Jev diminta untuk naik takhta: StartLux.

Pada 30 September, Shanghai AI, StartLux, merilis model keputusan sumber terbuka sepenuhnya. Versi-StartLuxSatu kali peluncuran 0.8B, 2B, 4B, 9B, 27B, 5. Berdasarkan evaluasi yang diterbitkan oleh tim, versi flagship 27Bnya menerima 63.88 poin pada Indeks Keputusan 0.2.1, lebih dari Jeff 1.13 (57.91), yang pertama dalam daftar.Raja baru model pengambilan keputusan mengarah ke tahta.Aku tidak tahu.

Lebih menarik lagi ialah kadar R & D:Seluruh model hanya 3 hari untuk menyelesaikan penelitian dan validasi.Aku tidak tahu. Di belakang ini adalah jalur Auto Research yang dibangun oleh StartLux -- secara resmi, ini adalah salah satu jalur inti mereka untuk memajukan RSI.

Mari kita mulai dengan mengatakan, ini adalah tes tim, bukan daftar resmi.

Yang satu ini harus jelas, jika tidak mudah untuk dipimpin atas judul.

Nilainya adalah:Menggunakan alat evaluasi resmi Indeks Decisión, tim yang diasuransikan sendiri terhadap listshot publik selesai pada 28 September 2026Aku tidak tahu. Dengan kata lain:

• Mereka menggunakan alat penilaian checklist dan data perbandingan hari yang sama.
• Tapi...Nilai mereka tidak ada dalam daftar resmi.Ini juga ditulis dalam artikel resmi bahwa "bukan bahwa itu resmi bersertifikat."
• Yeah.Skor Top untuk daftar publik.(2026-09-28)

Jadi jawaban yang tepat adalah:"StartLux-Decisión telah melampaui puncak daftar publik saat ini oleh tim yang diukur sendiri."Aku tidak tahu. Ini tidak merendahkan — itu sendiri-diukur yang berarti kekuatan, tetapi pembaca membutuhkan skala. Semua angka di bawah ini diambil dengan premis baku dari " time self-measurement".

Apa itu: model keputusan yang tidak menghasilkan teks?

Mulailah dengan memahami perbedaan mendasar antara StarLux-Decisión dan model besar umum. Ini bukan model generasi.Jangan tulis bahasa alamiAku tidak tahu.

Itulah cara kerjanya: berikan satu.StatusMahjonggPertanyaanKoladon — pilihan tema (satu dari beberapa pilihan), tidak, atau dinilai. Kenegaraan dapat berupa teks, JSON atau gambar, hingga 256 token K.Kebarangkalian setiap pertanyaan dikembalikan pada setiap pilihanAku tidak tahu.

Intinya adalah pada kalimat terakhir:Itu tidak menghasilkan apa-apa.Aku tidak tahu. Jawabannya dibaca langsung dari surat pilihan setelah transmisi ke depan. Jadi pertanyaan singkat membutuhkan beberapa milidetik dan kemungkinannya dapat digunakan secara langsung sebagai keyakinan.

Hal ini memecahkan jenis pekerjaan tertentu dalam tubuh cerdas:HF, kandidat jelas ditetapkanHakim. Sebagai contoh, pesanan layanan penumpang datang — \"urutan itu berulang kali ditahan tetapi tetap tidak menunjukkan pembayaran\" — dan informasi yang sama dapat mengajukan tiga pertanyaan sekaligus: tim mana yang diberikan, apakah itu sedang diproses hari ini, dan berapa banyak dampak yang ditimbulkannya. Pendekatan tradisional adalah untuk memungkinkan model generasi untuk menulis sepotong itu, yang lambat dan mudah untuk menafsirkan kesalahan; satu permintaan dari StateLux-Decisión dapat menyelesaikan tiga penilaian bersama.

Kartu laporan: 63.88 vs 57.91,38 dari 31 won

Contoh perbandingan Indeks Keputusan 0.2.1 (keduanya 2026-09-28 snapshots):

• StartLux-Decision-27B:63.88
• OCLC 1:13:57.91 (tempat pertama)
• Rune 26B-A4B: 57.44
• Memutuskan pembicaraan 31B:57.33
• OtoJev-27B: 56.40
• StartLux-Decision-9B: 58.639B mendahului Jeff.

207B lebih tinggi dari Jev 5.97 menitDari 38 tanda aras yang terkandung dalam indeks,Ada 31 skor lebih tinggi.Aku tidak tahu.

