Jev został poproszony o objęcie tronu: StartLux.

30 września Shanghai AI, StartLux, wydał całkowicie otwarty model decyzyjny. Decyzja StartLux-Jednorazowe uruchomienie 0.8B, 2B, 4B, 9B, 27B, 5. Zgodnie z opublikowaną przez zespół oceną, jego sztandarowa wersja 27B otrzymała 63,88 punktów na temat wskaźnika decyzji 0.2.1, ponad Jeff 1.13 (57.91), pierwszy na liście.Nowy król modelu podejmowania decyzji doprowadził do tronu.Nie wiem.

Bardziej interesujące jest tempo badań i rozwoju:Cały model był zaledwie 3 dni do zakończenia badań i walidacji.Nie wiem. Za tym jest linia Auto Research, zbudowana przez StartLux. Oficjalnie, to jedna z ich głównych ścieżek, by przyspieszyć RSI.

Zacznijmy od tego, że to test zespołowy, a nie oficjalna lista.

To musi być jasne, w przeciwnym razie łatwo być prowadzonym nad tytułem.

Oceny StartLux są następujące:Korzystając z oficjalnego narzędzia oceny indeksu Decisión, zespół samodzielnie mierzony w stosunku do publicznego listshota zakończonego 28 września 2026Nie wiem. Innymi słowy:

• Używają narzędzia do oceny listy kontrolnej i tego samego dnia.
• Ale...Ich oceny nie są na oficjalnej liście.Jest też napisane w oficjalnym artykule, że "nie jest urzędowo certyfikowany".
• Tak.Najlepszy wynik na publicznej liście.(2026- 09- 28)

Dokładna odpowiedź brzmi:"StartLux-Decisión przekroczył szczyt obecnej publicznej listy przez zespół samomierzy".Nie wiem. To nie jest poniżające - to jest samomierzone oznacza siłę, ale czytelnik potrzebuje skali. Wszystkie poniższe liczby są brane z domyślnym założeniem "team self-measurement".

Co to jest: model decyzji, który nie generuje tekstu?

Rozpocząć od zrozumienia zasadniczej różnicy między StarLux-Decisión a ogólnym dużym modelem. To nie model pokoleniowy.Nie pisz języków naturalnychNie wiem.

Tak to działa.StanDodaj grupęPytania- wybór tematu (jeden z kilku opcji), nie jest, lub jest klasyfikowany. Stan może być tekstowy, JSON lub obraz, do 256 K token.Zwraca prawdopodobieństwo każdego pytania do każdej opcjiNie wiem.

Chodzi o to w ostatnim zdaniu:Niczego nie produkuje.Nie wiem. Odpowiedź jest odczytywana bezpośrednio z listy opcji po transmisji do przodu. Krótkie pytanie zajmuje kilka milisekund, a prawdopodobieństwo może być użyte bezpośrednio jako pewność siebie.

To rozwiązuje szczególny rodzaj pracy w inteligentnym ciele:HF, jasny zestaw kandydackiWyrok. Na przykład przyszedł rozkaz obsługi pasażerów - "zamówienie jest wielokrotnie wstrzymane, ale nadal nie pokazuje płatności" - i te same informacje mogą zadać trzy pytania w tym samym czasie: który zespół otrzymał go, czy jest on przetwarzany dzisiaj, i jak duży wpływ miał. Tradycyjne podejście polega na umożliwieniu modelowi generacyjnemu napisania fragmentu, który jest powolny i łatwy do interpretacji błędów; jedna prośba ze StateLux- Decisión może zakończyć trzy wyroki razem.

Raporty: 63.88 vs. 57.91,38 z 31 wonów

Porównanie indeksu decyzji 0.2.1 (zarówno 2026- 09- 28 migawek):

• StartLux-Decision- 27B: 63.88
• Jev 1.13: 57.91 (pierwsze miejsce)
• Rune 26B- A4B: 57.44
• Decydent Chat 31B: 57.33
• AutoJev- 27B: 56.40
• StartLux- Decision- 9B: 58.639B wyprzedza Jeffa.

27B wyższa niż Jev 5, 97 minutspośród 38 wskaźników referencyjnych zawartych w indeksie,Jest 31 wyższych wyników.Nie wiem.

