A Jev fu chiesto di prendere il trono: StartLux.

Il 30 settembre, Shanghai AI, StartLux, ha rilasciato un modello di decisione open source. StartLux-DecisionUn lancio di una volta di 0.8B, 2B, 4B, 9B, 27B, 5. Secondo la valutazione pubblicata dal team, la sua versione di punta 27B ha ricevuto 63.88 punti su Decision Index 0.2.1, più di Jeff 1.13 (57.91), la prima sulla lista.Il nuovo re del modello decisionale portò al trono.Non lo so.

Più interessante è il tasso di R & S:L'intero modello è stato di soli 3 giorni per completare la ricerca e la validazione.Non lo so. Dietro questa è la linea Auto Research costruita da StartLux -- ufficialmente, è uno dei loro percorsi principali per avanzare RSI.

Cominciamo dicendo che questo è un test di squadra, non una lista ufficiale.

Questo deve essere chiaro, altrimenti è facile essere guidato sopra il titolo.

I gradi di StartLux sono:Utilizzando lo strumento di valutazione ufficiale dell'Indice Decisión, il team si auto-misurato contro il listshot pubblico completato il 28 settembre 2026Non lo so. In altre parole:

• Stanno usando lo strumento di valutazione della lista di controllo e i dati di confronto dello stesso giorno.
• Ma...I loro voti non sono nella lista ufficiale.È scritto anche nell'articolo ufficiale che "non è ufficialmente certificato".
• Si'.Il punteggio più alto della lista pubblica.(2026-09-28)

Quindi la risposta esatta è:"StartLux-Decisión ha superato la cima dell'attuale lista pubblica da parte della squadra automisurata."Non lo so. Non è smisurato — è auto-misurato che significa forza, ma il lettore ha bisogno di una scala. Tutti i numeri qui sotto sono presi con la premessa di default di "auto-measurement team".

Cos'è: un modello di decisione che non genera testo?

Iniziare comprendendo la differenza fondamentale tra StarLux-Decisión e il modello generale di grandi dimensioni. Non e' un modello di generazione.Non scrivere lingue naturaliNon lo so.

È così che funziona: datene uno.StatoAggiungi un gruppoDomande— la selezione del tema (uno da diverse opzioni), non è, o è classificato. Lo stato può essere testo, JSON o immagine, fino a 256 K token.Restituisce la probabilità di ogni domanda a ogni opzioneNon lo so.

Il punto è nell'ultima frase:Non produce niente.Non lo so. La risposta è letta direttamente dalla lettera di opzione dopo una trasmissione in avanti. Quindi una breve domanda richiede pochi millisecondi e la probabilità può essere utilizzata direttamente come fiducia.

Questo risolve un particolare tipo di lavoro in un corpo intelligente:HF, set candidato chiaroIl giudizio. Per esempio, l'ordine di servizio passeggeri è venuto — "l'ordine è ripetutamente tenuto ma non mostra ancora pagamento" — e le stesse informazioni possono fare tre domande contemporaneamente: quale squadra è stato dato, se è in fase di elaborazione oggi, e quanto impatto ha avuto. L'approccio tradizionale è quello di permettere al modello di generazione di scrivere un pezzo di esso, che è lento e facile da interpretare errori; una richiesta dello StateLux-Decisión può completare i tre giudizi insieme.

Segnala carte: 63.88 vs 57.91,38 su 31 won

Confronto dell'indice di decisione 0.2.1 (entrambi 2026-09-28 snapshot):

• StartLux-Decision-27B:63.88
• Jev 1.13:57.91 (primo posto)
• Rune 26B-A4B: 57.44
• Decider Chat 31B:57.33
• AutoJev-27B: 56.40
• StartLux-Decision-9B: 58.63La 9B è davanti a Jeff.

27B più alto di Jev 5.97 minuti, dei 38 benchmark contenuti nell'indice,Ci sono 31 punteggi più alti.Non lo so.

