Jev được yêu cầu lên ngai vàng:

Vào ngày 30 tháng 9, Thượng Hải Al, startLux, phát hành một mô hình quyết định mã nguồn hoàn toàn mở. Khởi động Lux- giảm dầnMột lần phóng 0.8B, 2B, 4B, 9B, 27B, 5. Theo bản đánh giá do nhóm xuất bản, bản đánh dấu 27B của nó đã nhận được 63.88 điểm trong mục lục quyết định 0,1 điểm, nhiều hơn Jeff 1.13 (57.91), bản đầu tiên trong danh sách.Vị vua mới của mô hình ra quyết định dẫn đến ngai vàng.Tôi không biết.

Thú vị hơn là tỷ lệ R & D:Toàn bộ mô hình chỉ có 3 ngày để hoàn thành nghiên cứu và xác nhận.Tôi không biết. Đằng sau đây là dòng nghiên cứu tự động được xây dựng bởi startLux -- chính thức, nó là một trong những con đường cốt lõi để phát triển RSI.

Hãy bắt đầu bằng cách nói, đây là một bài kiểm tra đội, không phải một danh sách chính thức.

Tên này phải được rõ ràng, nếu không thì rất dễ để được cầm đầu.

Điểm của startLux là:Sử dụng các công cụ chính thức đánh giá của các chỉ số Decisin, các đội tự kiểm tra chống lại các ảnh chụp danh sách công cộng hoàn tất vào ngày 28 tháng 9 năm 2026Tôi không biết. Nói cách khác:

• Họ đang sử dụng công cụ đánh giá danh sách và dữ liệu so sánh ngày hôm đó.
• Nhưng...Điểm số của họ không có trong danh sách chính thức.Nó cũng được viết trong bài báo chính thức rằng "không phải nó chính thức được chứng nhận."
• Ừ.Điểm số cao nhất trong danh sách công chúng.(2026-09-28)

Vậy câu trả lời chính xác là:"StartLux-Decisón đã vượt lên hàng đầu của danh sách công cộng hiện tại bởi đội tự kiểm soát."Tôi không biết. Nó không hạ thấp bản thân nó có nghĩa là sức mạnh, nhưng độc giả cần một quy mô. Tất cả những con số bên dưới đều được lấy đi với tiền đề mặc định là tự bảo đảm bản thân.

Nó là gì: một mô hình quyết định không tạo ra văn bản?

Bắt đầu bằng việc hiểu sự khác biệt cơ bản giữa StarLux-Decisin và mô hình tổng quát. Nó không phải là mô hình thế hệ.Đừng viết ngôn ngữ tự nhiênTôi không biết.

Đó là cách nó hoạt động: cho nó một.Trạng tháiThêm một nhómCâu hỏi— sự lựa chọn của sắc thái (một từ nhiều lựa chọn), không phải, hoặc được chấm điểm. Bang này có thể là tin nhắn, JSON hay hình ảnh, lên tới 257 điểm tín hiệu.Trả lại xác suất của mỗi câu hỏi cho mỗi tùy chọnTôi không biết.

Điểm chính ở câu cuối:Nó không sản xuất ra gì cả.Tôi không biết. Câu trả lời được đọc trực tiếp từ lá thư lựa chọn sau khi truyền tiếp. Vì vậy, một câu hỏi ngắn mất vài phần nghìn giây và xác suất có thể được sử dụng trực tiếp như sự tự tin.

Điều này giải quyết một loại công việc đặc biệt trong một cơ thể thông minh:HF, bộ ứng cử viên rõ ràngPhán quyết. Chẳng hạn, lệnh dịch vụ của hành khách đến — “ Trật tự được giữ lại nhiều lần nhưng vẫn không cho thấy có sự trả công cho người ta — và thông tin tương tự có thể hỏi ba câu hỏi cùng một lúc: đội nào đã được đưa ra, dù ngày nay có được xử lý hay không, và nó đã có tác động như thế nào. Cách tiếp cận truyền thống là cho phép các mô hình thế hệ viết một mảnh của nó, đó là chậm chạp và dễ dàng để giải thích sai lầm; một yêu cầu từ StateLux-Decisin có thể hoàn thành ba phán quyết cùng nhau.

Thẻ báo cáo: 63.88 đấu với 57.91,38 trong 31 won

So sánh danh mục quyết định 0.1 (cả hai 2026-09-28 bức ảnh):

• Khởi động Lux-Decidion-27B:63.88
• Jev 1.13:57.91 (nơi đầu tiên)
• Ruce 26B-A4B: 57.44
• Quyết định Chat 31B:57.33
• AutoJev-27B: 56.40
• Khởi động Lux-Decion-9B: 58.639B đi trước Jeff.

