Jev wurde gebeten, den Thron zu übernehmen: StartLux.

Am 30. September veröffentlichte Shanghai AI, StartLux, ein vollständig Open-Source-Entscheidungsmodell. StartLux-EntscheidungEin einmaliger Start von 0.8B, 2B, 4B, 9B, 27B, 5. Laut der vom Team veröffentlichten Bewertung erhielt die Flaggschiff-Version 27B 63,88 Punkte auf dem Decision Index 0.2.1, mehr als Jeff 1.13 (57,91), der erste auf der Liste.Der neue König des Entscheidungsmodells führte zum Thron.Ich weiß es nicht.

Interessanter ist die Rate der F & E:Das gesamte Modell dauerte nur 3 Tage, um die Forschung und Validierung abzuschließen.Ich weiß es nicht. Dahinter steht die Auto Research-Linie, die von StartLux gebaut wurde - offiziell ist es einer ihrer Kernpfade, um RSI voranzutreiben.

Beginnen wir damit, dass dies ein Teamtest ist, keine offizielle Liste.

Dieser muss klar sein, sonst ist es leicht, über den Titel geführt zu werden.

Die Noten von StartLux sind:Mit dem offiziellen Bewertungstool des Decisión-Index hat sich das Team selbst an den öffentlichen Listen gemessen, die am 28. September 2026 abgeschlossen wurdenIch weiß es nicht. Mit anderen Worten:

• Sie verwenden das Checklisten-Bewertungstool und die Vergleichsdaten des gleichen Tages.
• Aber...Ihre Noten stehen nicht auf der offiziellen Liste.Es ist auch in dem offiziellen Artikel geschrieben, dass "nicht, dass es offiziell zertifiziert ist."
• Ja.Top-Score auf der öffentlichen Liste.(2026-09-28)

Die genaue Antwort ist also:"StartLux-Decisión hat die Spitze der aktuellen öffentlichen Liste durch das Team selbst gemessen übertroffen."Ich weiß es nicht. Es ist nicht erniedrigend - es ist selbst gemessen, was Stärke bedeutet, aber der Leser braucht eine Skala. Alle folgenden Zahlen werden mit der Standardprämisse "Team-Selbstmessung" genommen.

Was ist es: ein Entscheidungsmodell, das keinen Text generiert?

Beginnen Sie damit, den grundlegenden Unterschied zwischen dem StarLux-Decisión und dem allgemeinen Großmodell zu verstehen. Es ist kein Generationenmodell.Schreibe keine natürlichen SprachenIch weiß es nicht.

So funktioniert es: Gib ihm einen.StatusHinzufügen einer GruppeFragen- die Auswahl des Themas (eines aus mehreren Optionen) ist nicht oder wird bewertet. Der Zustand kann Text, JSON oder Bild sein, bis zu 256 K Token.Gibt die Wahrscheinlichkeit jeder Frage an jede Option zurückIch weiß es nicht.

Der Punkt ist im letzten Satz:Es produziert nichts.Ich weiß es nicht. Die Antwort wird direkt aus dem Optionsbrief nach einer Vorwärtsübertragung gelesen. So dauert eine kurze Frage einige Millisekunden und die Wahrscheinlichkeit kann direkt als Vertrauen verwendet werden.

Dies löst eine bestimmte Art von Arbeit in einem intelligenten Körper:HF, klare KandidatenmengeDas Urteil. Zum Beispiel kam der Passagierdienstauftrag - "die Bestellung wird wiederholt zurückgehalten, zeigt aber immer noch keine Zahlung" - und die gleichen Informationen können drei Fragen gleichzeitig stellen: Welches Team wurde ihm gegeben, ob es heute verarbeitet wird und wie viel Einfluss es hatte. Der traditionelle Ansatz besteht darin, dem Generationsmodell zu erlauben, ein Stück davon zu schreiben, was langsam und leicht zu interpretieren ist Fehler; eine Anfrage des StateLux-Decisión kann die drei Urteile zusammen abschließen.

Berichtskarten: 63,88 vs. 57,91,38 von 31 Won

Ein Vergleich des Decision Index 0.2.1 (beide 2026-09-28 Snapshots):

• StartLux-Entscheidung-27B:63.88
• Jev 1.13:57.91 (erster Platz)
• Rune 26B-A4B: 57.44
• Entscheider Chat 31B:57.33
• AutoJev-27B: 56.40
• StartLux-Entscheidung-9B: 58.639B ist vor Jeff.

27B höher als Jev 5,97 Minuten, der 38 im Index enthaltenen Referenzwerte,Es gibt 31 höhere Werte.Ich weiß es nicht.

