Se le pidió a Jev que tomara el trono: StartLux.

El 30 de septiembre, Shanghai AI, StartLux, lanzó un modelo de decisión de código abierto. StartLux-DecisionUn lanzamiento único de 0.8B, 2B, 4B, 9B, 27B, 5. Según la evaluación publicada por el equipo, su versión insignia 27B recibió 63.88 puntos en el índice de decisión 0.2.1, más de Jeff 1.13 (57.91), el primero en la lista.El nuevo rey del modelo de decisión llevó al trono.No lo sé.

Más interesante es la tasa de R & D:Todo el modelo fue de sólo 3 días para completar la investigación y validación.No lo sé. Detrás de esto está la línea Auto Research construida por StartLux -- oficialmente, es uno de sus caminos centrales para avanzar en RSI.

Empecemos diciendo, esto es una prueba de equipo, no una lista oficial.

Este debe ser claro, de lo contrario es fácil ser liderado sobre el título.

Los grados de StartLux son:Utilizando la herramienta oficial de evaluación del Índice de Decisión, el equipo se automedidó contra la lista pública completada el 28 de septiembre de 2026No lo sé. En otras palabras:

• Están usando la herramienta de evaluación de listas de verificación y los datos de comparación del mismo día.
• Pero...Sus calificaciones no están en la lista oficial.También está escrito en el artículo oficial que "no es que esté oficialmente certificado".
• Sí.Mejor puntuación en la lista pública.(2026-09-28)

Así que la respuesta exacta es:"StartLux-Decisión ha superado la parte superior de la lista pública actual por cuenta propia del equipo."No lo sé. No es degradante — es automedido que significa fuerza, pero el lector necesita una escala. Todos los números a continuación se toman con la premisa predeterminada de "automedición de equipo".

¿Qué es: un modelo de decisión que no genera texto?

Comience por entender la diferencia fundamental entre el StarLux-Decisión y el modelo general grande. No es un modelo de generación.No escriba idiomas naturalesNo lo sé.

Así es como funciona: dalo uno.SituaciónAgregar un grupoPreguntas— la selección del tema (uno de varias opciones), no es, o se clasifica. El estado puede ser texto, JSON o imagen, hasta 256 K token.Devuelve la probabilidad de cada pregunta a cada opciónNo lo sé.

El punto está en la última oración:No produce nada.No lo sé. La respuesta se lee directamente de la carta de opción después de una transmisión posterior. Así que una pregunta corta toma unos pocos milisegundos y la probabilidad se puede utilizar directamente como confianza.

Esto resuelve un tipo particular de trabajo en un cuerpo inteligente:HF, claro candidato establecidoEl juicio. Por ejemplo, la orden de servicio al pasajero llegó —la orden se retiene repetidamente pero todavía no muestra ningún pago— y la misma información puede hacer tres preguntas al mismo tiempo: qué equipo se le dio, si se está procesando hoy, y cuánto impacto ha tenido. El enfoque tradicional es permitir que el modelo de generación escriba una pieza de ella, que es lenta y fácil de interpretar errores; una solicitud del StateLux-Decisión puede completar los tres juicios juntos.

Tarjetas de informe: 63.88 vs. 57.91,38 de 31 won

Comparación del índice de decisión 0.2.1 (ambas instantáneas 2026-09-28):

• StartLux-Decision-27B:63.88
• Jev 1.13:57.91 (primer lugar)
• Rune 26B-A4B: 57.44
• Decider Chat 31B:57.33
• AutoJev-27B: 56.40
• StartLux-Decision-9B: 58.639B está por delante de Jeff.

27B superior a Jev 5.97 minutos, de los 38 puntos de referencia contenidos en el índice,Hay 31 puntuaciones más altas.No lo sé.

Pero tenga en cuenta la cita oficial:"La puntuación combinada no significa que todas las capacidades sean más fuertes".No lo sé. Esta frase vale la pena leer.

Donde ganar, dónde perder.

En la puntuación de área para el Índice de Decisión, 27B lidera en cuatro áreas, pero pierde a Jev:

• Comprensión lingüística74.5 vs Jev 62.0 (alto 12.5)
• Búsqueda y clasificación:66.8 vs 55.4 (alto 11.4)
• Herramientas y automatización:82.2 vs 75.1 (alto 7.1)
• Arte y preferencias humanas:47.9 vs 37.7
• Conocimiento y razonamiento:44.3 vs Jev 51.4 (Later 7.1)

Esta distribución es muy ilustrativa. StartLux-Decision Strong“bajo condiciones, distinguiendo entre los candidatos, eligiendo el siguiente curso de acción”— Resulta que son los tres tipos de capacidades que más se necesitan en la aplicación cotidiana de la inteligencia; no es superior al razonamiento puramente intelectual. Así que la conclusión no es "quién está aplastando a quién", pero...La selección depende de qué tipo de juicio su inteligencia es más probable que encuentre.No lo sé.