Ale proszę zauważyć oficjalny cytat:"Łączny wynik nie oznacza, że wszystkie możliwości są silniejsze".Nie wiem. Warto przeczytać to zdanie.

Gdzie wygrać, gdzie przegrać.

W obszarze wynik dla Decisión Index, 27B prowadzi w czterech obszarach, ale przegrywa z Jev:

• Język rozumienia74, 5 vs Jev 62, 0 (wysoka 12, 5)
• Wyszukiwanie i klasyfikacja66,8 vs 55,4 (wysoki poziom 11,4)
• Narzędzia i automatyzacja: 82,2 vs 75,1 (wysoki 7.1)
• Sztuka i ludzkie preferencje: 47, 9 vs 37, 7
• Wiedza i rozumowanie:44, 3 vs Jev 51, 4 (później 7, 1)

Ten rozkład jest bardzo ilustracyjny. StartLux-Decision Strong"rozumienie warunków, rozróżnienie kandydatów, wybór następnego sposobu działania"- Tak się składa, że są to trzy rodzaje zdolności, które są najbardziej potrzebne w codziennym wdrażaniu inteligencji; nie są one lepsze od czysto intelektualnego rozumowania. Więc wniosek nie brzmi "kto miażdży kogo", ale...Wybór zależy od tego, jaki osąd może spotkać twoją inteligencję.Nie wiem.

Podobny podział istnieje na poszczególnych elementach. Na przykład API- Bank, który nie prowadzi, Aplikacje domowe wyciągnąć z 52.3 w Jev do 77.3, i POP909 z 15.9 do 50.6. Są to wyniki Decisión Index, które zostały skorygowane przez losowy punkt odniesienia.Nie można go bezpośrednio uznać za dokładność lub kompletność pierwotnej wersji odniesieniaNie wiem.

Siedem testów publicznych: średnia 91,82%, kilka błędów 8

Oprócz Decisión Index, zespół uciekł z laboratorium sztucznej inteligencji Szanghaju, aby uruchomić Inter- Design.Siedem zestawów badań(JevBench EASY / Original / Hard, wpisane decyzje, ToolaCE, AG News, WildjailBreak):

• StartLux-Decision- 27B średni wskaźnik dokładności 91.82%
• Jev 1,13: 88,74%
• Inter- Decisión- 4B: 90,02%

Publicznie, JevBench ma 231 pytań, trzy odpowiedzi. 208 / 199 / 201 Pytanie - 27B kontra 9 więcej niż Jeff. W najtrudniejszym JevBench- Hard (111 otwartych dylematów), błąd 27B 23, w porównaniu do Jev 31Pytanie 8Nie wiem.

Tutaj też jest wiele do zauważenia: publiczne pytanie nr 208 / 231 JevBench to tylko otwarte pytanie.To nie jest oficjalny wynik tajnych testów, prędkości i kosztów.; wykorzystano dodatkowe dane dotyczące szkolenia otwartego, obejmujące 14 spośród tych poziomów odniesienia, a odpowiednie pytania testowe zostały przefiltrowane (etykieta urzędowa).

Prędkość: milisekundy, wszystkie problemy policzone do przodu jednocześnie

Wartość modelu decyzji jest w połowie właściwa, w połowie szybka. W krótkim teście zapytania karty H200, BF16, lokalnego HTTP,Trzy pytania naraz.czasochłonne:

• 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 msKażdy żeton w 35B aktywuje tylko 3B, dwa razy szybciej niż 27B.

Kiedy odpowiadasz tylko na jedno pytanie, średnio 4B. 14, 7 msNie wiem. Optymalizacja w ramach tego samego modelu jest bardziej orientacyjna dla korzyści technicznych: 4B Wykres CUDA wynosił 90,3 ms, gdy nie był włączony, do 26,0 ms, gdy był włączony- Ponad trzy razy awans zależy od inżynierii. Projekt wykorzystuje również szybkie algorytmy uwagi liniowej i konsoliduje wiele kwestii w przyszłych obliczeniach w celu ograniczenia podwójnych połączeń.

