On demanda à Jev de prendre le trône: StartLux.

Le 30 septembre, Shanghai AI, StartLux, a publié un modèle de décision entièrement open source. Décision StartLuxUn lancement ponctuel de 0,8B, 2B, 4B, 9B, 27B, 5. Selon l'évaluation publiée par l'équipe, sa version phare 27B a reçu 63,88 points sur l'indice de décision 0.2.1, plus que Jeff 1.13 (57.91), la première de la liste.Le nouveau roi du modèle décisionnel a conduit au trône.Je ne sais pas.

Plus intéressant est le taux de R & D:L'ensemble du modèle n'était que de 3 jours pour terminer la recherche et la validation.Je ne sais pas. Derrière cela se trouve la ligne Auto Research construite par StartLux -- officiellement, c'est l'un de leurs principaux chemins pour faire avancer RSI.

Commençons par dire que c'est un test d'équipe, pas une liste officielle.

Celui-ci doit être clair, sinon il est facile d'être mené sur le titre.

Les notes de StartLux sont:À l'aide de l'outil d'évaluation officiel de l'indice Decisión, l'équipe s'est auto-mesurée par rapport à la liste publique terminée le 28 septembre 2026Je ne sais pas. Autrement dit :

• Ils utilisent l'outil d'évaluation de la liste de contrôle et les données de comparaison du même jour.
• Mais...Leurs notes ne figurent pas sur la liste officielle.Il est également écrit dans l'article officiel que "non pas qu'il est officiellement certifié."
• Oui.Meilleur score sur la liste publique.(2026-09-28)

La réponse exacte est donc :"StartLux-Decisión a dépassé le haut de la liste publique actuelle par équipe auto-mesurée."Je ne sais pas. Ce n'est pas humiliant, c'est l'automesure qui signifie la force, mais le lecteur a besoin d'une échelle. Tous les nombres ci-dessous sont pris avec la prémisse par défaut de "l'auto-mesure de l'équipe".

Qu'est-ce que c'est : un modèle de décision qui ne génère pas de texte ?

Commencez par comprendre la différence fondamentale entre le StarLux-Decisión et le grand modèle général. Ce n'est pas un modèle de génération.N'écrivez pas de langages naturelsJe ne sais pas.

C'est comme ça que ça marche : donnez-en un.ÉtatAjouter un groupeQuestions— la sélection du thème (un parmi plusieurs options), n'est pas, ou est notée. L'état peut être texte, JSON ou image, jusqu'à 256 K jeton.Renvoie la probabilité de chaque question à chaque optionJe ne sais pas.

Le point est dans la dernière phrase:Ça ne produit rien.Je ne sais pas. La réponse est lue directement à partir de la lettre d'option après une transmission. Une courte question prend donc quelques millisecondes et la probabilité peut être utilisée directement comme confiance.

Cela résout un type particulier de travail dans un corps intelligent:HF, ensemble de candidats clairsLe jugement. Par exemple, la commande de service aux passagers est arrivée — la commande est retenue à plusieurs reprises mais ne montre toujours aucun paiement — et la même information peut poser trois questions en même temps: quelle équipe lui a été donnée, si elle est traitée aujourd'hui et quel impact elle a eu. L'approche traditionnelle est de permettre au modèle de génération d'en écrire une partie, qui est lente et facile à interpréter les erreurs; une demande de l'ÉtatLux-Decisión peut compléter les trois jugements ensemble.

Cartes de rendement : 63,88 vs 57,91,38 sur 31 won

Comparaison de l'indice de décision 0.2.1 (deux instantanés 2026-09-28) :

• DébutLux-Décision-27B:63.88
• Jev 1.13:57.91 (première place)
• Rune 26B-A4B: 57.44
• Chat du décideur 31B:57.33
• AutoJev-27B: 56.40
• DébutLux-Décision-9B: 58.63Le 9B est devant Jeff.

