Si Jev ay hiniling na kunin ang trono: StartLux.

Noong Setyembre 30, ang Shanghai AI, StartLux, ay naglabas ng isang ganap na bukas na source na modelo ng desisyon. StarLux-DicisionIsang one-time launch ng 0.8B, 2B, 4B, 9B, 27B, 5. Ayon sa pagtatasa na inilathala ng pangkat, ang flagship 27B na bersyon nito ay nakatanggap ng 63.88 puntos sa Resecutor Index 0.2.1, higit sa Jeff 1.13 (57.91), ang una sa talaan.Ang bagong hari ng desisyon-gawang modelo ay humantong sa trono.Hindi ko alam.

Higit na kawili - wili ang dami ng R & D:Ang buong modelo ay 3 araw lamang upang makumpleto ang pananaliksik at proteksyon.Hindi ko alam. Sa likod nito ay ang Auto Research line na itinayo ng StartLux -- opisyal, ito ay isa sa kanilang mga pangunahing landas upang isulong ang RSI.

Magsimula tayo sa pagsasabing, ito ay isang pagsubok sa koponan, hindi isang opisyal na talaan.

Ang isang ito ay dapat na maging malinaw, kung hindi ay madaling maakay sa pamagat.

Ang mga marka ng StarLux ay:Gamit ang opisyal na kasangkapan sa pagtatasa ng Decisión Index, ang koponan ay nag-debut laban sa pampublikong listahan na natapos noong Setyembre 28, 2026Hindi ko alam. Sa ibang salita:

• Ginagamit nila ang listahang gamit sa pagtatasa at ang impormasyong pinaghahambing sa araw ring iyon.
• Ngunit...Wala sa opisyal na talaan ang kanilang mga marka.Nakasulat din sa opisyal na artikulo na "hindi na ito opisyal na sertipikado."
• Oo.Pangunahing iskor sa talaang pampubliko.(2006-09-28)

Kaya ang eksaktong sagot ay:"Nahigitan ngStartLux-Decisión ang tuktok ng kasalukuyang talaang pampubliko sa pamamagitan ng team self-produced."Hindi ko alam. Hindi ito mapandusta — ito ay self-asted na nangangahulugan ng lakas, ngunit ang mambabasa ay nangangailangan ng isang scale. Ang lahat ng mga numero sa ibaba ay kinuha na may default premise ng "team self-ascument".

Ano ito: isang modelo ng pagpapasiya na hindi gumagawa ng teksto?

Magsimula sa pamamagitan ng pag-unawa sa pundamental na pagkakaiba sa pagitan ng StarLux-Decisión at ng pangkalahatang malaking modelo. Hindi ito isang modelo ng henerasyon.Huwag sumulat ng likas na mga wikaHindi ko alam.

Ganiyan ito gumagana: bigyan mo ito ng isa.KalagayanMagdagdag ng grupoMga Tanong— ang pagpili ng tema (isa mula sa ilang mapagpipilian), ay hindi, o may marka. Ang estado ay maaaring teksto, JSON o larawan, hanggang 256 K token.Ibalik ang probabilidad ng bawat tanong sa bawat mapagpipilianHindi ko alam.

Ang punto ay nasa huling pangungusap:Wala itong ginagawa.Hindi ko alam. Ang sagot ay tuwirang binabasa mula sa opsyonal na liham pagkatapos ng isang pasulong na paghahatid. Kaya ang isang maikling tanong ay nangangailangan ng ilang millisecond at ang probabilidad ay maaaring tuwirang gamitin bilang pagtitiwala.

Ito ang lulutas sa isang partikular na uri ng gawa sa isang matalinong katawan:HF, malinaw na kandidatong itinakdaAng paghatol. Halimbawa, ang utos sa paglilingkod ng pasahero ay dumating — ang utos ay paulit - ulit na ipinagkakait subalit hindi pa rin nagpapakita ng peachić — at ang impormasyon ding iyon ay maaaring magtanong ng tatlong tanong nang sabay - sabay: aling koponan ang binigyan nito, kung ito ba ay pinoproseso ngayon, at kung gaano kalaki ang epekto nito. Ang tradisyonal na pamamaraan ay ang pahintulutan ang modelong pang-salinlahi na isulat ang isang piraso nito, na mabagal at madaling bigyang kahulugan ang mga pagkakamali; ang isang kahilingan mula sa StateLux-Decisión ay maaaring makumpleto ang tatlong mga huhukom nang magkakasama.