Jako odniesienie, Jev 1.13 w odniesieniu do trzech wniosków tego samego rodzaju, koniec usługi zgłaszany przez bramę API jest 64, 0 msNie wiem. Jednakże władze powstrzymały się od przypominania:Sprzęt i składy usług różnią się w zależności od strony i nie mogą być wykorzystywane jako podstawa do stwierdzenia, że twardy sprzęt jest tą samą prędkościąa te milisekundy nie są czasem na ukończenie całego zadania strony internetowej (zarówno długość wejścia, załadunek strony, wykonanie narzędzia). To samo wyrażenie jest raczej bardziej wiarygodną częścią publikacji.

Prezentacja: od działania przeglądarki do gry

Oficjalna prezentacja obejmowała kilka kierunków, przy czym podstawowym celem były "modele podejmowania decyzji, systemy wdrażania działań":

Przeglądarka / operacja sieciowa: Każdy krok zadaje dwa pytania - które kontrole są kolejnym działaniem i czy zadanie jest zakończone. W demonstracji, lista filtrowania została uzupełniona dla "Kup najtańsze, bezpłatnie, 8 baterii AA wysłanych do domu" i wyznaczonych członków zostały zaproszone do zespołu Design i skonfigurowane jako Redaktor. Uwaga na oficjalne oświadczenia:Środowisko kontrolowanePoniżej znajduje się działanie ciągłe.To nie to samo co darmowe wejście na żadnej stronie., pole wejściowe uzupełnia również wybór poprzez wniosek kandydacki.

Szachy: StartLux-Decisión- 27B i Jev 1.13 rywalizować, ani wyszukiwania, a kod nigdy nie przewyższa wybór modeli (Stockfish tylko rysuje batoniki oceny). To tylko kwestia czasu.256, 27B, 58,4%.Nie wiem.

Gra: Mario (symulować 11 działań kandydujących najpierw, zapisać wyniki do tekstu przed wyborem), StarCraft II (zadać trzy pytania co 12 sekund czasu gry: co budować, co dać pierwszeństwo, co do ataku / obrony / zebrać), DOOM (każdy 4 Tic cel sędziego, ogień, ruch), JevBall (jeden wniosek o oddzielne działania dla kilku graczy w pobliżu piłki). W tej samej żyle:Nie są to jednolite bezpośrednie badanie ekranu odczytu., istnieją skrypty percepcji i wykonania, i model jest odpowiedzialny tylko za część podejmowania decyzji określonych przez interfejs.

Jest jeszcze jeden interesujący szczegół: "Hanna, widziałaś dziś Jeffa?" W tym zdaniu jest Hannah i Jeff. System musi osądzać.Przesłuchano go w sprawie Hannah.Zamiast, żeby inny aktor zareagował przez Jeffa. To jest brane oddzielnie, aby ustalić, czy model rozumie rozmowę, czy tylko pasuje do nazwy.

Pięć zestawów specyfikacji + MoE + Quantified, lokalnie stosowane przyjazne

StartLux-Decistion zapewnia model gęsty na pięć poziomów (0,8B / 2B / 4B / 9B / 27B), plus jeden 35B- A3B Mieszany Ekspert (MoE)Wersja. 3 października.NameKażdy z nich może być odczytany jako dowód.

Lokalne wdrażanie jest celem: llama.cpp jest dostępny dla każdej transzy GUF Pliki, w tym BF16, aby zachować oryginalną dokładność, oraz dwa formaty ilościowe Q8 0, Q4 K M,15 wpisów GGFNie wiem. Weźmy przykład 4B:

• Pliki Q8 0 4.48 GBW 231, na JevBench z oryginalnej prawej HeavyWskaźnik spójności przy podejmowaniu decyzji 100%(Ta sama odpowiedź dla 204)
• Prasy Q4 K M 2.71 GB98,3%, tak 201

Może powinieneś zwrócić szczególną uwagę.: Kod używa Apache- 2.0, aleWaga modelu z CC BY- NC 4.0 - Badania i wyłącznie niekomercyjne, komercyjne wykorzystanie podlegające osobnej autoryzacji StartLux LabsNie wiem. Różni się to od propagandy "pełnego otwartego źródła", którą należy potwierdzić przed komercjalizacją.

Interfejs jest kompatybilny, Jev. Prawdopodobieństwo można odwrócić.