Existe una división similar en temas individuales. Por ejemplo, API-Bank, que no conduce, las aplicaciones de Home tiran de 52.3 en Jev a 77.3, y POP909 de 15.9 a 50.6. Estos son los puntajes del Índice de Decisión que han sido corregidos por base aleatoria.No podía considerarse directamente como la exactitud o la integridad de la versión original de la línea de referenciaNo lo sé.

Siete pruebas públicas: 91.82% promedio, pocos errores 8

Además del Índice de Decisión, el equipo huyó del laboratorio de inteligencia artificial de Shanghai para lanzar el Inter-Design.Siete series de pruebas(JevBench EASY/Original/Hard, Typed Decisions, ToolaCE, AG News, WildjailBreak):

• Tasa media de precisión StartLux-Decision-27B 91.82%
• Jev 1.13:88.74%
• Inter-Decisión-4B: 90.02%

En público, JevBench tiene 231 preguntas, tres respuestas. 208 / 199 / 201 Pregunta - 27B vs. 9 más que Jeff. En el JevBench-Hard más duro (111 dilemas abiertos), error 27B 23, en comparación con Jev 31Pregunta 8No lo sé.

Aquí, también, hay mucho que notar: el público JevBench 208/231 es sólo una pregunta abierta.No es una puntuación oficial de pruebas clasificadas, velocidad y costo.; los datos adicionales de capacitación utilizaron el conjunto abierto de 14 de estos parámetros y se filtraron las correspondientes preguntas de prueba (marca oficial).

Velocidad: milisegundos, todos los problemas contados hacia adelante a la vez

El valor del modelo de decisión es medio correcto, medio rápido. En una prueba de solicitud corta para la tarjeta H200, BF16, HTTP local,Tres preguntas a la vez.tiempo:

• 0.8B:12.2 ms
• 2B.15 ms
• 4B: 26.0 ms
• 9B:35,7 ms
• 27B:102.3 ms
• 35B-A3B (MoE): 52,5 msCada ficha en 35B sólo activa alrededor de 3B, dos veces más rápido que 27B.

Cuando respondes sólo una pregunta, 4B en promedio. 14.7 msNo lo sé. Optimización dentro del mismo modelo es más indicativo de ganancias de ingeniería: 4B CUDA Graph era de 90,3 ms cuando no estaba habilitado, hasta 26,0 ms cuando estaba habilitado- Más de tres veces la promoción depende de la ingeniería. El proyecto también utiliza algoritmos de atención lineal rápida y consolida múltiples problemas en un cálculo adelante para reducir las llamadas dobles.

Como referencia, Jev 1.13 sobre las tres solicitudes del mismo tipo, el final de servicio reportado por su portal API es 64,0 msNo lo sé. Sin embargo, las autoridades se han abstenido de recordar:Los depósitos de hardware y servicios varían de una parte a otra y no pueden utilizarse como base para concluir que el hardware duro es la misma velocidady estos milisegundos no son el momento de completar toda la tarea de página web (tanto la longitud de entrada, carga de página, ejecución de herramientas). Más bien, esta expresión autocontenida es la parte más creíble de la publicación.

Presentación del campo: desde la operación del navegador al juego

La presentación oficial cubrió varias direcciones, siendo el núcleo "modelos para la toma de decisiones, sistemas de implementación para la acción":

Navegador/ Operación Web: Cada paso hace dos preguntas: cuáles controles son la próxima operación y si la tarea se completa. En la demostración, la lista de filtración se completó para "Comprar las baterías más baratas y gratuitas, 8 baterías AA enviadas a casa" y los miembros designados fueron invitados al equipo de Diseño y establecido como Editor. Atención a las declaraciones oficiales:Medio ambiente controladoLo siguiente es una operación continua.No es lo mismo que la entrada gratuita en cualquier sitio web., el cuadro de entrada también completa la selección a través de la propuesta de candidato.

Chess: StartLux-Decisión-27B y Jev 1.13 compiten, ni búsqueda, y el código nunca abruma la selección de modelos (Stockfish sólo dibuja barras de evaluación). Es cuestión de tiempo.256, 27B, 58,4%.No lo sé.

Juego: Mario (simular 11 acciones candidatas primero, escribir los resultados en texto antes de la selección), StarCraft II (hacer tres preguntas cada 12 segundos del tiempo del juego: qué construir, qué dar prioridad a, qué atacar / defender / recoger), DOOM (cada 4 Tic juez objetivos, fuego, movimiento), JevBall (una solicitud de acción separada para varios jugadores cerca de la pelota). En la misma vena:Estos no son un test de pantalla de lectura directa uniforme., hay scripts para la percepción y ejecución, y el modelo es sólo responsable de la parte de la toma de decisiones definida por la interfaz.

Y hay un detalle más interesante: "¿Hanna, has visto a Jeff hoy?" Hay Hannah y Jeff en esa frase. El sistema tiene que juzgar.Le han interrogado sobre Hannah.En lugar de que otro actor responda por Jeff. Se toma por separado para determinar si el modelo entiende la conversación o sólo coincide con el nombre.