Report cards: 63.88 vs. 57.91,38 sa 31 ang nanalo

Isang paghahambing ng Resecutor Index 0.2.1 (parehong 2026-09-28 snaps):

• StartLux-Dicision-27B:63.88.
• Jev 1.13:57.91 (unang lugar)
• Rune 26B-A4B: 57.44
• Nagpapasiya Chat 31B:57.33
• AutoJev-27B: 56.40
• StartLux-Dicision-9B: 58.639B ang nauuna kay Jeff.

27B na mas mataas kaysa Jev 5.97 minuto, ng 38 benkmark na nasa indise,Mayroong 31 mas mataas na iskor.Hindi ko alam.

Subalit pakisuyong pansinin ang opisyal na sinipi:"Ang pinagsamang iskor ay hindi nangangahulugang ang lahat ng mga kakayahan ay mas malakas."Hindi ko alam. Ang pangungusap na ito ay karapat - dapat basahin.

Kung saan mananalo, kung saan mawawala.

Sa iskor sa lugar para sa Decisión Index, ang 27B ay nangunguna sa apat na dako, subalit nawawala sa Jev:

• Pagkaunawa sa Wika76.5 vs Jev 62.0 (mataas na 12.5)
• Paghahanap at klasipikasyon:66.8 vs 55.4 (mataas na 11.4)
• Mga kagamitan at awtomasyon:82.2 vs 75.1 (mataas 7.1)
• Sining at mga kagustuhan ng tao:47.9 vs 37.7
• Kaalaman at pangangatuwiran:44.3 vs Jev 51.4 (Later 7.1)

Ang pamamahaging ito ay lubhang naglalarawan. StarLux-Dicision StrongMga kalagayan sa pag - unawa, na nakikilala sa gitna ng mga kandidato, pinipili ang susunod na landasin ng aktibasyon– Ito ay nagkataong ang tatlong uri ng mga kakayahan na pinaka kailangan sa pang-araw-araw na pagpapatupad ng katalinuhan; ito ay hindi superior sa puro intelektuwal na pangangatuwiran. Kaya ang konklusyon ay hindi "sino ang nakadudurog kung sino," kundi...Ang pagpili ay depende sa kung anong uri ng paghatol ang malamang na mapaharap sa iyo.Hindi ko alam.

Isang kahawig na paghahati ang umiiral sa indibiduwal na mga bagay. Halimbawa, ang API-Bank, na hindi nangunguna, mga aplikasyong Home ay humihila mula 52.3 sa Jev hanggang 77.3, at POP909 mula 15.9 hanggang 50.6. Ito ang mga iskor ng Decisión Index na itinuwid ng randomang baseline.Hindi maaaring tuwirang isaalang-alang bilang katumpakan o pagkakumpleto ng orihinal na bersyon ng baselineHindi ko alam.

Pitong pampublikong pagsubok: 91.82% katamtaman, iilang pagkakamali 8

Bukod sa Decisión Index, ang koponan ay tumakbo palayo sa artipisyal na intelligence labe ng Shanghai upang ilunsad ang Inter-Design.Pitong set ng mga pagsubok(JevBench EASY/Original/Hard, Typeadong mga Pasiya, ToolaCE, AG News, WildjailBreak):

• StarLux-Dicision-27B average rate ng katumpakan 91.82%
• Jev 1.13:88.74%
• Inter-Decisión-4B: 90.02%

Sa publiko, ang JevBench ay may 231 tanong, tatlong sagot. 208 / 199 / 201 Tanong - 27B vs. 9 higit kay Jeff. Sa pinakamahirap na JevBench-Hard (111 bukas na mga problema), 27B pagkakamali 23, kumpara sa Jev 31Tanong 8Hindi ko alam.

