断层领先Jev，全球第一！决策模型新王震撼发布新版本

新智元报道  

此前，Jev模型在决策领域占据主导地位，促使OpenAI推出Decisions API，微软发布Microsoft-Decision-1以应对竞争。国庆前夕，StartLux发布了超越Jev的决策模型。近期，StartLux再次迭代，推出全新StartLux-Decision版本。

项目地址：https://decision.startlux.com/

体验网址：https://bamboonode.dev/

技术报告：https://arxiv.org/pdf/2610.17309

尽管市场上已有其他模型试图挑战Jev，但StartLux依然保持领先地位。此次升级在底层架构、训练方法及评测体系上实现了全面优化，核心突破在于原创的RLCD²（Reinforcement Learning for Calibrated Deliberative Decisions），旨在提升推理效率与决策质量。

StartLux-Decision提供双模型矩阵：

• Instant（极速版）：提供0.8B、2B、4B、9B、27B五种规格；

• AutoThink（自适应推理版）：提供4B、9B、27B三种规格。

在Decision Index (DI) 0.3公开测试集上，StartLux-Decision极速版从0.8B到27B全尺寸领先。Instant模型相比同规模第三方模型，得分高出7.4至16.9分。

具体数据方面，StartLux 4B Instant模型得分为67.88，4B AutoThink为68.21，优于Cloudflare Clef（61.71）和Perplexity Decider（62.25）。在27B尺寸上，StartLux-Decision-27B-AutoThink斩获73.37高分，远超Jev hosted版的57.96分。

注：以上为Decision Index 0.3公开评测成绩。

真实业务场景往往要求模型在算力成本、延迟和准确率之间取得平衡。例如在电商运费计算中，0.02 SEK的差异可能导致订单拦截决策完全相反。传统单次判断模型在此类精密逻辑任务中表现不佳。

为此，StartLux推出了Instant和AutoThink两个分支：

Instant模型在全注意力层引入双向注意力机制，使提示词表征融合后续问题和候选项信息，无需生成新Token。实验显示，该机制在多数尺寸下提升了模型性能，巩固了极速响应能力。

AutoThink模型引入「置信度引导」机制，简单问题直接回答，复杂问题自动开启「沉思模式」，生成推理轨迹。为防止过度推理，StartLux提出RLCD²算法，通过衡量决策概率分布改善程度给予奖励，并对无效推理进行惩罚。

RLCD²的核心设计包括：

1. 使用冻结模型比较思考前后决策概率质量变化；
2. 通过Proper Scoring Rules优化概率质量；
3. 通过软长度惩罚控制推理成本。

实验数据显示，9B AutoThink模型的推理正常终止率从45.9%提升至93.9%，平均推理长度减少约65%，同时保持了高决策准确率。

视频一：火箭发射分析
模型每秒读取一帧，完成41次请求、369项判断，其中60项触发思考。非思考请求中位延迟86ms，展现了处理连续视觉信息和高频决策的能力。

视频二：洪灾救援现场分析
模型持续判断救援人员、幸存者状态等，完成75次请求、675项判断，188项触发思考。非思考请求中位延迟131ms，体现了在动态场景中综合多项视觉信息进行可靠判断的能力。

DecisionPivot包含13个任务家族、7,800道核心测试题，采用成对对照形式，只有当模型答对同组所有用例才算得分。在此基准下，StartLux表现优异。

在0.9置信度门槛下，AutoThink模型成对准确率比Instant模型高出11.5至18.4个百分点。StartLux-Decision-27B-AutoThink成对准确率达86.9%，创下新高。

对比其他模型：

• TypeSafe Jev：成对正确率31.0%；
• AutoTrust JEV-27B：成对正确率44.2%；
• Cloudflare Clef 27B：成对正确率24.9%；
• Perplexity Decider：成对正确率70.1%；
• StartLux 27B Instant：成对正确率75.4%；
• StartLux 27B Auto-Think：成对正确率86.9%。

DecisionPivot数据集已在HuggingFace开源（startlux-models/DecisionPivot）。

在国际象棋对抗中，StartLux-Decision-v1-27B执白棋，19步将死Jev 1.13，256局对抗胜率为58.4%。

在马斯克访谈视频分析中，模型结合画面与字幕，完成119次请求、1,190项判断，非思考请求中位延迟94ms。

文本客服场景中，针对重复扣款工单，模型能准确判断处理团队、评估影响并确认无安全风险。

StartLux-Decision通过Instant的双向注意力机制、AutoThink的自适应推理及RLCD²算法，实现了计算效率、决策质量和概率可靠性的统一。全系列权重（支持vLLM、llama.cpp、MLX及量化版本）和推理代码已开源。

推理代码采用Apache-2.0协议，模型权重采用CC BY-NC 4.0协议，商业使用需另行授权。

开源地址：https://github.com/StartLuxLabs/Startlux-Decision

权重下载：https://huggingface.co/startlux-models/StartLux-Decision-v1.1-27B-AutoThink

编辑：大卫 Aeneas