Jest inteligentny projekt na poziomie dostępu: StartLux-Decisión z TypeSafe /v1/systemone format interfejsu,Klient dla Jev może być używany jako jest, procesy biznesowe zachowują obecny tryb wywołania "state plus problem" i zmieniają adres usługi. Interfejs (model obciążenia llama.cpp wraz z towarzyszącymi mu służbami decyzyjnymi odpowiedzialnymi za kwestie organizacyjne i opcje odczytu) jest również utrzymywany dla wdrożenia GGF.

Innym mechanizmem zaniepokojenia jestPrzekierowanie prawdopodobieństwaPonieważ każdy kandydat ma prawdopodobieństwo, system może bezpośrednio wdrożyć proces decyzyjny w "zatwierdzonym scenariuszu rutynowym"; gdy kandydat jest trudny do odróżnienia, jest w niewystarczającym stanie lub ma większe ryzyko operacyjne, może być uzupełniony dodatkowymi obserwacjami, przedłożonymi do dużej analizy modelu lub wnioskami o ręczne potwierdzenie.

Rząd daje również prawdziwe ostrzeżenie:Wyjście prawdopodobieństwa nie jest równe poziomowi rzeczywistego sukcesu, a próg odchylenia jest dostosowany do kalibracji danych operacyjnych.; płatności, skreślenia, uprawnienia do zmiany takich operacji nadal podlegają pierwotnym zezwoleniom i regułom potwierdzającym - - Model decyzji jest kolejnym krokiem do oceny systemu, a nie do zastąpienia tych ograniczeń.

Auto Research i RSI za

Trzy dni na stworzenie modelu pięcioetapowego, w zależności od StartLux. Auto Research Development Pipeline(Zbudowana przez współzałożyciela i CTO Guo Guo Guo Jiu) Zgodnie z poprzednim wywiadem z maszynowym sercem, w tym podejściu, AI nie tylko przeprowadził wcześniej ustalone eksperymenty, ale również...Analiza niepowodzeń w oparciu o poprzednią rundę, prezentacja nowych założeń, udział w podejmowaniu decyzji, na co spojrzeć w następnej rundzie; podczas gdy cele badawcze, kryteria oceny i kluczowe zasady pozostają otwarte.

W podziale systemowym StartLux,StartLux-27B do przenoszenia ogólnej warstwy zdolności, Model Decisión koncentruje się na wysokiej częstotliwości warstwy decyzjiA nad nim jest Agent i Memoria, dno jest wspierane przez kwantyfikację, systemy rozumowania i sprzęt. Więc Decisión nie jest odosobnionym wydaniem wykonanym w pogoni za gorącymi plamami, ale częścią tej architektury, która została zbudowana zgodnie z planem.

Guo Quan zdefiniował Auto Research jako podstawowy element do osiągnięcia RSI: Po pierwsze, zaangażowanie AI w badania i ulepszenia modelu, a następnie do dalszego żądania "ulepszonej AI, nawet zdolność do poprawy samej AI została zwiększona". StartLux- Decyzja jest konkretnym wynikiem tej linii.

A co z tym?

Umieść Jeva na tronie.Chiński zespół na dole poziomu decyzji agenta.Nie wiem. Pomysł, że Jev przynosi - przy użyciu specjalnego modelu do podjęcia wysokiej częstotliwości, aby stanąć do jasnego osądu zamiast pozwalając model pokolenia być zarówno sędzią i sportowcem - okazuje się prawdziwą potrzebą. StartLux używa otwartego źródła, piątego zestawu specyfikacji, lokalnego wdrożenia i kompatybilnego interfejsu Jev, aby uczynić drogę bardziej "trwałą".

Ale trzy przypomnienia wciąż stoją:

• To test zespołowy.Niecertyfikowany na oficjalnej liście.
• Cała naprzód.Wciąż pozostaje w tyle w rozumowaniu intelektualnym, Jeff. To zależy od podziału zadań.
• Waga to CC BY- NC 4.0., "Full open source" tylko dla scenariuszy niekomercyjnych, z komercjami autoryzowanymi oddzielnie

W każdym razie warto pamiętać, że stosunkowo młody zespół Szanghaju, trzy dni tworzenia pięcioetapowego modelu decyzyjnego i przekraczania obecnego szczytu publicznego kalibru."Poziom oceny" agenta staje się niezależną i zasługującą na technologię ścieżką.

Model decyzji nie ma na celu zastąpienia dużego modelu, ale raczej mniej trywialnego osądu, którego nie powinien podejmować.