Ma si prega di notare il preventivo ufficiale:"Il punteggio combinato non significa che tutte le capacità sono più forti."Non lo so. Questa frase vale la pena leggere.

Dove vincere, dove perdere.

Nel punteggio zona per Decisión Index, 27B conduce in quattro aree, ma perde a Jev:

• Conoscenza della lingua74.5 vs Jev 62.0 (alto 12.5)
• Ricerca e classificazione:66.8 vs 55.4 (alto 11.4)
• Strumenti e automazione:82.2 contro 75.1 (alto 7.1)
• Arte e preferenze umane:47.9 vs 37.7
• Conoscenza e ragionamento:44.3 vs Jev 51.4 (Più tardi 7.1)

Questa distribuzione è molto illustrativa. StartLux-Decision Strong“condizioni in sospeso, distinguendo tra i candidati, scegliendo il prossimo corso di azione”— capita di essere i tre tipi di capacità che sono più necessari nell'attuazione quotidiana dell'intelligenza; non è superiore al ragionamento puramente intellettuale. Quindi la conclusione non è "chi sta schiacciando chi", ma...La selezione dipende dal tipo di giudizio che la vostra intelligenza è più probabile che incontri.Non lo so.

Una divisione simile esiste su singoli oggetti. Ad esempio, API-Bank, che non porta, applicazioni Home tirare da 52.3 in Jev a 77.3, e POP909 da 15.9 a 50.6. Questi sono i punteggi di Decisión Index che sono stati corretti da base linea casuale.Non poteva essere considerato direttamente come l'accuratezza o la completezza della versione originale della linea di baseNon lo so.

Sette prove pubbliche: 91,82% media, pochi errori 8

Oltre al Decisión Index, il team è scappato dal laboratorio di intelligenza artificiale di Shanghai per lanciare l'Inter-Design.Sette serie di test(JevBench EASY/Original/Hard, Decisioni di tipo, ToolaCE, AG News, WildjailBreak):

• Velocità media di precisione StartLux-Decision-27B 91.82%
• Jev 1.13:88.74%
• Inter-Decisión-4B: 90.02%

In pubblico, JevBench ha 231 domande, tre risposte. 208 / 199 / 201 Domanda - 27B contro 9 in più di Jeff. Nel più difficile JevBench-Hard (111 dilemmi aperti), 27B errore 23, rispetto a Jev 318Non lo so.

Anche qui c’è molto da notare: il pubblico JevBench 208/231 è solo una domanda aperta.Non è un punteggio ufficiale di test, velocità e costi.; i dati di formazione supplementari utilizzati per la formazione aperta di 14 di questi benchmark e le domande di prova corrispondenti sono stati filtrati (etichetta ufficiale).

Velocità: millisecondi, tutti i problemi contati subito

Il valore del modello di decisione è a metà destra, a metà velocità. In un breve test di richiesta per scheda H200, BF16, HTTP locale,Tre domande alla volta.richiede tempo:

• 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 msOgni token in 35B attiva solo circa 3B, due volte più veloce di 27B.

Quando rispondi a una sola domanda, in media 4B. 14.7 msNon lo so. L'ottimizzazione all'interno dello stesso modello è più indicativa dei guadagni di ingegneria: 4B CUDA Graph era 90,3 ms quando non era abilitato, fino a 26,0 ms quando abilitato- Più di tre volte la promozione dipende dall'ingegneria. Il progetto utilizza anche algoritmi di attenzione lineari rapidi e consolida più problemi in un calcolo in avanti per ridurre le doppie chiamate.