Bitte beachten Sie das offizielle Zitat:"Die kombinierte Punktzahl bedeutet nicht, dass alle Fähigkeiten stärker sind."Ich weiß es nicht. Dieser Satz ist lesenswert.

Wo man gewinnt, wo man verliert.

Im Bereichswert für Decisión Index führt 27B in vier Bereichen, verliert aber an Jev:

• Sprachverständnis74,5 vs. Jev 62,0 (hoch 12,5)
• Suche und Klassifizierung66,8 vs 55,4 (hoch 11,4)
• Tools und Automatisierung82,2 vs. 75,1 (hoch 7,1)
• Kunst und menschliche Präferenzen47,9 vs. 37,7
• Wissen und Argumentation:44.3 vs. Jev 51.4 (später 7.1)

Diese Verteilung ist sehr illustrativ. StartLux-Entscheidung stark"Bedingungen verstehen, zwischen Kandidaten unterscheiden, die nächste Vorgehensweise wählen"Es sind die drei Arten von Fähigkeiten, die bei der täglichen Implementierung von Intelligenz am meisten benötigt werden; es ist rein intellektuellem Denken nicht überlegen. Die Schlussfolgerung ist also nicht "wer macht wen kaputt", sondern ...Die Auswahl hängt davon ab, welche Art von Urteil Ihre Intelligenz am wahrscheinlichsten trifft.Ich weiß es nicht.

Eine ähnliche Unterteilung besteht bei einzelnen Posten. Zum Beispiel API-Bank, die nicht führt, Home-Anwendungen ziehen von 52,3 in Jev auf 77,3 und POP909 von 15,9 auf 50,6. Dies sind die Werte des Decisión-Index, die nach dem Zufallsprinzip korrigiert wurden.Konnte nicht direkt als die Genauigkeit oder Vollständigkeit der ursprünglichen Version der Baseline betrachtet werdenIch weiß es nicht.

Sieben öffentliche Tests: 91,82% Durchschnitt, wenige Fehler 8

Neben dem Decisión Index floh das Team aus Shanghais Labor für künstliche Intelligenz, um das Inter-Design zu starten.Sieben Testreihen(JevBench EASY/Original/Hard, Typed Decisions, ToolaCE, AG News, WildjailBreak):

• StartLux-Entscheidung-27B durchschnittliche Genauigkeitsrate 91.82%
• Jev 1.13:88.74%
• Inter-Decisión-4B: 90,02 %

Öffentlich hat JevBench 231 Fragen, drei Antworten. 208 / 199 / 201 Frage - 27B vs. 9 mehr als Jeff. In der härtesten JevBench-Hard (111 offene Dilemmata), 27B Fehler 23, im Vergleich zu Jev 31Frage 8Ich weiß es nicht.

Auch hier gibt es einiges zu bemerken: Die öffentliche JevBench 208/231 ist nur eine offene Frage.Es ist keine offizielle Punktzahl von klassifizierten Tests, Geschwindigkeit und Kosten.; zusätzliche Trainingsdaten verwendeten den offenen Trainingssatz von 14 dieser Benchmarks und die entsprechenden Testfragen wurden herausgefiltert (offizielles Label).

Geschwindigkeit: Millisekunden, alle Probleme auf einmal nach vorne gezählt

Der Wert des Entscheidungsmodells ist halb richtig, halb schnell. In einem Kurzanforderungstest für Karte H200, BF16, lokales HTTP,Drei Fragen auf einmal.zeitaufwendig:

• 0,8B:12,2 ms
• 2B: 15,5 ms
• 4B: 26,0 ms
• 9B:35,7 ms
• 27B:102.3 ms
• 35B-A3B (MoE): 52,5 msJeder Token in 35B aktiviert nur etwa 3B, doppelt so schnell wie 27B.

Wenn Sie nur eine Frage beantworten, durchschnittlich 4B. 14,7 msIch weiß es nicht. Optimierung innerhalb des gleichen Modells ist eher ein Indikator für technische Gewinne: 4B CUDA Graph war 90,3 ms, wenn es nicht aktiviert war, bis 26,0 ms, wenn aktiviert- Mehr als das Dreifache der Promotion hängt vom Engineering ab. Das Projekt verwendet auch schnelle lineare Aufmerksamkeitsalgorithmen und konsolidiert mehrere Probleme in einer Vorwärtsberechnung, um Doppelaufrufe zu reduzieren.