Tapi tolong perhatikan kutipan resminya:" Skor gabungan tidak berarti bahwa semua kemampuan lebih kuat."Aku tidak tahu. Kalimat ini layak dibaca.

Di mana menang, di mana kalah.

Di area skor untuk Indeks Decisión, 27B memimpin di empat daerah, tetapi kalah dari Jev:

• Pengertian Bahasa44.5 vs Jev 62.0 (tinggi 12.5)
• klasifikasi:66.8 vs 55.4 (high 11.4)
• Peralatan dan otomasi:82.2 vs 75.1 (tinggi 7.1)
• Seni dan selera manusia:47.9 vs 37.7
• Pengetahuan dan penalaranKANTOR:44.3 vs Jev 51.4 (Later 7.1)

Distribusi ini sangat terkenal. StartLux-Decision Strong\"Kondisi yang luar biasa, membedakan antara calon, memilih tindakan berikutnya\"Kebetulan tiga jenis kemampuan yang paling dibutuhkan dalam implementasi kecerdasan sehari-hari; tidak lebih dari sekadar penalaran intelektual. Jadi kesimpulannya bukan siapa yang menghancurkan siapa, tapi...Pemilihan tergantung pada penilaian seperti apa kecerdasan Anda kemungkinan besar untuk menghadapi.Aku tidak tahu.

Perpecahan serupa ada pada item individu. Misalnya, API-Bank, yang tidak memimpin, aplikasi Home menarik dari 52.3 di Jev ke 77.3, dan POP909 dari 15.9 ke 50.6. Ini adalah skor Indeks Decisión yang telah dikoreksi oleh baseline acak.TIDAK dapat secara langsung dianggap sebagai ketepatan atau kelengkapan versi asli dari garis dasarAku tidak tahu.

Tujuh tes publik: 91,82% rata-rata, beberapa kesalahan 8

Selain Decisión Index, tim melarikan diri dari laboratorium kecerdasan buatan Shanghai untuk meluncurkan Inter-Design.Tes 7 set(JevBench EASY/Original/Hard, Keputusan Tipe, ToolaCE, Berita AG, WildjailBreak):

• Tingkat akurasi rata-rata rata-rata Acceure-27B StartLux-Decision-27B 91.82%
• Jev 1.13:88,74%
• A inter-Decisión-4B: 90,02%

Secara umum, JevBench memiliki 231 pertanyaan, tiga jawaban. 208 / 199 / 201 Pertanyaan - 27B vs 9 lebih dari Jeff. Dalam film tersulit JevBench-Hard (111 dilema terbuka), 27B error 23, dibandingkan dengan Jev 31Pertanyaannya 8Aku tidak tahu.

Di sini juga, ada banyak hal yang harus diperhatikan: pertanyaan umum JevBench 208/231 hanyalah pertanyaan terbuka.Ini bukan skor resmi tes rahasia, kecepatan dan biaya.; Data pelatihan tambahan menggunakan set pelatihan terbuka 14 dari benchmark ini dan pertanyaan tes yang bersangkutan disaring keluar (official label).

Kecepatan: milidetik, semua masalah dihitung ke depan sekaligus

Nilai dari model keputusan adalah setengah kanan, setengah cepat. Dalam tes permintaan singkat untuk kartu H200, BF16, HTTP lokal,Tiga pertanyaan sekaligus.Menghitung waktu:

• 2 ms
• 25.5 ms
• 4B: 26,0 ms
• 9B:35,7 ms
• 27B:102,3 ms
• 255 msSetiap token dalam 35B hanya mengaktifkan sekitar 3B, dua kali lebih cepat dari 27B.

Ketika Anda menjawab hanya satu pertanyaan, 4B rata-rata. 14.7 msAku tidak tahu. Pengoptimuman dalam model yang sama lebih menunjukkan hasil rekayasa: 4B Grafik CUDA adalah 90,3 ms ketika tidak diaktifkan, turun ke 26,0 ms ketika diaktifkan- Lebih dari tiga kali promosi tergantung pada teknik. Proyek ini juga menggunakan algoritme perhatian linear yang cepat dan mengkonsolidasikan berbagai isu ke dalam perhitungan maju untuk mengurangi panggilan ganda.

