FEATURED REPORT / 01

READ THE DETAIL

观点 · 数据 · 实践
当前位置 龙八-long8头号玩家·唯一官网 行业资讯 实测HuggingFace榜一的决策模型,果然吊打Jev
01 READING
ROOM
行业资讯

实测HuggingFace榜一的决策模型,果然吊打Jev

龙八-long8头号玩家·唯一官网编辑部 321 阅读 约 5.5 分钟

以下内容由long8头号玩家整理:

大家好,我是冷逸。

前一阵子,Jev模型爆火。

但要说近期最强的,还得是中国模型。

国庆节前,来自上海的 StartLux (原点星辉)团队发布了StartLux-Decision-v1,成为当时第一家超越Jev的决策模型。

而离v1不到十来天,最近他们又发布了全新的 StartLux-Decision-v1.

1 决策模型,从小尺寸到大尺寸都对Jev形成了全方位碾压,拿下决策界SOTA。

包括在HuggingFace公布的最新决策指数Decision Index 0.

3.

2中,StartLux-Decision-v1.

about image

1-27B决策模型依然是断崖式领先,豪夺全球第一。

System One模型这玩意,很多人难以理解。

实话说,如果你不是专门搞开发的程序员,确实不太好理解。

我们还是上实例,这样你理解得更快一点。

前几天,特斯拉发布了Roadster汽车,那玩意能直接起飞、空中翻转、飞越障碍、飞越收费站……超出了很多人的想象力,没想到汽车还能这么玩。

于是,我就用StartLux-Decision决策模型分析了Roadster汽车的飞行轨迹。

14s的视频,它执行了31次请求、155项判断、71次判断触发思考、模型请求延时62ms 。

这种任务,如果是传统LLM来做呢?

我相信,即使再flash,14s的视频,它可能还没有分析几帧,视频大概率已经放结束了。

这就是决策模型的优势,可以 高频决策、快速处理连续性的视觉或文本信息,特别擅长直觉式快速判断 。

System One这个概念,来自卡尼曼的“快思考/慢思考”理论。

他在书中提出,人类的思维有两个系统。

系统一负责快速、自动、直觉式的判断;

系统二负责缓慢、审慎以及专注的思考。

O1、R1后,现在的大模型都很擅长思考,也就是系统二模型(System Two);

而Jev、StartLux-Decision这类,就是系统一模型(System One),也叫决策模型。

你给它一段上下文 (state) + 一组预定义问题 (questions) ,它直接返回带概率的结构化结果,然后业务代码直接读取概率字段做分支判断 。

它不生成任何文本,不会写代码,也不能写文章,专门承担直觉式快速判断。

简单来说就是, 常规LLM生成答案,决策模型来裁决答案 。

那最新的StartLux-Decision-v1.

1有多强呢?

在我用Opus 5.

5花五小时设计的评测集中,它直接干了满分。

是的,你没看错,138个测试用例,它全部答对,这就很离谱。

模型在推理、成对判断、概率校准、无解题的none检测、图片理解上都经受住了考验,真的非常。

这样的表现力,基本上可以让它直接进生产场景了。

比如跟LLM配合,做闸门管理, LLM生成,StartLux-Decision负责放行。

它的工作原理大致是这样。

我也用glm-5.

3 + StartLux-Decision跑了一个demo,大家可以看下。

这是一个客服工单管理的场景,用户投诉 → glm-5.

3起草回复内容 → StartLux-Decision依判断回复合规性,看是可以直接回复还是转人工处理。

基本上,glm-5.

3每次起草回复内容都要个几秒(有时甚至十多秒),而StartLux-Decision判断回复内容只要不到1秒,基本都在毫秒内判断完毕。

而成本方面,demo跑下来,glm消耗了1000+tokens,StartLux-Decision只用了4次请求/16项判断,判断环节比生成环节便宜了一个量级。

这就是决策模型的优势,跟LLM组合使用,能大大提升AI决策的效率和质量。

让大模型负责解释世界,让 StartLux-Decision 负责决策。

而且,决策模型有一个很好的地方是,它是就是,不是就不是,不知道就是不知道,不会模棱两可,也不会讨好用户。

这次,StartLux-Decision模型发布了两个版本。

一个叫 Instant ,也就是极速版的意思,提供了0.

8B、2B、4B、9B和27B五档参数;

另一个叫 AutoThink ,也就是自适应推理的意思,提供了4B、9B、27B三档参数。

两个版本从最小的0.

8B到27B,都大幅领先其他模型。

尤其是商用最多的27B,在Decision Index 0.

3上,StartLux-Decision-27B-AutoThink拿到了73.

37的高分,把曾经的王者Jev(57.