Als Referenz, Jev 1.13 auf die drei Anfragen der gleichen Art, die Service-Ende von seinem API-Gateway gemeldet wird 64,0 msIch weiß es nicht. Die Behörden haben sich jedoch zurückgehalten, daran zu erinnern:Hardware- und Service-Depots variieren von einer Partei zur anderen und können nicht als Grundlage für die Schlussfolgerung verwendet werden, dass harte Hardware die gleiche Geschwindigkeit hatund diese Millisekunden sind nicht die Zeit, um die gesamte Webseitenaufgabe abzuschließen (sowohl Eingabelänge, Seitenlade, Werkzeugausführung). Vielmehr ist dieser in sich geschlossene Ausdruck der glaubwürdigere Teil der Veröffentlichung.

Felddarstellung: vom Browserbetrieb zum Spiel

Die offizielle Präsentation umfasste mehrere Richtungen, wobei der Kern "Modelle für die Entscheidungsfindung, Umsetzungssysteme für Maßnahmen" waren:

Browser/WebbetriebJeder Schritt stellt zwei Fragen – welche Steuerungen die nächste Operation sind und ob die Aufgabe abgeschlossen ist. In der Demonstration wurde die Filterliste für "Kaufen Sie die billigste, kostenlos, 8 AA-Batterien nach Hause geschickt" und die designierten Mitglieder wurden in das Design-Team eingeladen und als Editor eingerichtet. Achtung zu offiziellen Erklärungen:Kontrollierte UmgebungEs folgt ein kontinuierlicher Vorgang.Es ist nicht dasselbe wie freier Eintritt auf einer Website., vervollständigt das Eingabefeld auch die Auswahl durch den Kandidatenvorschlag.

Schach: StartLux-Decisión-27B und Jev 1.13 konkurrieren, weder suchen, und der Code überwältigt nie die Auswahl der Modelle (Stockfish zieht nur Bewertungsbalken). Es ist nur eine Frage der Zeit.256, 27B, 58,4%.Ich weiß es nicht.

Spiel: Mario (simulieren Sie zuerst 11 Kandidatenaktionen, schreiben Sie die Ergebnisse vor der Auswahl in Text), StarCraft II (stellen Sie alle 12 Sekunden der Spielzeit drei Fragen: was Sie bauen, was Sie priorisieren, was Sie angreifen / verteidigen / sammeln), DOOM (jeweils 4 Tic-Richter zielen, feuern, bewegen), JevBall (eine Anfrage für eine separate Aktion für mehrere Spieler in Ballnähe). In gleicher Weise:Dies ist kein einheitlicher Direct Read Screen Test.Es gibt Skripte für Wahrnehmung und Ausführung, und das Modell ist nur für den Teil der Entscheidungsfindung verantwortlich, der durch die Schnittstelle definiert wird.

Und es gibt noch ein Detail, das interessant ist - "Hanna, hast du Jeff heute gesehen?" Da sind Hannah und Jeff in diesem Satz. Das System muss urteilen.Er wurde über Hannah befragt.Anstatt einen anderen schauspieler wegen jeff antworten zu lassen. Es wird separat genommen, um festzustellen, ob das modell die konversation versteht oder nur mit dem namen übereinstimmt.

Fünf Spezifikationen + MoE + Quantified, lokal einsatzfreundlich

StartLux-Decistion bietet ein fünfstufiges dichtes Modell (0,8B / 2B / 4B / 9B / 27B) plus eins 35B-A3B Mixed Expert (MoE)Version. 3. Oktober.Bildeingang und 256K-Token-KontextJeder von ihnen kann als Beweis gelesen werden.

Lokaler Einsatz steht im Fokus: llama.cpp ist für jede Tranche verfügbar GUF Dateien, einschließlich BF16 zur Beibehaltung der ursprünglichen Genauigkeit, und zwei quantitative Formate Q8 0, Q4 K M,15 GGF-EinträgeIch weiß es nicht. Nehmen wir das Beispiel von 4B:

• Q8 0 Dateien 4.48 GBIn 231, auf JevBench mit dem Original rechts HeavyEntscheidungskohärenzrate 100%(Die gleiche Antwort für 204)
• Q4 K M Pressen 2,71 GB98,3%, ja 201

Vielleicht sollten Sie besondere Aufmerksamkeit schenken.Code verwendet Apache-2.0, aberModellgewichtung mit CC BY-NC 4.0 - Forschung und nicht-kommerzielle nur, kommerzielle Nutzung vorbehaltlich einer separaten StartLux Labs GenehmigungIch weiß es nicht. Dies unterscheidet sich von der "Full Open Source" -Propaganda, die vor der Kommerzialisierung bestätigt werden muss.

Die Schnittstelle ist kompatibel, Jev. Wahrscheinlichkeit kann umgeleitet werden.