27B cao hơn Jev 5.97 phútTrong 38 bảng xếp hạng trong danh mục,Có 31 điểm cao hơn.Tôi không biết.

Nhưng xin lưu ý câu trích dẫn chính thức:Điểm chung không có nghĩa là mọi khả năng đều mạnh hơn.Tôi không biết. Câu này đáng đọc.

Nơi để thắng, nơi để mất.

Trong số điểm của mục Index Decisón, 27B dẫn đầu trong bốn lĩnh vực, nhưng thua Jev:

• Hiểu ngôn ngữ74.5 đấu với Jev 62.0 (cao 12.5)
• Tìm kiếm và phân loại:66.8 đấu với 55.4 (số 11.4)
• Công cụ và tự động hoá:82.2 đấu với 75.1 (số 7.1)
• Nghệ thuật và sở thích của con người:47.9 đấu với 37.7
• Sự hiểu biết và lý luận:44.3 kiện Jev 51.4 (Later 7.1)

Sự phân phối này rất dễ hình dung. Khởi động Lux- Giảm mạnh“ Hiểu rõ tình trạng, phân biệt giữa các ứng cử viên, chọn cách hành động tiếp theo- Nó là ba loại khả năng cần thiết nhất trong việc thực hiện trí thông minh hàng ngày; nó không vượt trội hơn so với lý luận thuần túy về trí tuệ. Vậy kết luận không phải là "ai đang nghiền nát ai" mà là...Sự lựa chọn phụ thuộc vào loại đánh giá trí thông minh của bạn có khả năng gặp phải.Tôi không biết.

Một sự phân chia tương tự tồn tại trên mỗi mục. Ví dụ, ADI-Bak, không dẫn, ứng dụng nhà rút từ 52.3 trong Jev đến 77.3, và PP909 từ 15.9 đến 50.6. Đây là số điểm của các chỉ số Decisón đã được sửa chữa ngẫu nhiên.Không thể trực tiếp được xem là độ chính xác hay toàn vẹn của phiên bản gốc của dòngTôi không biết.

7 bài kiểm tra công cộng: trung bình 91.82%, ít sai sót 8

Bên cạnh chỉ số Decisón, đội quay đã bỏ chạy khỏi phòng thí nghiệm trí tuệ nhân tạo của Thượng Hải để khởi động hệ thống liên lạc.Name(JevBench EASY/Original/Hard, Typed các quyết định, Công cụCE, AG News, Wildjail):

• Bắt đầu tốc độ chính xác 27B 91.82%
• Jev 1.13:88.74%
• Inter-Decisin-4B: 90.02%

Công khai, JevBech có 231 câu hỏi, 3 câu trả lời. 208 / 199 / 201 Câu hỏi - 27B đấu với 9 nhiều hơn Jeff. Trong các khó khăn nhất JevBech- Harryd (111 tình thế khó xử mở), 27B lỗi 23, so với Jev 31Câu hỏi 8Tôi không biết.

Ở đây cũng có nhiều điều cần lưu ý: câu hỏi công cộng của JevBench 208/231 chỉ là một câu hỏi mở.Đó không phải là điểm số chính thức của các bài kiểm tra mật, tốc độ và chi phí.; thêm dữ liệu đào tạo sử dụng tập mở của 14 dấu băng này và các câu hỏi thử tương ứng đã được lọc ra (tên chính thức).

Tốc độ: mili- giây, tất cả các vấn đề được tính đến cùng một lúc

Giá trị của mô hình quyết định là một nửa, một nửa nhanh. Trong một thử nghiệm ngắn cho card H200, BF16, local HTTP,Mỗi lần ba câu hỏi.Thời gian-thời gian:

• 0,8B:12.2 ms
• 2B:15.5ms
• 4B: 26.0ms
• 9B:35.7m
• 27B:102.3m
• 35B- A3B (MoE): 52,5mMỗi biểu tượng trong 35B chỉ kích hoạt khoảng 3B, nhanh gấp đôi 27B.

Khi bạn chỉ trả lời một câu hỏi, trung bình là 4B. 14,7mTôi không biết. Làm báp têm trong cùng một mô hình có nghĩa là tích lũy kỹ thuật: 4B Đồ thị CUDA là 90.3m khi nó không được bật, xuống 26.0m khi được bật- Gấp ba lần sự thăng chức tùy thuộc vào kỹ thuật. Dự án cũng sử dụng các thuật toán tập trung tuyến tính nhanh chóng và hợp nhất nhiều vấn đề thành một tính toán tiếp theo để giảm các cuộc gọi kép.