Sebagai referensi, Jev 1.13 atas tiga permintaan dari jenis yang sama, layanan berakhir dilaporkan oleh API gateway nya 64.0 msAku tidak tahu. Namun, pihak berwenang menahan diri untuk mengingatkan:Perangkat keras dan depot layanan bervariasi dari satu pihak ke pihak lain dan tidak dapat digunakan sebagai dasar untuk menyimpulkan bahwa hardware adalah kecepatan yang samaKebidanan milidetik ini bukanlah waktu untuk menyelesaikan seluruh tugas halaman web (baik panjang input, pemuatan halaman, eksekusi alat). Sebaliknya, ekspresi diri ini adalah bagian yang lebih kredibel dari publikasi.

Persembahan medan persembahan: dari operasi peramban ke permainan

Presentasi resminya meliputi beberapa arah, dengan inti menjadi "model untuk pengambilan keputusan, sistem implementasi untuk tindakan":

Operasi Web Pelayar/ WebSetiap langkah mengajukan dua pertanyaan — yang mengontrol adalah operasi berikutnya dan apakah tugas itu selesai. Dalam demonstrasi, daftar penyaringan selesai untuk "Buy yang termurah, bebas biaya, 8 baterai AA dikirim pulang" dan anggota yang ditunjuk diundang ke tim Design dan ditetapkan sebagai Editor. Perhatian kepada pernyataan resmi:Lingkungan kacauBerikut ini adalah operasi berkelanjutan.Ini tidak sama dengan entri gratis di website manapun., kotak masukan juga menyelesaikan pemilihan melalui proposal calon.

ChessboardStartLux-Decisión-27B dan Jev 1.13 bersaing, baik pencarian, maupun kode tidak pernah overwhelms pemilihan model (Stockfish hanya menggambar bar penilaian). Ini hanya masalah waktu.256, 27B, 58,4%Aku tidak tahu.

Permainan): Mario (menyimulasi 11 tindakan calon terlebih dahulu, menulis hasil ke dalam teks sebelum seleksi), StarCraft II (mengajukan tiga pertanyaan setiap 12 detik waktu pertandingan: apa yang akan dibangun, apa yang harus diberi prioritas, apa yang harus menyerang/defend/collect), DOOM (masing-masing 4 sasaran hakim Tic, api, bergerak), JevBall (satu permintaan untuk tindakan terpisah untuk beberapa pemain dekat bola). Dalam vena yang sama:Ini bukan tes Direct Read Screen yang seragam.Ada skrip untuk persepsi dan eksekusi, dan model hanya bertanggung jawab atas bagian dari pengambilan keputusan yang didefinisikan oleh antarmuka.

Dan ada satu detail lagi yang menarik -- Hanna, kau sudah melihat Jeff hari ini?" Ada Hannah dan Jeff dalam kalimat itu. Sistem harus menghakimi.Dia ditanyai tentang Hannah.Alih-alih memiliki aktor lain merespon karena Jeff. Ini diambil secara terpisah untuk menentukan apakah model memahami percakapan atau hanya cocok dengan nama.

Ada lima set spesifikasi + MoE + Quantified, ramah lokal dikerahkan

StartLux-Decistion menyediakan model padat lima-tier (0.8B / 2B / 4B / 9B / 27B), ditambah satu Ahli Campuran (MoE)Version. Tanggal 3 Oktober.NameMasing-masing dari mereka dapat dibaca sebagai bukti.

Pengerahan lokal adalah fokus: llama.cpp tersedia untuk setiap tranche UF Berkas, termasuk BF16 untuk mempertahankan ketepatan asli, dan dua format kuantitatif Q8 0, Q4 K M,Masukan 15 GGFAku tidak tahu. Ambil contoh 4B:

• 0 Berkas LUAR KBPada tahun 231, di JevBench dengan Heavy kanan asliTingkat koherensi pembuatan keputusan pembuatan keputusan pembuatan pembuatan pembuatan pembuatan pembuatan pembuatan pembuatan pembuatan pembuatan pembuatan keputusan yang 100%(Jawapan yang sama untuk 204)
• Pers Q4 K M 2 GB71 GB98.3%, ya 201

Mungkin kau harus memperhatikannya.Kode menggunakan Apache-2.0, tapiModel model pemberatan dengan CC BY-NC 4.0 - Penelitian dan non-komersial saja, penggunaan komersial hanya subjek ke otorisasi StartLux Labs terpisahAku tidak tahu. Ini berbeda dengan propaganda \"sumber terbuka penuh\", yang harus dikonfirmasi sebelum komersialisasi.

Antarmuka yang kompatibel, Jev. Kemungkinan dapat dialihkan.

