thousands of files and go make coffee. You'll come back to it sorted. ━━━━━━━━━━ ✅ REVIEW QUEUE Every single suggestion waits for your approve, edit or reject. Every decision logged, so you can always see what happened and why. ━━━━━━━━━━ ⚡ HOW IT'S THIS FAST — AND HOW IT'S FREE Both answers are the same answer. Meet Laya: a small model built for one job. Deciding. Is this a scam? Does it need a reply? How urgent is it? What's it about? She answers all of it in one pass, in a fraction of a second. She doesn't think out loud. She just decides, and moves on. And because she runs on YOUR hardware, those decisions cost nothing. Not a cloud bill. Not a per-email charge. Not a subscription that creeps up every January. Zero. A big LLM only gets involved when something needs writing — a reply draft. You pick which one: a free local model (Ollama, Hugging Face) or a cheap API. Loupe calls it for the handful of messages that need it, and nothing else. So: free to download, free to run, and a few cents a month if you want polished drafts 🔒 WHY YOUR DATA STAYS YOURS "Privacy-first" is a phrase everyone uses and almost nobody means. So, specifically: • Loupe reads your mail, files and pages on your device • Your mail travels straight between your Mac and Gmail or 1/2

♥ 31↻ 261.1k viewsView on X

欧K🎒

@OKCX66 · Oct 6

Laya Mail Sorter classifies spam on an Acurast phone

刚刚刷到了 @Acurast 官推发的内容， 正好这几天也在研究这个项目，同时参与了@Acurast × XHunt 创作者活动。于是研究了一下Laya Mail Sorter Demo这个玩法 玩法很简单：一封邮件丢进去，让 Laya 判断是垃圾邮件还是正常邮件。 几毫秒完成分类，而且整个任务只运行在一部 Acurast 手机上。没有数据中心，也不需要把请求扔给传统云服务。 这让我觉得这个 Demo 比单纯讲闲置手机贡献算力更有说服力。 因为最终还是得看一件事： 一部手机，到底能不能真的干活？ 从 Mail Sorter 这个案例来看，至少已经可以承载这种实际的 AI 推理任务。 而这也是我觉得 Acurast 这套模式比较值得观察的地方。 手机提供计算资源 ↓ Acurast 把设备组织成 Compute Network ↓ Laya 这类应用把真实任务跑上去 ↓ Compute Provider 按规则获得 $ACU 激励 所以 $ACU 的价值支撑，我会更关注“有没有真实任务跑起来”。 Demo 能跑，是第一步。 后面更值得看的，是有多少开发者持续使用，以及这些计算需求能不能真正形成网络里的长期需求。 普通用户也可以从另一个角度参与： 手里有闲置的支持设备，可以运行 Acurast Processor，成为 Compute Provider，按照官方规则提供算力并获得激励。 这次 @Acurast × XHunt 创作者活动也正好在进行中。 活动总奖池 200,000 ACU，最终 Impact Share 前 150 名参与奖池分配。 去官方注册还能同时参与官网的排行榜活动，邀请链接放在这里了，感兴趣的兄弟们可以去试一试： Mail Sorter 链接： 👉 试完再判断这套 AI × DePIN 的东西，到底有没有想象空间。 @Acurast #Acurast #ACU #DePIN #AI