Come riferimento, Jev 1.13 sulle tre richieste dello stesso tipo, il termine di servizio riportato dal suo gateway API è 64.0 mNon lo so. Tuttavia, le autorità si sono limitate a ricordare:I depositi hardware e di servizio variano da una parte all'altra e non possono essere utilizzati come base per concludere che l'hardware duro è la stessa velocitàe questi millisecondi non sono il momento di completare l'intero compito della pagina web (sia lunghezza di ingresso, caricamento della pagina, esecuzione degli strumenti). Piuttosto, questa espressione autosufficiente è la parte più credibile della pubblicazione.

Presentazione del campo: dal funzionamento del browser al gioco

La presentazione ufficiale ha riguardato diverse direzioni, con il nucleo "modelli per il processo decisionale, sistemi di implementazione per l'azione":

Browser / Web Operation: Ogni passo pone due domande — che i controlli sono l'operazione successiva e se il compito è completato. Nella dimostrazione, la lista filtrante è stata completata per "Acquista il più economico, gratuitamente, 8 batterie AA inviate a casa" e i membri designati sono stati invitati al team Design e impostati come Editor. Attenzione alle dichiarazioni ufficiali:Ambiente controllatoIl seguente è un funzionamento continuo.Non è lo stesso come l'ingresso gratuito su qualsiasi sito web., la casella di input completa anche la selezione attraverso la proposta del candidato.

Chess: StartLux-Decisión-27B e Jev 1.13 competono, né ricerca, e il codice non travolge mai la selezione dei modelli (Stockfish solo disegna barre di valutazione). E' solo questione di tempo.256, 27B, 58,4%.Non lo so.

Gioco: Mario (simolare 11 azioni candidate prima, scrivere i risultati in testo prima della selezione), StarCraft II ( porre tre domande ogni 12 secondi di tempo di gioco: cosa costruire, cosa dare priorità a, cosa attaccare / difendere / collaborare), DOOM (ogni 4 Tic giudici obiettivi, fuoco, movimento), JevBall (una richiesta di azione separata per diversi giocatori vicino alla palla). Nella stessa vena:Questi non sono un test di lettura diretta uniforme., ci sono script per la percezione e l'esecuzione, e il modello è responsabile solo per la parte del processo decisionale definito dall'interfaccia.

E c'è un altro dettaglio interessante: "Hanna, hai visto Jeff oggi?" Ci sono Hannah e Jeff in quella frase. Il sistema deve giudicare.E' stato interrogato su Hannah.Invece di avere un altro attore rispondere a causa di Jeff. È preso separatamente per determinare se il modello comprende la conversazione o solo corrisponde al nome.

Cinque serie di specifiche + MoE + Quantificato, localmente schierato amichevole

StartLux-Decistion fornisce un modello denso a cinque livelli (0.8B / 2B / 4B / 9B / 27B), più uno 35B-A3B Esperto misto (MoE)Versione. 3 ottobre.Ingresso immagine e contesto token 256KOgnuno di loro può essere letto come prova.

La distribuzione locale è l'obiettivo: llama.cpp è disponibile per ogni tranche GUF File, tra cui BF16 per mantenere l'accuratezza originale, e due formati quantitativi Q8 0, Q4 K M,15 GGFNon lo so. Prendi l'esempio di 4B:

• Q8 0 file 4.48 GBNel 231, su JevBench con il diritto originale HeavyTasso di coerenza decisionale 100%(La stessa risposta per 204)
• Presse Q4 K M 2.71 GB98,3%, sì 201

Forse dovresti prestare particolare attenzione.: Codice utilizza Apache-2.0, maPeso del modello con CC BY-NC 4.0 - Solo ricerca e non commerciale, uso commerciale soggetto ad un'autorizzazione separata dei laboratori StartLuxNon lo so. Questo è diverso dalla propaganda “full open source”, che deve essere confermata prima della commercializzazione.

L'interfaccia è compatibile, Jev. Probability può essere deviata.