Marami ring mapapansin dito: ang pampublikong JevBenchiles 208/231 ay isa lamang bukas na tanong.Hindi ito opisyal na iskor ng mga klasipikasyong pagsusulit, bilis at halaga.; ginamit ng karagdagang impormasyon sa pagsasanay ang open training set ng 14 sa mga benkmark na ito at ang katumbas na mga tanong sa pagsusulit ay nasala (official label).

Bilis: Mga millisecond, lahat ng problema ay sabay - sabay na dumarating

Ang halaga ng modelo ng desisyon ay kalahating tama, kalahati ay mabilis. Sa maikling pagsusulit para sa card H200, BF16, lokal na HTTP,Tatlong tanong sa isang pagkakataon.Oras-consuming:

• 0.8B:12.2 ms
• 2B:1.5 ms
• 4B: 26.0 ms
• 9B:35.7 ms
• 27B:102.3 ms
• 35B-A3B (MoE): 52.5 msAng bawat single sa 35B ay nagpapatakbo lamang ng mga 3B, doble ng bilis ng 27B.

Kapag sinagot mo lamang ang isang tanong, 4B sa katamtaman. 14.7 msHindi ko alam. Ang Optimisasyon sa loob ng modelo ring iyon ay mas nagpapahiwatig ng mga natamong inhinyeriya: 4B Ang CUDA Graph ay 90.3 m nang hindi ito nagawa, hanggang 26.0 ms kung kaya- Mahigit tatlong beses na nakasalalay ang promosyon sa inhinyeriya. Ang proyekto ay gumagamit din ng mabilis na linear na atensiyong algorithms at nag - uugnay ng maramihang mga isyu upang gumawa ng pasulong na kalkulasyon upang bawasan ang dobleng mga tawag.

Bilang reperensiya, Jev 1.13 sa tatlong parehong kahilingan, ang dulo ng serbisyo na iniulat ng tarangkahang API nito ay ang API 64.0 msHindi ko alam. Gayunman, pinigil ng mga awtoridad ang kanilang sarili sa pagpapaalaala:Ang mga bodega ng hardware at serbisyo ay nagkakaiba - iba sa bawat partido at hindi maaaring gamitin bilang batayan upang maghinuha na ang hardware ay magkatulad ang bilisat ang mga millisecond na ito ay hindi ang panahon upang tapusin ang buong web-pahinang gawain (parehong input haba, pahina loading, paglalapat ng kasangkapan). Sa halip, ang sariling-contained expression na ito ay ang mas kapani-paniwalang bahagi ng publikasyon.

Pagtatanghal sa kabukiran: mula sa pag - opera sa browser hanggang sa laro

Ang opisyal na presentasyon ay sumaklaw sa ilang mga direksiyon, na ang core ay "models para sa pagpapasiya-gawa, mga sistema ng pagpapatupad para sa aksiyon":

Browser/ Web Operation: Ang bawat hakbang ay nagbabangon ng dalawang tanong — kung aling kontrol ang susunod na gagawin at kung tapos na ang gawain. Sa demonstrasyon, ang listahan ng pagsala ay natapos para sa "Bilhin ang pinakamura, walang bayad, 8 AA bateriya ay pinauwi" at ang mga itinalagang miyembro ay inanyayahan sa koponan ng Disenyo at itinatag bilang Editor. Pagbibigay - pansin sa opisyal na mga pangungusap:Sinupil na kapaligiranAng sumusunod ay isang patuloy na pagkilos.Hindi ito katulad ng malayang pagpasok sa anumang website., kinumpleto rin ng input box ang pagpili sa pamamagitan ng panukala ng kandidato.

Chess: StartLux-Decisión-27B at Jev 1.13 kompetensiya, ni ang paghahanap, at ang code ay hindi kailanman dumadaig sa pagpili ng mga modelo (Ang Stockfish ay nagdurulot lamang ng mga tracking bar). Sandali na lamang.256, 27B, 58.4%.Hindi ko alam.