Cinco conjuntos de especificaciones + MoE + Cuantificado, localmente desplegado amigable

StartLux-Decistion proporciona un modelo denso de cinco niveles (0.8B / 2B / 4B / 9B / 27B), más uno 35B-A3B Mixed Expert (MoE)Versión. 3 de octubre.Entrada de imagen y contexto de token 256KCada uno de ellos puede ser leído como evidencia.

El despliegue local es el foco: llama.cpp está disponible para cada tramo GUF Archivos, incluyendo BF16 para conservar la precisión original, y dos formatos cuantitativos Q8 0, Q4 K M,15 entradas del GGFNo lo sé. Tome el ejemplo de 4B:

• Q8 0 Archivos 4.48 GBEn 231, en JevBench con la derecha original HeavyTasa de coherencia en la adopción de decisiones 100%(La misma respuesta para 204)
• Prensas Q4 K M 2.71 GB98,3%, sí 201

Quizás deberías prestar especial atención.: Código utiliza Apache-2.0, peroModel weighting with CC BY-NC 4.0 - Research and non-commercial only, commercial use subject to a separate StartLux Labs authorizationNo lo sé. Esto es diferente de la propaganda “llena de código abierto”, que debe ser confirmada antes de la comercialización.

La interfaz es compatible, Jev. Probability se puede desviar.

Hay un diseño inteligente en el nivel de acceso: StartLux-Decisión con TipoSafe /v1/systemone Formato de interfaz,Cliente para Jev se puede utilizar como, los procesos empresariales conservan el modo actual de llamada de estado más problema y cambian la dirección de servicio. También se mantiene la interfaz (modelo de carga dellama.cpp con los servicios de toma de decisiones correspondientes a cuestiones de organización y opciones de lectura) para el despliegue de GGF.

Otro mecanismo de preocupación esProbability diversionDado que cada candidato tiene una probabilidad, el sistema puede implementar directamente la toma de decisiones en un “ escenario de rutina validada”; cuando el candidato es difícil de distinguir, está en condiciones inadecuadas o tiene un riesgo operacional más alto, puede ser seguido con observaciones adicionales, presentados a un análisis modelo grande, o solicitudes de confirmación manual.

El gobierno también está dando una advertencia real:La producción de probabilidad no equivale a la tasa real de éxito, y el umbral de desviación se alinea con la calibración de datos operacionales.; el pago, la supresión, la autoridad para modificar esas operaciones quedará sujeta a las reglas de autorización y confirmación originales - El modelo de decisión es el siguiente paso para que el sistema juzgue, no para sustituir estas limitaciones.

Auto Research and RSI behind

Tres días para hacer un modelo de cinco etapas, dependiendo de StartLux. Auto Research Development Pipeline(Construido por cofundador y CTO Guo Guo Jiu) Según una entrevista anterior con el corazón de la máquina, en este enfoque, AI no sólo llevó a cabo experimentos previos, sino también...Análisis de fracasos basados en la ronda anterior, presentación de nuevos supuestos, participación en decidir qué ver en la próxima; mientras que los objetivos de investigación, los criterios de evaluación y las normas fundamentales siguen abiertos.

En la división del sistema de StartLux,StartLux-27B para llevar la capa de capacidad genérica, modelo de decisión centrado en la capa de decisión de alta frecuenciaY sobre todo es Agente y Memoria, el fondo es apoyado por cuantificación, sistemas de razonamiento y hardware. Así que la Decisión no es una liberación aislada hecha en búsqueda de puntos calientes, sino una pieza de esta arquitectura que se construyó como estaba planeado.

Guo Quan definió Auto Research como el elemento básico para lograr RSI: Primero, para involucrar a la IA en las mejoras de investigación y modelo, a continuación, para solicitar “incluso la capacidad de mejorar la IA misma se ha mejorado”. StartLux-Decision es un resultado concreto de esta línea.

¿Qué hay de esto?

Pon a Jev en el trono.Un equipo chino en el nivel de decisión del agente.No lo sé. La idea de que Jev trae —utilizando un modelo dedicado para tomar alta frecuencia, para defender un juicio claro en lugar de permitir que el modelo de generación sea tanto un árbitro como un atleta— está demostrando ser una necesidad real. StartLux utiliza una fuente abierta, un quinto conjunto de especificaciones, el despliegue local y una interfaz compatible con Jev para hacer la carretera más "landable".

Pero aún quedan tres recordatorios:

• Es una prueba de equipo.No está certificado en la lista oficial.
• Adelante, adelante.Todavía se queda atrás en el razonamiento intelectual, Jeff. Depende de la distribución de tareas.
• El peso es CC BY-NC 4.0., "Full open source" sólo para escenarios no comerciales, con anuncios autorizados por separado

En cualquier caso, vale la pena recordar que un equipo relativamente joven de Shanghai, tres días de tomar un modelo de decisión de cinco etapas y superar la parte superior actual del calibre público.El “nivel de juicio” del agente se está convirtiendo en una pista de tecnología independiente y merecedora.

El modelo de decisión no pretende sustituir al modelo grande, sino más bien hacer menos de los juicios triviales que no debe hacer.