27B supérieur à Jev 5.97 minutes, des 38 indices de référence figurant dans l'indice,Il y a 31 scores plus élevés.Je ne sais pas.

Mais veuillez noter la citation officielle:« La note combinée ne signifie pas que toutes les capacités sont plus fortes.Je ne sais pas. Cette phrase vaut la peine d'être lu.

Où gagner, où perdre.

Dans le score régional pour l'indice Decisión, 27B mène dans quatre zones, mais perd contre Jev:

• Connaissance des langues74,5 vs Jev 62,0 (haut 12,5)
• Recherche et classement66,8 vs 55,4 (niveau supérieur 11,4)
• Outils et automatisation:82.2 vs 75.1 (haut 7.1)
• Art et préférences humaines47,9 vs 37,7
• Connaissance et raisonnement:44,3 vs Jev 51,4 (dernier 7.1)

Cette distribution est très illustrative. StartLux-Décision forteComprendre les conditions, distinguer les candidats, choisir la prochaine ligne de conduite— Il s'avère que ce sont les trois types de capacités qui sont les plus nécessaires dans la mise en œuvre quotidienne de l'intelligence; il n'est pas supérieur au raisonnement purement intellectuel. Donc la conclusion n'est pas "qui écrase qui", mais...La sélection dépend du type de jugement que votre intelligence est le plus susceptible de rencontrer.Je ne sais pas.

Une division similaire existe pour chaque élément. Par exemple, API-Bank, qui ne mène pas, les applications Home tirent de 52.3 dans Jev à 77.3, et POP909 de 15,9 à 50.6. Ce sont les scores de l'indice Decisión qui ont été corrigés par référence aléatoire.Impossible de considérer directement l'exactitude ou l'exhaustivité de la version originale du niveau de référenceJe ne sais pas.

Sept tests publics : 91,82% moyenne, peu d'erreurs 8

En plus de Decisión Index, l'équipe s'est enfuie du laboratoire d'intelligence artificielle de Shanghai pour lancer l'Inter-Design.Sept séries d'essais(JevBench EASY/Original/Hard, Décisions dactylographiées, ToolaCE, AG News, WildjailBreak):

• StartLux-Décision-27B taux de précision moyen 91.82%
• Jev 1,13:88,74 %
• Interdécisión-4B: 90,02%

publiquement, JevBench a 231 questions, trois réponses. 208 / 199 / 201 Question - 27B c. 9 de plus que Jeff. Dans le plus dur JevBench-Hard (111 dilemmes ouverts), erreur 27B 23, comparé à Jev 31Question 8Je ne sais pas.

Ici aussi, il y a beaucoup à remarquer : le public JevBenchis 208/231 n'est qu'une question ouverte.Ce n'est pas un score officiel de tests classifiés, vitesse et coût.; des données supplémentaires sur la formation ont utilisé l'ensemble ouvert de 14 de ces repères et les questions de test correspondantes ont été filtrées (étiquette officielle).

Vitesse: millisecondes, tous les problèmes comptés en avant à la fois

La valeur du modèle de décision est à moitié droite, à moitié rapide. Dans un court test de requête pour la carte H200, BF16, local HTTP,Trois questions à la fois.temps nécessaire:

• 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 msChaque jeton en 35B active seulement environ 3B, deux fois plus vite que 27B.

Lorsque vous répondez à une seule question, 4B en moyenne. 14,7 msJe ne sais pas. L'optimisation dans le même modèle est plus révélatrice des gains d'ingénierie: 4B Le graphique CUDA était de 90,3 ms lorsqu'il n'était pas activé, jusqu'à 26,0 ms lorsqu'il était activé- Plus de trois fois la promotion dépend de l'ingénierie. Le projet utilise également des algorithmes d'attention linéaire rapide et consolide plusieurs problèmes en un calcul avancé pour réduire les doubles appels.