Như một tham khảo, Jev 1.13 trên ba yêu cầu của cùng một loại, kết thúc dịch vụ báo cáo bởi cửa ra vào API của nó là 64.0mTôi không biết. Tuy nhiên, các nhà cầm quyền đã kiềm chế để không nhắc lại:Các kho phần cứng và dịch vụ khác nhau từ bên này sang bên khác và không thể được sử dụng như một cơ sở để kết luận rằng cứng phần cứng là cùng một tốc độvà những phần nghìn giây này không phải là thời gian để hoàn thành toàn bộ công việc trang web (cả hai chiều đầu vào, tải trang, thực hiện công cụ). Thay vào đó, biểu hiện tự kiềm chế này là phần đáng tin cậy hơn của ấn phẩm.

Trình diễn lĩnh vực: từ thao tác duyệt đến trò chơi

Các bài thuyết trình chính thức đã bao gồm một số hướng dẫn, với cốt lõi là "người mẫu cho việc đưa ra quyết định, thực hiện hệ thống cho hành động".

Thao tác duyệt/ Mạng: Mỗi bước đặt ra hai câu hỏi — đó là thao tác kế tiếp và nhiệm vụ có hoàn thành hay không. Trong cuộc biểu tình, danh sách lọc đã hoàn thành "Buy rẻ nhất, miễn phí, 8 pin AA gửi về nhà" và các thành viên được chỉ định được mời đến đội Thiết kế và lập ra làm biên tập viên. Chú ý đến lời tuyên bố chính thức:Môi trường điều khiểnSau đây là một hoạt động liên tục.Nó không giống như truy cập miễn phí trên bất kỳ trang web nào.Hộp nhập cũng hoàn tất việc lựa chọn thông qua đề xuất ứng cử viên.

Cờ vuaKhởi động Luux-Decisin-27B và Jev 1.13 cạnh tranh, không tìm kiếm, và mã không bao giờ vượt quá sự lựa chọn của các mô hình (Stockfish chỉ vẽ thanh đánh giá). Chỉ là vấn đề thời gian thôi.257, 27B, 58.4%.Tôi không biết.

Trò chơi: Mario (xem xét 11 hành động ứng cử viên trước tiên, viết các kết quả thành văn bản trước khi chọn), StarCraft II (hãy hỏi ba câu hỏi mỗi 12 giây: những gì cần xây dựng, những gì cần đặt ưu tiên cho, những gì để tấn công/def/contect), DOOOM (nếu 4 Tic đánh giá mục tiêu, lửa, di chuyển), JevBall (một yêu cầu riêng lẻ cho một số người chơi gần quả bóng). Cùng một mạch máu:Đây không phải là bài kiểm tra trực tiếp.Có các kịch bản cho nhận thức và thực hiện, và mô hình chỉ chịu trách nhiệm cho một phần của quyết định giao diện.

Và còn một chi tiết thú vị nữa -- "Hanna, hôm nay cô có thấy Jeff không?" Có Hannah và Jeff trong câu đó. Hệ thống phải phán xét.Anh ta bị thẩm vấn về Hannah.Thay vì để một diễn viên khác phản ứng lại vì Jeff. Nó được tách ra để xác định liệu mô hình có hiểu cuộc nói chuyện hay chỉ khớp với cái tên.

Năm bộ đặc điểm kỹ thuật + MoE + định lượng, được triển khai ở địa phương

Khởi độngLux-Decistion cung cấp một mô hình dày năm phần mười (0.8B / 2B / 4B / 9B / 27B), cộng một Chuyên gia hoà âm 35BPhiên bản. Ngày 3 tháng 10.Ảnh đầu vào và văn cảnh bảo vệ đối tượng 256KMỗi người trong số họ có thể được đọc là bằng chứng.

Triển khai địa phương là trọng tâm: lạc đà.cpp sẵn sàng cho mỗi lần chích GUF Tập tin, bao gồm BF16 để giữ chính xác ban đầu, và hai định dạng định lượng Q8 0, Q4 K M,15 GGF mụcTôi không biết. Hãy xem trường hợp của 4B:

• Tập tin Q8 0 4.48 GBVào năm 231, trên JevBech với trọng lượng gốc bên phảiTỷ lệ quyết định 100%(Câu trả lời cho 204)
• Q4 KM in ấn 2.71 GB98.3%, đúng 201

Có lẽ anh nên đặc biệt chú ý.Mã sử dụng Apache-2.0, nhưngMô hình cân nặng với CC OC 4.0 - chỉ nghiên cứu và không thương mại hóa, sử dụng chủ đề thương mại để riêng biệt startLux Labs cho phépTôi không biết. Điều này khác với “sự tuyên truyền hoàn toàn mã nguồn mở, phải được xác nhận trước khi thương mại hóa.

Giao diện tương thích, Jev, khả năng xác suất có thể bị chuyển hướng.

