Jev는 throne을 가지고 물었다 : StartLux.

9 월 30, 상하이 AI, StartLux, 완전히 오픈 소스 결정 모델을 발표했다. StartLux - 결정0.8B, 2B, 4B, 9B, 27B, 5.의 1 시간 발사 팀에 의해 출판 된 평가에 따르면, 주력 27B 버전은 Decision Index 0.2.1에 63.88 포인트를 받았다, 이상 Jeff 1.13 (57.91), 목록에서 첫 번째.의사 결정 모델의 새로운 왕은 왕좌에 이끌었다.나는 모른다.

더 흥미로운 비율은 R & D :전체 모델은 연구 및 검증을 완료하는 3 일 만이었다.나는 모른다. 이 뒤에는 StartLux에 의해 건축된 자동 연구 선 -- 공식적으로, 그것입니다 그들의 핵심 경로의 한개는 RSI를 전진합니다.

말로 시작하자, 이것은 팀 테스트, 공식 목록이 아닙니다.

이 것은 명확해야합니다, 그렇지 않으면 제목을 통해 쉽게지도됩니다.

StartLux의 급료는:Decisión Index의 공식 평가 도구를 사용하여 9 월 28, 2026에 완료된 공개 목록에서 자체 측정 한 팀나는 모른다. 다른 단어:

체크리스트 평가 도구와 같은 날의 비교 데이터를 사용하고 있습니다.
하지만...그들의 등급은 공식 목록에 없습니다.그것은 또한 " 공식적으로 인증되지 않는 공식 문서에서 작성됩니다."
예.공공 목록의 상위 점수.(2026-09-28)

그래서 정확한 대답은:"StartLux-Decisión은 팀 자체 측정으로 현재 공개 목록의 최고를 능가했습니다."나는 모른다. 그것은 demeaning하지 않습니다 - 힘이 의미하는 자체 측정이지만 독자는 규모가 필요합니다. 아래의 모든 숫자는 "team self-measurement"의 기본 premise로 가져갑니다.

그것은 무엇입니까 : 텍스트를 생성하지 않는 결정 모델?

StarLux-Decisión과 일반 대형 모델의 기본 차이를 이해함으로써 시작하십시오. 그것은 세대 모델이 아닙니다.자연적인 언어를 쓰지 마십시오나는 모른다.

그게 어떻게 작동하나요: 그것을 하나 줄.주요연혁그룹 추가이름 *— 테마의 선택 (몇 가지 옵션 중 하나), 아니, 또는 등급입니다. 상태는 텍스트, JSON 또는 그림, 최대 256 K 토큰이 될 수 있습니다.각 옵션에 각 질문의 확률을 반환나는 모른다.

이 점은 마지막 문장에 있습니다:그것은 아무것도를 일으키지 않습니다.나는 모른다. 대답은 앞으로 전송 후에 선택권 편지에서 직접 읽습니다. 그래서 짧은 질문은 몇 밀리 초가 걸리고 확률은 자신감으로 직접 사용될 수 있습니다.

이것은 똑똑한 몸에 있는 일의 특정 종류를 해결합니다:HF의 명확한 후보자 세트심판. 예를 들어, 여객 서비스 주문이 왔습니다. "주문은 반복적으로 withheld하지만 여전히 지불이 없습니다"- 동일한 정보는 동일한 시간에 세 가지 질문을 할 수 있습니다. 즉, 팀이 오늘 처리되는지 여부, 얼마나 많은 영향을 미칩니다. 전통적인 접근법은 세대 모델을 허용하는 것은 느리고 쉽게 오류를 해석 할 수 있습니다. StateLux-Decisión의 한 요청은 세 개의 판단을 함께 완료 할 수 있습니다.

카드: 63.88 대 57.91,38 대 31 원

결정 지수의 비교 0.2.1 (제 2026-09-28 스냅 샷):

startLux-Decision-27B:63.88
Jev 1.13:57.91 (첫번째 장소)
26B-A4B를 실행하십시오: 57.44
데이즈 채팅 31B:57.33
AutoJev-27B: 56.40
startLux-Decision-9B: 58.639B는 제프의 앞에 있습니다.

Jev 보다는 27B 더 높은 5.97 분인덱스에 포함 된 38 벤치 마크의,더 높은 점수가 있습니다.나는 모른다.

