Laya 是开源非自回归决策模型，直接返回结构化类型与值，省去文本生成和解析。文章介绍在 Apple Silicon Mac 本地运行 Laya，用 FastAPI 封装并打包为自定义容器，部署到 Amazon SageMaker AI 实时端点。实测模型加载约 28 秒，三次调用均成功，平均约 426 毫秒。作者认为 SageMaker AI 便于运维、监控和权限控制，但上线前需做业务评估、概率校准和压测。