Có một thiết kế thông minh ở mức truy cập: /v1/systemone Định dạng giao diện,Khách hàng của Jev có thể được sử dụng., tiến trình kinh doanh giữ lại chế độ « bang » hiện thời cộng với chế độ gọi lỗi và thay đổi địa chỉ dịch vụ. Giao diện (mô hình tải.lama.cpp với các dịch vụ đưa ra quyết định kèm theo chịu trách nhiệm cho các vấn đề tổ chức và đọc các lựa chọn) cũng được duy trì cho triển khai GGF.

Một cơ chế quan tâm khác làNameVì mỗi ứng cử viên có một xác suất, hệ thống có thể trực tiếp thực hiện việc đưa ra quyết định trong một “ kịch bản thông thường được chỉnh sửa; khi ứng viên khó phân biệt, là không đủ khả năng hoặc có nguy cơ hoạt động cao hơn, nó có thể được theo dõi với các quan sát bổ sung, gửi đến một phân tích mô hình lớn, hoặc yêu cầu xác nhận bằng tay.

Chính phủ cũng đưa ra một lời cảnh báo thực sự:Kết quả khả thi không tương đương với tốc độ thành công thực sự, và ngưỡng đánh lạc hướng được liên kết với sự cân chỉnh dữ liệu hoạt động.; thanh toán, xóa bỏ, thẩm quyền để sửa đổi các hoạt động như thế sẽ vẫn còn phục tùng các quy tắc ban đầu và xác nhận - Mô hình quyết định là bước tiếp theo để hệ thống đánh giá, không phải để thay thế những hạn chế này.

Tự động nghiên cứu và nghiên cứu RSI phía sau

Ba ngày để làm một mô hình năm sân khấu, tùy thuộc vào startLux. Đường ống phát triển tự độngTheo một cuộc phỏng vấn trước với trái tim máy móc, trong cách này, AI không chỉ thực hiện các thí nghiệm đã có sẵn, mà còn...Phân tích thất bại dựa trên vòng trước, trình bày của các giả định mới, tham gia quyết định những gì cần xem xét tiếp theo; trong khi nghiên cứu mục tiêu, đánh giá tiêu chuẩn và quy tắc then chốt vẫn còn mở.

Trong hệ thống phân chia startLux,Khởi động Lux-27B để thực hiện lớp năng lực chung, mô hình Decisin tập trung vào lớp quyết định tần số caoVà trên nó là đặc vụ và Memoory, phần dưới được hỗ trợ bởi định lượng, hệ thống lý luận và phần cứng. Vì vậy Decisión không phải là một giải phóng độc lập được thực hiện để theo đuổi những điểm nóng, mà là một phần của kiến trúc được xây dựng theo kế hoạch.

Thiên tai Quan xác định ngành nghiên cứu tự động là yếu tố cốt lõi để đạt được RSI: Thứ nhất, tham gia vào việc nghiên cứu và cải tiến mô hình AI, rồi sau đó đề nghị thêm “AI, ngay cả khả năng cải thiện AI cũng được cải tiến. Khởi động Lux-Decsition là kết quả cụ thể của dòng này.

Cái này thì sao?

Đưa Jev lên ngai vàng.Một đội Trung Quốc ở dưới cùng của đặc vụ.Tôi không biết. Ý tưởng Jev mang lại — bằng cách dùng một mô hình đã dâng mình để có mức độ cao hơn, để có thể phán đoán rõ ràng thay vì để cho thế hệ này vừa là trọng tài vừa là vận động viên — chứng tỏ là một nhu cầu thật sự. startLux sử dụng một nguồn mở, một bộ thứ năm các chi tiết đặc trưng, triển khai địa phương và một giao diện tương thích với Jev để làm cho con đường “có thể đến được ”.

Nhưng ba lời nhắc nhở vẫn còn nguyên:

• Kiểm tra đội.Không có trong danh sách chính thức.
• Tiến lên, tiến lên.Nó vẫn chậm trễ trong lý luận trí tuệ, Jeff. Nó phụ thuộc vào việc phân phối công việc.
• Trọng lượng là CC OC 4.0., "Tất cả các nguồn mở" chỉ cho các kịch bản không phải thương mại, với quảng cáo riêng biệt

Trong bất kỳ trường hợp nào, cũng đáng để nhớ rằng một đội ở Thượng Hải tương đối trẻ, ba ngày làm một mô hình quyết định năm sân khấu và vượt xa đỉnh cao hiện tại của công chúng.Đặc vụ cấp độ phán xét của mình đang trở thành một công nghệ độc lập và đáng để theo dõi.

Mô hình quyết định không phải để thay thế mô hình lớn, mà là để làm ít hơn của những phán xét tầm thường nó không nên thực hiện.