C'è un design intelligente a livello di accesso: StartLux-Decisión con TypeSafe /v1/systemone Formato di interfaccia,Il cliente per Jev può essere utilizzato come è, i processi aziendali mantengono l'attuale modalità `state plus problem' di chiamata e cambiano l'indirizzo di servizio. L'interfaccia (modello di carico dillama.cpp con i servizi decisionali di accompagnamento responsabili delle problematiche organizzative e delle opzioni di lettura) è mantenuta anche per la distribuzione GGF.

Un altro meccanismo di preoccupazione èDiversione di probabilitàDal momento che ogni candidato ha una probabilità, il sistema può implementare direttamente il processo decisionale in uno "scendio di routine convalidato"; quando il candidato è difficile da distinguere, è in condizioni inadeguate o ha un rischio operativo più elevato, può essere seguito con osservazioni aggiuntive, presentate ad una grande analisi del modello, o richieste di conferma manuale.

Il governo sta anche dando un vero avvertimento:L'output di probabilità non è uguale al tasso di successo reale, e la soglia di diversione è allineata con la calibrazione dei dati operativi.; il pagamento, la cancellazione, l'autorità di modifica di tali operazioni rimangono soggette alle norme di autorizzazione e di conferma originali - Il modello di decisione è il passo successivo per giudicare il sistema, non per sostituire questi vincoli.

Ricerca automatica e RSI dietro

Tre giorni per fare un modello a cinque stadi, a seconda di StartLux. Auto Ricerca Sviluppo Pipeline(Constructed by co-founder and CTO Guo Guo Guo Jiu) Secondo una precedente intervista con il cuore della macchina, in questo approccio, l'IA non solo ha effettuato esperimenti pre-set, ma anche...Analisi dei guasti basati sul round precedente, presentazione di nuove ipotesi, partecipazione a decidere cosa guardare al prossimo; mentre gli obiettivi di ricerca, i criteri di valutazione e le regole chiave rimangono aperti.

Nella divisione di sistema di StartLux,StartLux-27B per portare lo strato di capacità generico, modello Decisión focalizzato sullo strato di decisione ad alta frequenzaE sopra è agente e Memoria, il fondo è supportato da quantificazione, sistemi di ragionamento e hardware. Così Decisión non è un rilascio isolato fatto in ricerca di punti caldi, ma un pezzo di questa architettura che è stato costruito come previsto.

Guo Quan ha definito Auto Research come elemento fondamentale per il raggiungimento di RSI: In primo luogo, per coinvolgere AI nella ricerca e nel miglioramento dei modelli, poi per richiedere ulteriormente “l’AI migliorata, anche la capacità di migliorare l’IA stessa è stata migliorata”. StartLux-Decision è un risultato concreto di questa linea.

E questo?

Metti Jev sul trono.Una squadra cinese in fondo alla decisione dell'agente.Non lo so. L'idea che Jev porta — utilizzando un modello dedicato per assumere alta frequenza, per sostenere un giudizio chiaro piuttosto che permettere che il modello di generazione sia un arbitro e un atleta — sta dimostrando di essere un vero e proprio bisogno. StartLux utilizza una fonte aperta, una quinta serie di specifiche, distribuzione locale e un'interfaccia compatibile con Jev per rendere la strada più “terrabile”.

Ma tre promemoria rimangono ancora:

• E' un test di squadra.Non certificata nella lista ufficiale.
• Avanti, avanti.E' ancora in ritardo nel ragionamento intellettuale, Jeff. Dipende dalla distribuzione dei compiti.
• Il peso è CC BY-NC 4.0., "Full open source" solo per scenari non commerciali, con pubblicità autorizzate separatamente

In ogni caso, vale la pena ricordare che una squadra relativamente giovane di Shanghai, tre giorni di fare un modello di decisione a cinque stadi e superare l'attuale cima del calibro pubblico.Il "livello di giudizio" dell'agente sta diventando una pista tecnologica indipendente e meritante.

Il modello di decisione non è destinato a sostituire il grande modello, ma piuttosto a fare meno dei giudizi triviali che non dovrebbe fare.