Comme référence, Jev 1.13 sur les trois requêtes du même type, la fin de service rapportée par sa passerelle API est 64,0 msJe ne sais pas. Toutefois, les autorités se sont abstenues de rappeler:Le matériel et les dépôts de services varient d'une partie à l'autre et ne peuvent être utilisés comme base pour conclure que le matériel dur est la même vitesseet ces millisecondes ne sont pas le temps de terminer l'ensemble de la tâche de page web (longueur d'entrée, chargement de page, exécution d'outil). Cette expression autonome est plutôt la partie la plus crédible de la publication.

Présentation sur le terrain: de l'exploitation du navigateur au jeu

La présentation officielle a porté sur plusieurs orientations, dont les principaux sont les "modèles de prise de décision, les systèmes de mise en œuvre" :

Navigateur/ Exploitation Web: Chaque étape pose deux questions : quels sont les contrôles qui constituent la prochaine opération et si la tâche est terminée. Dans la démonstration, la liste de filtrage a été complétée pour "Acheter le moins cher, gratuitement, 8 piles AA envoyées à la maison" et les membres désignés ont été invités à l'équipe de conception et mis en place comme rédacteur. Attention aux déclarations officielles :Environnement contrôléCe qui suit est une opération continue.Ce n'est pas la même chose que l'entrée gratuite sur n'importe quel site., la boîte d'entrée complète également la sélection par le biais de la proposition de candidat.

Échecs: StartLux-Decisión-27B et Jev 1.13 concurrencent, ni la recherche, et le code n'écrase jamais la sélection des modèles (Stockfish dessine seulement des barres d'évaluation). C'est juste une question de temps.256, 27B, 58,4%.Je ne sais pas.

Jeu: Mario (simulez 11 actions candidates d'abord, écrivez les résultats dans le texte avant la sélection), StarCraft II ( posez trois questions toutes les 12 secondes de temps de jeu : quoi construire, à quoi donner la priorité, à quoi attaquer/défendre/collecter), DOOM (chaque 4 cibles du juge Tic, feu, mouvement), JevBall (une demande d'action séparée pour plusieurs joueurs près du ballon). Dans la même veine:Il ne s'agit pas d'un test de lecture directe uniforme., il y a des scripts pour la perception et l'exécution, et le modèle n'est responsable que de la partie de la prise de décision définie par l'interface.

Et il y a encore un détail intéressant -- "Hanna, as-tu vu Jeff aujourd'hui ?" Hannah et Jeff sont dans cette phrase. Le système doit juger.Il a été interrogé pour Hannah.Au lieu d'avoir un autre acteur à répondre à cause de Jeff. Il est pris séparément pour déterminer si le modèle comprend la conversation ou ne correspond qu'au nom.

Cinq cahiers des charges + MoE + Quantifié, déployé localement

StartLux-Decistion fournit un modèle dense à cinq niveaux (0,8B / 2B / 4B / 9B / 27B), plus un 35B-A3B Expert mixte (MoE)Version. 3 octobre.Entrée de l'image et contexte de jeton 256KChacun d'eux peut être lu comme preuve.

Le déploiement local est au centre : lama.cpp est disponible pour chaque tranche GUF Fichiers, y compris BF16 pour conserver l'exactitude originale, et deux formats quantitatifs Q8 0, Q4 K M,15 entrées GFBJe ne sais pas. Prenons l'exemple de 4B:

• Q8 0 Fichiers 4,48 GoEn 231, sur JevBench avec la droite originaleTaux de cohérence du processus décisionnel 100%(Même réponse pour 204)
• Presses Q4 K M 2,71 Go98,3 %, oui 201

Peut-être devriez-vous prêter une attention particulière.: Code utilise Apache-2.0, maisModélisation avec CC BY-NC 4.0 - Recherche et utilisation commerciale non commerciale seulement sous réserve d'une autorisation distincte de StartLux LabsJe ne sais pas. C'est différent de la propagande de source ouverte, qui doit être confirmée avant la commercialisation.

L'interface est compatible, Jev. La probabilité peut être détournée.