Laro: Mario (binubuo muna ng 11 kandidatong aksiyon, isulat ang mga resulta sa teksto bago ang pagpili), StarCraft II (magtanong ng tatlong tanong tuwing 12 segundo ng oras ng laro: kung ano ang itatayo, kung ano ang dapat bigyan ng priyoridad, kung ano ang aatake/defend/collect), DOOM (bawat 4 na Tic na hukom target, apoy, paglipat), JevBall (isang hiling para sa hiwalay na aksiyon para sa ilang manlalaro malapit sa bola). Sa gayunding ugat:Ang mga ito ay hindi pare-parehong Direct Read Screen test., may mga iskrip para sa pang-unawa at pagbitay, at ang modelo ay tanging responsable sa bahagi ng pagpapasiya-gawa na binigyang kahulugan ng interface.

At may isa pang detalye na kawili-wili -- "Hanna, nakita mo na ba si Jeff ngayon?" Nariyan sina Hannah at Jeff sa pangungusap na iyan. Ang sistema ay kailangang humatol.Tinanong siya tungkol kay Hana.Sa halip na isa pang aktor ang tumugon dahil kay Jeff. Hinango nang hiwalay upang malaman kung nauunawaan ng modelo ang usapan o tumutugma lamang ang pangalan.

Limang set ng mga detalye + MoE + Quantified, lokal na contented friendly

Ang StartLux-Decisition ay nagbibigay ng limang-tier na siksik na modelo (0.8B / 2B / 9B / 27B), at isa pa 35B-A3B Pinagsamang Expert (MoE)Bersiyon. Oktubre 3rd.Larawan input at 256K na bahagyang kontekstoBawat isa sa mga ito ay mababasa bilang katibayan.

Ang lokal na gamit ay ang pokus: Ang llama.cpp ay makukuha sa bawat tranche GUF Mga talaksan, kabilang ang BF16 upang panatilihin ang orihinal na katumpakan, at dalawang qualitative format na Q8 0, Q4 K M,15 Mga entidad ng GGFHindi ko alam. Kuning halimbawa ang 4B:

• Q8 0 Files 4.48 GBNoong 231, sa JevBench na may orihinal na karapatang MabigatPasiya-gawa ng cohunence rate 100%(Same ang sagot para sa 204)
• Q4 K M presss 2.71 GB98.3%, oo 201

Marahil ay dapat kang magbigay ng partikular na pansin.: Gumagamit ng Apache-2.0 ang Code, ngunitModelong pabigat na may CC BY-NC 4.0 - Pananaliksik at non-commercial lamang, komersyal na paggamit ay sumasailalim sa hiwalay na C StartLux Labs autorisasyonHindi ko alam. Ito ay iba sa “full open source” propaganda, na dapat kumpirmahin bago ang komersyalisasyon.

Ang interface ay tumutugma, ang Jev. Probability ay maaaring ilihis.

May matalinong disenyo sa antas ng akses: StartLux-Decisión na may Type Safe /v1/systemone Anyong Interface,Ang Client para sa Jev ay maaaring gamitin kung paanong ito ay ginagamit, ang mga proseso ng negosyo ay nagpapanatili ng kasalukuyang `state pati na ang paraan ng pagtawag at pagbabago ng service address. Ang interface (llama.cppy model na may kasamang mga serbisyong desisyon-gawa na responsable sa mga isyung pang-organisasyon at pagbasa ng mga pagpipilian) ay pinapanatili rin para sa GGF production.

Ang isa pang mekanismo ng pagkabahala ayDi - angkop na LibanganYamang ang bawat kandidato ay may probabilidad, ang sistema ay maaaring direktang magpatupad ng desisyon-gawa sa isang “validated na rutinang matrimonyi; kapag ang kandidato ay mahirap makilala, ay nasa hindi sapat na kondisyon o may mas mataas na panganib sa operasyon, maaari itong sundan ng karagdagang obserbasyon, isumite sa isang malaking modelong analisis, o mga kahilingan para sa manwal na pagpapatunay.