그러나 공식적인 견적을 주십시요:"모든 능력이 더 강하다는 것을 의미하지 않습니다."나는 모른다. 이 문장은 독서 가치가 있습니다.

승리 할 곳, 잃을 곳.

Decisión Index의 영역 점수에서 27B는 4 영역에서 리드하지만 Jev로 잃습니다.

언어 이해74.5 대 Jev 62.0 (높은 12.5)
검색 및 분류: 66.8 대 55.4 (높은 11.4)
도구 및 자동화: 82.2 대 75.1 (높은 7.1)
예술과 인간 환경: 47.9 대 37.7
지식과 이유::44.3 대 Jev 51.4 (레이터 7.1)

이 배포는 매우 환상적입니다. StartLux-Decision 강한“자유한 조건, 후보자 중 구별, 다음 과정의 행동 선택”— 그것은 지능의 일상적인 구현에서 가장 필요한 기능의 세 가지 유형이 될 것입니다; 그것은 순으로 지적 이유가 우수하지 않습니다. 그래서 결론은 "무엇을 분쇄,"하지만...선택은 어떤 종류의 판단에 따라 귀하의 인텔리전스가 발생할 가능성이 높습니다.나는 모른다.

비슷한 부분은 개별 항목에 존재한다. 예를 들면, 지도하지 않는 API-Bank, Jev에서 77.3까지, 그리고 15.9에서 50.6에 POP909에 가정 신청 잡아당기기. 이것은 무작위 기본으로 수정 된 Decisión Index의 점수입니다.기본 버전의 정확성 또는 완전성으로 직접 간주 할 수 없습니다나는 모른다.

7개의 공중 시험: 평균 91.82%, 몇몇 실수 8

Decisión Index 외에도 상하이의 인공 지능 실험실에서 Inter-Design을 출시합니다.시험의 7 세트(JevBench EASY/Original/Hard, Typed Decisions, ToolaCE, AG 뉴스, WildjailBreak):

StartLux-Decision-27B 평균 정확도 비율 91.82%
제프 1.13:88.74%
Inter-Decisión-4B: 90.02%

공개적으로, JevBench는 231개의 질문, 3개의 대답이 있습니다. 208 / 199 / 201 문제 - 27B vs. 9 이상 Jeff. 가장 힘든 JevBench-Hard (111 오픈 dilemmas)에서, Jev 31에 비해 27B 오류 23,질문 8나는 모른다.

여기, 너무, 많은 통지가 있습니다 : 공공 JevBench의 208 / 231은 단지 열린 질문입니다.분류된 시험, 속도 및 비용의 공식 점수는 아닙니다.; 추가 교육 데이터는 이러한 벤치 마크의 14 세트를 사용했으며 해당 테스트 질문은 필터링되었습니다 (공식 라벨).

속도: milliseconds, 모든 문제는 한 번에 앞으로 계산했습니다

결정 모델의 값은 반 오른쪽, 반 빠른. 카드 H200, BF16, 로컬 HTTP의 짧은 요청 테스트에서,한 번에 세 가지 질문.시간 소모:

0.8B:12.2 미터
2B:15.5 미터
4B: 26.0의 ms
9B:35.7 미터
27B:102.3 미터
35B-A3B (모): 52.5 ms35B의 모든 토큰은 27B만큼 빠릅니다.

1개의 질문에 답할 때, 평균 4B. 14.7 마일나는 모른다. 동일한 모형 내의 최적화는 기술설계 이익의 더 표시입니다: 4B CUDA 그래프는 활성화되지 않은 경우 90.3 ms였습니다. 활성화 할 때 26.0 ms까지- 3배 이상 승진은 기술설계에 달려 있습니다. 프로젝트는 또한 빠른 선형주의 알고리즘을 사용하고 이중 통화를 줄이기위한 앞으로 계산으로 여러 문제를 통합합니다.