Ada desain cerdas di tingkat akses: StartLux-Decisión dengan TypeSafe /v1/systemone Format antarmuka,Klien untuk Jev dapat digunakan seperti itu, proses bisnis mempertahankan mode 'state plus problem' saat ini dari panggilan dan mengubah alamat layanan. Antarmuka (llama.cpp load model dengan pendampingan layanan pengambilan keputusan yang bertanggung jawab untuk masalah organisasi dan membaca pilihan keluar) juga dipertahankan untuk deployment GGF.

Mekanisme lain yang menjadi perhatian adalahPengalihan probabilitasKarena setiap kandidat memiliki probabilitas, sistem dapat secara langsung melaksanakan pengambilan keputusan dalam sebuah \"skenario rutin yang divalidasi\"; ketika kandidat sulit dibedakan, berada dalam kondisi yang tidak memadai atau memiliki risiko operasional yang lebih tinggi, dapat ditindaklanjuti dengan pengamatan tambahan, diajukan ke analisis model besar, atau permintaan untuk konfirmasi manual.

Pemerintah juga memberikan peringatan nyata:Keluaran probabilitas ketakmampuan tidak menyamai tingkat keberhasilan nyata, dan ambang pengalihan disejajarkan dengan kalibrasi data operasional.-- Model keputusan adalah langkah berikutnya bagi sistem untuk menilai, bukan untuk menggantikan batasan ini.

Otomotif Riset dan RSI di belakang

Tiga hari untuk membuat model lima tahap, tergantung pada StartLux. Pipaline Pembangunan Pembangunan Otomatis Transplantasi Air(Dikonstruksi oleh co-founder dan CTO Guo Guo Jiu) Menurut wawancara sebelumnya dengan jantung mesin, dalam pendekatan ini, AI tidak hanya melaksanakan percobaan pra-set, tetapi juga...Analisis kegagalan berdasarkan putaran sebelumnya, presentasi asumsi baru, partisipasi dalam memutuskan apa yang harus dilihat selanjutnya); sementara tujuan penelitian, kriteria evaluasi dan aturan kunci tetap terbuka.

Di divisi sistem StartLux,StartLux-27B untuk membawa lapisan kapabilitas generik, model Decisión berfokus pada lapisan keputusan frekuensi tinggiDan di atasnya adalah Agen dan Memoory, bagian bawah didukung oleh kuantifikasi, sistem penalaran dan perangkat keras. Jadi, Decisión bukanlah pelepasan terisolasi yang dibuat untuk mengejar titik panas, tetapi sepotong arsitektur ini yang dibangun sesuai rencana.

Kekhalifah Guo Quan mendefinisikan Auto Research sebagai elemen inti untuk mencapai RSI: Pertama, untuk melibatkan AI dalam penelitian dan perbaikan model, kemudian untuk lebih lanjut meminta \"AI yang disetujui, bahkan kemampuan untuk meningkatkan AI sendiri telah ditingkatkan\". StartLux-Decision merupakan hasil konkret dari garis ini.

Bagaimana dengan ini?

Letakkan Jev di atas takhta.Tim Cina di bawah tingkat keputusan Agen.Aku tidak tahu. Gagasan yang dibawakan oleh Jev — menggunakan model yang berdedikasi untuk mengambil frekuensi tinggi, untuk membela penilaian yang jelas ketimbang membiarkan model generasi menjadi wasit maupun atlet — terbukti benar - benar dibutuhkan. StartLux menggunakan sumber terbuka, spesifikasi kelima, penyebaran lokal dan antarmuka Jev yang kompatibel untuk membuat jalan menjadi lebih \"landable\".

Tapi tiga pengingat masih berdiri:

• Ini ujian tim.Belum disertifikasi dalam daftar resmi.
• Semua depan, semua depan.Ini masih tertinggal dalam penalaran intelektual, Jeff. Ini tergantung pada distribusi tugas.
• beratnya adalah CC BY-NC 4.0." Sumber terbuka penuh" hanya untuk skenario non-komersial, dengan iklan yang disahkan secara terpisah

Dalam kasus apapun, patut diingat bahwa tim Shanghai yang relatif muda, tiga hari membuat model keputusan lima tahap dan melampaui puncak kaliber publik saat ini.Agen \"tingkat juri\" menjadi jalur teknologi yang mandiri dan layak.

Model keputusan ini tidak dimaksudkan untuk menggantikan model besar, tetapi sebaliknya untuk mengurangi penilaian sepele yang seharusnya tidak dibuat.