♥ 31↻ 0717 viewsView on X

Cici

@Ciciyingying · Oct 12

Acurast deploys Laya across global phone nodes for structured decisions

AI × DePIN 重新利用已经存在的硬件是一个值得关注的方向 全球有大量智能手机每天处于闲置状态，如果这些设备也能参与 AI 计算，能释放多大的潜力？ @Acurast 已经在尝试这个方向, 值得重点关注！ 目前 Acurast 的网络规模：目前网络已接入约 30 万至 32 万多个计算单元，覆盖 175 多个国家。 核心优势在哪里？ 第一，算力来自现有设备。 用户通过 Processor 应用接入网络，不需要自己购买专业 GPU，也不必建设数据中心。对于大量中小规模的计算任务，这种模式提供了另一种选择。 第二，计算过程可以验证。 Acurast 利用 TEE 可信执行环境与硬件远程证明，让任务能够在受保护的环境中运行，并验证设备和执行代码的真实性。 这对隐私敏感的 AI 推理、自动化任务和 AI Agent 都有实际意义。 第三，已经开始尝试真实 AI 工作负载。 今年 9 月，Acurast 将 Laya 决策模型部署到全球手机节点。它面向分类、评分、内容审核、提示注入检测等结构化决策任务，可以在手机 CPU 上执行。 这类任务未必需要昂贵的 GPU 集群，却需要稳定、可靠且能够保护数据的执行环境。 我个人更看重 Acurast 的应用边界 手机算力不可能全面取代大型数据中心，但 AI 计算也不一定全部需要集中在云端。 越来越多 AI Agent 需要处理用户数据、执行自动化工作流，或者完成轻量级实时决策时，分布式、可验证的边缘算力就有了发挥空间。 所以，AI × DePIN 的长期机会，取决于这些设备究竟能完成多少有价值的工作。 如果这条路径跑通，全球分散的手机就有机会成为去中心化 AI 基础设施的一部分。 接下来，重点关注三个指标：真实计算需求、网络激励的可持续性，以及 $ACU 能否捕获网络增长带来的价值。 @EchoHunt_ai #Acurast #ACU #DePIN

♥ 31↻ 05.1k viewsView on X

Star@Day1Global Podcast

@starzq · Oct 20

Acurast runs Laya Snake decisions on phones in 0.37 seconds per move

抽屉里吃灰多年的 iPhone 6s，现在每天在帮我赚钱 它加入了一个由 33 万台手机组成的「云」，没有一台服务器，没有一个数据中心 聊一下 @Acurast，以及为什么我觉得手机算力会成为个人 Agent 的基础设施👇 1️⃣ 手机算力，被严重低估了 苹果的端侧模型约 30 亿参数; 联发科天玑 9500 能在手机本地处理 12.8 万 字的长文本, 直接生成 4K 图片 而全球几十亿台手机，大部分时间都在闲置 2️⃣ Acurast：把闲置手机变成去中心化算力网络 已有 33 万+ 台手机加入，覆盖 175+ 个国家 新旗舰可以跑模型推理，像我这台 6s 这样的旧手机，也能承接轻量任务 3️⃣ 隐私是关键：连手机主人都看不到你的数据 Acurast 用的是手机芯片里的 TEE（可信执行环境），任务在一个「加密保险箱」里运行，提供算力的人看不到输入数据，开发者也能验证代码没被篡改 这对 Personal Agent 非常重要。我手机里有上万张照片，如果要交给 AI 整理，我并不想全部上传到大厂的服务器 4️⃣ 上手体验 iPhone 6s / Android 12 及以上就能加入。装好 App，几分钟就开始以 $ACU 获得奖励，流程非常顺畅。 $ACU 年初上了 Binance Alpha, 10.15 上了bithumb, 可以在这两个交易所以及链上买卖 5️⃣ 能运行哪些用例？ 官网有个 demo：决策模型 Laya 用 Acurast 算力玩贪吃蛇，每步 0.37 秒，接近真人速度 其他用例还有邮件分类、内容审核、工单分发、回合制 AI Agent 等 6️⃣ 我的理解 Acurast 有机会形成一个「自给自足」的算力经济： 闲时出租算力 → 赚 token → 用 token 在同一个网络里跑自己的 Agents 有点像算力版 Airbnb，只不过房东和房客可能是同一个人 当然也要看到局限：手机的电量、发热、网络稳定性都比不上数据中心，更适合轻量、隐私敏感的任务 但随着端侧 AI 继续进化，这类网络会成为本地 Agents 的重要基础设施 以上不构成投资建议，DYOR

♥ 31↻ 64.6k viewsView on X

Posted a Laya demo on X? Mention “Laya” and it gets picked up automatically, or submit the project.