참고로, 같은 종류의 세 가지 요청에 Jev 1.13, API 게이트웨이에 의해보고 된 서비스 끝은 64.0 마일나는 모른다. 그러나 당국은 상기로부터 스스로 구속했습니다.하드웨어 및 서비스 저장소는 하나의 파티에서 서로 다를 수 있으며 하드 하드웨어가 동일한 속도임을 결론에 따라 사용될 수 없습니다.그리고 이 milliseconds는 전체 웹 페이지 작업을 완료하는 시간이 아닙니다 (입력 길이, 페이지 로딩, 도구 실행). Rather, 이 자기 인식 표현은 출판의 더 신뢰할 수있는 부분입니다.

현장 발표 : 브라우저 운영에서 게임

공식 발표는 여러 방향을 덮었습니다. 핵심은 "결정 만들기를위한 모델, 행동을위한 구현 시스템":

Browser/ 웹 운영: 각 단계는 두 가지 질문을합니다. 즉, 제어는 다음 작업이며 작업이 완료되는지 여부입니다. 데모에서 필터링 목록은 "가장 싼 구매, 무료, 8 AA 배터리가 집을 보냈습니다"를 완료했으며 지정된 회원은 디자인 팀에 초대되었으며 편집자로 설정되었습니다. 공식적인 진술에 주의:통제된 환경다음은 연속 조작입니다.웹 사이트에 무료 입장과 동일하지 않습니다., 입력 상자는 또한 후보 제안을 통해 선택을 완료합니다.

사이트맵: StartLux-Decisión-27B 및 Jev 1.13 경쟁, 검색 및 코드는 모델의 선택을 압도하지 않습니다 (스노피는 평가 막대를 그립니다). 그것은 단지의 문제입니다.25, 27B, 58.4%.나는 모른다.

이름 *: 마리오 (첫 번째 11 후보 행동을 수정, 선택하기 전에 텍스트로 결과를 작성), StarCraft II ( 게임 시간의 12 초마다 세 가지 질문을 : 빌드하는 것이 무엇인지, 우선 순위를 부여하는 것이 무엇인지, 공격 / 종료 / 수집), DOOM (각 4 Tic 판사 대상, 화재, 이동), JevBall (공 근처의 여러 플레이어에 대한 별도의 행동에 대한 하나의 요청). 동일한 정맥에서:이것은 획일한 직접적인 읽는 스크린 시험이 아닙니다., 인식 및 실행에 대한 스크립트가 있으며, 모델은 인터페이스에 의해 정의 된 의사 결정의 일부에만 책임집니다.

그리고 흥미로운 한 가지 더 자세히가있다 -- "안녕, 오늘 제프를 본 적이?" 그 문장에서 Hannah와 Jeff가 있습니다. 시스템은 판단해야 합니다.그는 Hannah에 대해 질문했습니다.다른 배우가 Jeff 때문에 응답하는 대신. 모델이 대화를 이해하거나 이름을 일치 여부를 결정하는 것은 별도로 촬영됩니다.

명세의 5 세트 + MoE + Quantified, 국부적으로 배치된 친절한

StartLux-Decistion은 5 층 밀도 모델을 제공합니다 (0.8B / 2B / 4B / 9B / 27B), 플러스 35B-A3B 혼합 전문가 (모)버전. 10월 3일그림 입력 및 256K 토큰 컨텍스트그들 각자는 증거로 읽을 수 있습니다.

로컬 배포는 초점입니다 : llama.cpp는 각 tranche에 사용할 수 있습니다 사이트맵 BF16를 포함하여 원본 정확도를 유지하고, 2개의 정량적인 체재 Q8 0, Q4 K M,15 GGF 항목나는 모른다. 4B의 예를 들어:

Q8 0 파일 4.48 기가바이트231에서 JevBench의 원래 오른쪽 무거운Decision 만드는 구멍 비율 100%년(204)에 대한 같은 대답
Q4 K M 프레스 2.71 기가바이트98.3%, 그렇습니다 201

아마도 당신은 특정 관심을 지불해야합니다.: Code는 Apache-2.0을 사용하지만,CC BY-NC 4.0로 무게를 다는 모형 - 연구와 비 상업적인 단지, 분리되는 StartLux 실험실 허가에 상업적인 사용 주제나는 모른다. 이것은 상업화의 앞에 확인되어야 하는 “완전한 오픈 소스” propaganda에서 다릅니다.

공용영역은, Jev 호환이 됩니다. 확률은 거꾸로 할 수 있습니다.