Nagbibigay rin ng tunay na babala ang pamahalaan:Ang probability output ay hindi katumbas ng tunay na tagumpay rate, at ang diversion stant ay nakahanay sa operational data calibration.; Ang kabayaran, deleksiyon, awtoridad na baguhin ang gayong mga operasyon ay mananatiling nasa ilalim ng orihinal na pahintulot at pagpapatunay ng mga tuntunin Ang modelo ng pasiya ang susunod na hakbang upang ang sistema ay humatol, hindi upang palitan ang mga pagbabawal na ito.

Pananaliksik sa Awto at RSI sa Likod

Tatlong araw upang gumawa ng limang-stage model, depende sa StartLux. Pipeline ng Pananaliksik sa Auto(Constructed by co-founder at CTO Guo Guo Guo Jiu) Ayon sa isang nakaraang panayam sa puso ng makina, sa pamamaraang ito, ang AI ay hindi lamang nagsagawa ng mga pre-set na eksperimento, kundi pati...Pagsusuri sa mga kabiguan batay sa naunang round, paghaharap ng mga bagong palagay, pakikibahagi sa pagpapasiya kung ano ang susunod na titingnan; bagaman ang mga layunin sa pananaliksik, ang mga batayan at mahahalagang tuntunin sa pagsusuri ay nananatiling bukás.

Sa sistemang dibisyon ng StartLux,StarLux-27B upang dalhin ang generic na may kakayahang layer, ang modelong Decisión ay nakatuon sa mataas na frequency ng pagpapasiyaAt sa itaas nito ay ang Agent and Memoory, ang ilalim ay sinusuportahan ng quanipikasyon, mga sistema ng pangangatuwiran at hardware. Kaya ang Decisión ay hindi isang nabubukod na palabas na ginawa upang hanapin ang maiinit na lugar, kundi isang piraso ng arkitekturang ito na itinayo ayon sa plano.

Binigyang kahulugan ni Guo Quan ang Auto Research bilang ang pangunahing elemento para sa pagkakamit ng RSI: Una, ang pagsangkot ng AI sa pananaliksik at mga pagpapabuti ng modelo, pagkatapos ay ang higit pang paghiling ng “improced AI, maging ang kakayahan na mapabuti ang AI mismo ay pinainam ang peristensiya. Ang StartLux-Decision ay isang kongkretong resulta ng linyang ito.

Kumusta naman ito?

Iluklok si Jev sa trono.Isang pangkat ng mga Tsino sa ibaba ng December Level ng Agent.Hindi ko alam. Ang ideya na dinadala ni Jev — na gumagamit ng isang dedikadong modelo upang kumuha ng mataas na frequency, upang tumayo para sa isang maliwanag na huhukom sa halip na payagan ang modelo ng henerasyon na maging kapwa reperi at isang manlalaro — ay nagpapatunay na isang tunay na pangangailangan. Ang StarLux ay gumagamit ng bukas na pinagmulan, ikalimang set ng mga detalye, lokal na paglalagay at isang Jev na tumutugmang interface upang gawin ang daan na mas “landable”.

Subalit tatlong paalaala ang nananatili pa rin:

• Isa itong pagsubok sa koponan.Hindi sertipikado sa opisyal na talaan.
• Lahat ng bagay sa hinaharap.Ito'y nahuhuli pa rin sa intelektuwal na pangangatuwiran, si Jeff. Depende ito sa pamamahagi ng mga gawain.
• Ang timbang ay CC BY-NC 4.0., "Full open source" lamang para sa mga hindi-commercial na senaryo, na may mga patalastas na hiwalay na awtorisado

Sa paano man, mahalagang tandaan na ang isang kabatang koponan sa Shanghai, tatlong araw na paggawa ng limang-stage na pasiyang modelo at nakahihigit sa kasalukuyang tuktok ng pampublikong calibre.Ang “, “, ay nagiging independiyente at karapat-dapat na track ng teknolohiya.

Ang modelo ng pasiya ay hindi nilayon upang palitan ang malaking modelo, kundi upang bawasan ang maliliit na hatol na hindi dapat gawin nito.