Es gibt ein intelligentes Design auf der Zugangsebene: StartLux-Decisión mit TypeSafe /v1/systemone Schnittstellenformat,Client für Jev kann so verwendet werden, wie es ist, behalten Geschäftsprozesse den aktuellen "Zustand plus Problem" -Aufrufmodus bei und ändern die Serviceadresse. Die Schnittstelle (Lademodell lama.cpp mit begleitenden Entscheidungsdiensten, die für organisatorische Fragen und Ausleseoptionen verantwortlich sind) wird auch für die GGF-Bereitstellung beibehalten.

Ein weiterer Mechanismus der Besorgnis istWahrscheinlichkeitsumleitungDa jeder Kandidat eine Wahrscheinlichkeit hat, kann das System die Entscheidungsfindung in einem "validierten Routineszenario" direkt umsetzen; wenn der Kandidat schwer zu unterscheiden ist, sich in einem unzureichenden Zustand befindet oder ein höheres Betriebsrisiko hat, können zusätzliche Beobachtungen durchgeführt, eine große Modellanalyse durchgeführt oder manuelle Bestätigungen angefordert werden.

Die Regierung gibt auch eine echte Warnung:Die Wahrscheinlichkeitsausgabe entspricht nicht der tatsächlichen Erfolgsrate, und die Umleitungsschwelle wird mit der Kalibrierung der Betriebsdaten abgestimmt.; Zahlung, Löschung, Befugnis zur Änderung solcher Operationen unterliegen den ursprünglichen Genehmigungs- und Bestätigungsregeln - - Das Entscheidungsmodell ist der nächste Schritt für das System, um diese Einschränkungen zu beurteilen und nicht zu ersetzen.

Auto Research und RSI dahinter

Drei Tage, um ein fünfstufiges Modell zu erstellen, abhängig von StartLux. Auto-Forschungsentwicklungs-Pipeline(Erstellt von Mitbegründer und CTO Guo Guo Guo Jiu) Laut einem früheren Interview mit dem Maschinenherz hat AI bei diesem Ansatz nicht nur voreingestellte Experimente durchgeführt, sondern auch...Analyse von Fehlern auf der Grundlage der vorherigen Runde, Präsentation neuer Annahmen, Beteiligung an der Entscheidung, was als nächstes betrachtet werden soll; während Forschungsziele, Bewertungskriterien und Schlüsselregeln offen bleiben.

In der Systemabteilung von StartLux,StartLux-27B trägt die generische Fähigkeitsschicht, das Decisión-Modell konzentriert sich auf die Entscheidungsschicht mit hoher FrequenzUnd darüber ist Agent und Memoory, der Boden wird durch Quantifizierung, Argumentationssysteme und Hardware unterstützt. Decisión ist also keine isolierte Veröffentlichung, die auf der Suche nach Hot Spots gemacht wurde, sondern ein Stück dieser Architektur, das wie geplant aufgebaut wurde.

Guo Quan definierte Auto Research als Kernelement für die Erreichung von RSI: Erstens, KI in die Forschung und Modellverbesserungen einzubeziehen, dann weiter zu fordern "verbesserte KI, sogar die Fähigkeit, KI selbst zu verbessern, wurde verbessert". StartLux-Entscheidung ist ein konkretes Ergebnis dieser Linie.

Was ist damit?

Setzen Sie Jev auf den Thron.Ein chinesisches Team am Ende der Entscheidungsebene des Agenten.Ich weiß es nicht. Die Idee, die Jev mitbringt - mit einem dedizierten Modell, um Hochfrequenz zu übernehmen, für ein klares Urteil zu stehen, anstatt dem Generationsmodell zu erlauben, sowohl ein Schiedsrichter als auch ein Athlet zu sein - erweist sich als ein echtes Bedürfnis. StartLux verwendet eine Open Source, eine fünfte Spezifikation, eine lokale Bereitstellung und eine Jev-kompatible Schnittstelle, um die Straße "landbarer" zu machen.

Aber drei Erinnerungen stehen noch:

• Es ist ein Teamtest.Nicht auf der offiziellen Liste zertifiziert.
• Alles voraus, alles voraus.Es hinkt immer noch im intellektuellen Denken hinterher, Jeff. Das hängt von der Verteilung der Aufgaben ab.
• Das Gewicht ist CC BY-NC 4.0., "Full Open Source" nur für nicht-kommerzielle Szenarien, wobei Werbespots separat autorisiert sind

In jedem Fall lohnt es sich, sich daran zu erinnern, dass ein relativ junges Shanghaier Team drei Tage lang ein fünfstufiges Entscheidungsmodell gemacht und die aktuelle Spitze des öffentlichen Kalibers übertroffen hat.Die "Beurteilungsebene" des Agenten wird zu einem unabhängigen und verdienten Technologie-Track.

Das Entscheidungsmodell soll nicht das große Modell ersetzen, sondern weniger von den trivialen Urteilen machen, die es nicht machen sollte.