Il y a un design intelligent au niveau de l'accès: StartLux-Decisión avec TypeSafe /v1/systemone Format d'interface,Client pour Jev peut être utilisé tel quel, les processus opérationnels conservent le mode d'appel "état plus problème" actuel et changent l'adresse du service. L'interface (modèle de charge de lama.cpp avec les services de prise de décision associés responsables des questions organisationnelles et des options de lecture) est également maintenue pour le déploiement du GGF.

Un autre mécanisme préoccupant estDétournement de probabilitéÉtant donné que chaque candidat a une probabilité, le système peut mettre en œuvre directement la prise de décision dans un scénario de routine validé. Lorsque le candidat est difficile à distinguer, est en mauvais état ou présente un risque opérationnel plus élevé, il peut faire l'objet d'observations supplémentaires, être soumis à une vaste analyse de modèle ou demander une confirmation manuelle.

Le gouvernement donne également un véritable avertissement :La sortie de probabilité n'est pas égale au taux de succès réel, et le seuil de détournement est aligné sur l'étalonnage des données opérationnelles.; le paiement, la suppression, le pouvoir de modifier ces opérations restent soumis aux règles d'autorisation et de confirmation initiales - - Le modèle de décision est la prochaine étape pour que le système juge, et non pour remplacer ces contraintes.

Recherche Automatique et RSI derrière

Trois jours pour faire un modèle en cinq étapes, selon StartLux. Pipeline de développement de la recherche automobile(Construit par le co-fondateur et CTO Guo Guo Guo Jiu) Selon une interview précédente avec le cœur de la machine, dans cette approche, l'IA n'a pas seulement effectué des expériences...Analyse des échecs sur la base du cycle précédent, présentation de nouvelles hypothèses, participation à la décision sur ce qu'il convient d'examiner; alors que les objectifs de recherche, les critères d'évaluation et les règles clés restent ouverts.

Dans la division système de StartLux,StartLux-27B pour porter la couche de capacité générique, Decisión modèle concentré sur la couche de décision haute fréquenceEt au-dessus c'est Agent et Memoory, le fond est supporté par la quantification, les systèmes de raisonnement et le matériel. Decisión n'est donc pas une sortie isolée faite en quête de points chauds, mais une pièce de cette architecture qui a été construite comme prévu.

Guo Quan a défini Auto Research comme l'élément de base pour atteindre RSI: Premièrement, d'impliquer l'IA dans la recherche et les améliorations de modèles, puis de demander davantage l'IA améliorée, même la capacité d'améliorer l'IA elle-même a été améliorée. StartLux-Décision est un résultat concret de cette ligne.

Et ça ?

Mettez Jev sur le trône.Une équipe chinoise au bas du niveau de décision de l'agent.Je ne sais pas. L'idée que Jev propose — en utilisant un modèle dédié pour prendre la haute fréquence, pour défendre un jugement clair plutôt que de permettre au modèle de génération d'être à la fois arbitre et athlète — s'avère être un besoin réel. StartLux utilise un open source, un cinquième ensemble de spécifications, un déploiement local et une interface compatible avec Jev pour rendre la route plus atterrable.

Mais trois rappels subsistent :

• C'est un test d'équipe.Non certifié sur la liste officielle.
• Tout devant, tout devant.Il est toujours en retard dans le raisonnement intellectuel, Jeff. Cela dépend de la répartition des tâches.
• Le poids est CC BY-NC 4.0., "Open source complète" uniquement pour les scénarios non commerciaux, avec des publicités autorisées séparément

Quoi qu'il en soit, il vaut la peine de se rappeler qu'une équipe relativement jeune de Shanghai, trois jours pour faire un modèle de décision en cinq étapes et dépasser le haut de gamme actuel du public.Le niveau de jugement de l'agent devient une piste technologique indépendante et méritant.

Le modèle de décision ne vise pas à remplacer le grand modèle, mais plutôt à faire moins de jugements triviaux qu'il ne devrait pas faire.