96 分)远远甩在了身后。

而在最新Decision Index 0.

3.

2中,从0.

8B到35B的全尺寸模型,StartLux-Decision-27B直接碾压,拉开第二名近三分,拉开Jev近八分。

尤其是面对很多参数大于它的模型,比如linne-oak 1.

0、Decider、Sieve等都是31B,StartLux-Decisio

更多赛事消息,关注long8头号玩家。

上一篇 CCTV5直播北京男篮VS广东,李楠有强外援,胡明轩打得别扭,谁能赢... 下一篇 工龄38年刚办退休,原以为养老金四五千,到账时心里凉了...
返回资讯列表

分享这篇内容

让更多人看到有价值的行业观点。

YOU MAY ALSO LIKE

推荐阅读

延伸阅读相关主题内容,继续了解行业变化与专业实践。

MORE FROM THE DESK

热点新闻

如果您希望持续了解行业新动态,可以从以下内容开始继续阅读。

查看更多资讯
外国机构算中国社保账:社保基金一年赚13%,但别高兴得太早

外国机构算中国社保账:社保基金一年赚13%,但别高兴得太早

一个年赚13%的国家队,和一个正在变少的缴费人群,构成了中国养老金最真实的一体两面。 摩根士丹利那份十五五社保改革前瞻报告之所以值得普通人读,不是因为它有多深奥,而是因为它把一个所有人都知道却都不愿细想的问题,摆上了台面:养老的钱,从哪来呢? 先把账本摊开,再谈怎么办! 一、大摩的判断基本站得住 报告里的两组核心数字,与国家统计局2025年统计公报相互印证。2025年末,中国65岁及以上人口223

重磅!密谈3小时后,俄罗斯与科威特达成惊人协议!

重磅!密谈3小时后,俄罗斯与科威特达成惊人协议!

这一点在俄罗斯外交部官方网站上发布的消息中有所说明。 该部门指出,莫斯科和科威特支持在几个方向上加强互利联系。 此前,俄罗斯外交部长谢尔盖·拉夫罗夫表示,莫斯科支持阿拉伯国家旨在防止中东全面战争再次爆发的维和倡议。 俄罗斯与科威特突然高调宣布加强合作,绝非偶然的外交辞令,而是地缘政治与经济现实交织下的必然选择。 2026年的国际格局正处于深刻调整期。俄罗斯在经历多年西方制裁后,已彻底将外交与经济重

打了24年!詹姆斯得分历史1,助攻历史第4,那篮板盖帽和抢断呢?

打了24年!詹姆斯得分历史1,助攻历史第4,那篮板盖帽和抢断呢?

詹姆斯是NBA的常青树,他年轻时打法飞天遁地,当年更是流传着这样一句话,那就是“詹姆斯这样打,30岁之后就不行了”。但詹姆斯的自律、技巧以及顺应时代的打法,都超乎了球迷的想象,最终他巅峰期非常持久,一直到41岁还是巨星水准,本赛季更是开启了生涯的第24年,他的总得分已经来到了历史第1,助攻则是历史第4,那篮板、盖帽和抢断排第几呢? 作为NBA的超级得分手,詹姆斯只拿到过1次得分王,不过他的得分表现

对中国最狠的美国总统,不是特朗普,而是从不跟中国红脸的他

对中国最狠的美国总统,不是特朗普,而是从不跟中国红脸的他

各位好,我是智史。 美国历任总统里,谁对华下手最狠、挖坑最深?把时间拨回几年,听听前AIG掌门人汉克·格林伯格在节目里聊的门道,答案自然就会浮出水面。 这位老爷子1975年就跑到北京跟中国人民保险公司谈合作,1992年拿下新中国第一张外资保险营业执照,跟中国打了快五十年交道。他聊到TPP,话没绕弯子——把中国排除在外,是这步棋下得最错的地方。 老爷子的意思挺直白:真要防着中国,就该拉进来一起谈,谈

CCTV5直播北京男篮VS广东,李楠有强外援,胡明轩打得别扭,谁能赢

CCTV5直播北京男篮VS广东,李楠有强外援,胡明轩打得别扭,谁能赢

CBA常规赛首轮赛事全部结束,作为老牌强队的北京男篮是在客场84-82绝杀了吉林队,而广东队是在客场95-96败给了同曦队。接下来北京男篮回到主场,迎战广东男篮,比赛时间确定,将在10月20日19:35开球,CCTV5频道进行直播。 北京男篮外援桑普森在首战没出场,他有一些伤病问题,北京队的内线人员储备还算多,周琦、范子铭、丘天都能上场。而本赛季第一个主场,跟上赛季类似,大部分主场都放在首钢冰球馆