액세스 수준에서 스마트 디자인이 있습니다: StartLux-Decisión with TypeSafe /v1/systemone 공용영역 체재,Jev를 위한 클라이언트는 그것으로 사용될 수 있습니다, 사업 프로세스는 현재 `state plus problem' 모드를 호출하고 서비스 주소를 변경합니다. 인터페이스 (llama.cpp load model with 동반 의사 결정 서비스 조직 문제 및 읽는 옵션)은 GGF 배포를 위해 유지됩니다.

관심의 또 다른 메커니즘은Probability 다이버각 후보자는 확률이 높기 때문에, 시스템은 직접 "무효한 일상적인 시나리오"에서 결정을 내릴 수 있습니다. 후보자가 구별하기가 어렵을 때, Inadequate 상태에 있거나 더 높은 운영 위험을 가지고 있으며, 대형 모델 분석 또는 수동 확인 요청에 제출 된 추가 관찰과 함께 수행 할 수 있습니다.

정부는 또한 실제 경고를 제공합니다:Probability 산출은 실제적인 성공률을 동등하지 않으며, 다각적 문턱은 조작상 자료 구경측정과 일치됩니다.; 결제, 삭제, 이러한 작업을 수정하는 권한은 원래 승인 및 확인 규칙에 따라 남아 - - 의사결정 모델은 이 제약을 대체하지 않는 재판 시스템에 대한 다음 단계입니다.

자동차 연구 및 RSI 뒤에

StartLux에 따라 5 단계 모델을 만들려면 3 일. 자동차 연구 개발 파이프라인( 공동 창업자 및 CTO Guo Guo Guo Jiu에 의해 건설) 기계 심장과 이전 인터뷰에 따르면,이 접근 방식에서 AI는 사전 설정 실험뿐만 아니라...이전 라운드를 기반으로 한 실패의 분석, 새로운 가정의 발표, 다음을 살펴 보는 것을 결정에 참여; 연구 목적 동안, 평가 기준 및 열쇠 규칙은 열려있 남아 있습니다.

StartLux의 시스템 부문에서,StartLux-27B는 일반적인 기능 층을 나르기 위하여, 고주파 결정 층에 집중된 Decisión 모형그리고 그 위에는 대리인과 Memoory, 바닥은 quantification, reasoning 체계 및 기계설비에 의해 지원됩니다. 그래서 Decisión은 뜨거운 반점의 추적에서 만든 격리 된 방출이 아니지만 계획 된이 아키텍처의 조각.

Guo Quan은 RSI를 달성하기위한 핵심 요소로 Auto Research를 정의했습니다. 먼저 연구 및 모델 개선에 AI를 포함시키기 위해 AI 자체가 강화 된 기능을 개선하기 위해 "improved AI"를 요청하십시오. StartLux-Decision은 이 선의 구체적인 결과입니다.

이것에 관하여?

throne에 Jev를 넣어.대리인의 결정 수준의 바닥에 중국 팀.나는 모른다. Jev가 제공하는 아이디어 - 고주파에 걸릴 전용 모델을 사용하여 생성 모델이 참조 및 선수 모두 될 수 있도록 명확한 판단을 스탠드하기 위해, - 실제적인 필요이기 때문에. StartLux는 오픈 소스, 다섯 번째 세트의 사양, 로컬 배포 및 Jev 호환 인터페이스를 사용하여 더 많은 "landable"을 만듭니다.

그러나 3개의 생각자는 아직도 서 있습니다:

그것은 팀 시험입니다.공식 목록에 인증되지 않습니다.
전방, 전방.그것은 여전히 지적 주장, 제프. 그것은 작업의 배포에 달려 있습니다.
무게는 CC BY-NC 4.0입니다., "Full open source"는 비 상업적인 시나리오를 위해, 따로따로 허가했습니다

어떤 경우에, 그것은 상대적으로 젊은 상해 팀이, 5 단계 결정 모형을 만들고 대중적인 구경의 현재 정상을 능가하는 3 일이라고 기억하는 가치가 있습니다.Agent's “judgement Level”는 독립적이고 보존 기술 트랙이 됩니다.

결정 모형은 큰 모형을 대체하기 위하여 예정되지 않습니다, 그러나 오히려 trivial 판단의 더 적은을 만들기 위하여 그것을 만드십시오.