尧图网页设计 
一口气推出 0.8B、2B、4B、9B 和 27B 五档版本并提供支持本地部署的量化模型。9 月 30 日一款决策模型正式发布迅速引发巨大关注在 Decision Index 0.2.1 的 38 项基准测试中它有 31 项成绩超过当前最热门的 Jev综合得分 63.88 对 57.91领先公开榜首近 6 分而且它完全开源。实战对比更能说明问题——在与 Jev 的国际象棋对弈中它的响应速度与对手不相上下却在 36 局中赢下 35 局。拿出这款模型的公司正是当下炙手可热的上海 AI 明星企业 StartLux原点星辉。这家成立不到 5 个月的公司已经是第二次拿出震惊业界的成果上一次StartLux-27B 的本地模型在工信部中国信通院测试中超过 284B 的DeepSeek-V4-Flash并以约 1/60 的参数量基本打平DeepSeek-V4-Pro 。这一次是完全开源的 StartLux-Decision——以公开评测的综合成绩而论它已经是目前全球最强的决策模型。超过 Jev这次StartLux 的 Decision 模型一口气推出 0.8B、2B、4B、9B 和 27B 五档版本并提供支持本地部署的量化模型。GitHub 链接https://github.com/StartLuxLabs/Startlux-DecisionHugging Face 模型合集下载https://huggingface.co/collections/startlux-models/startlux-decision-6abba92b301b573fa154d493实力如何不妨先看一盘国际象棋。对手是近期受到关注的 Jev 1.13。双方看到相同棋盘状态不借助额外搜索每一步都由模型直接选择。最终StartLux-Decision-27B 完成将死。在这次对局中它的平均损失、最佳着法命中率和失误次数等指标也表现更好。这样的棋局StartLux 在 36 局中赢下 35 局。再来看下具体的测试情况。首先是 StartLux-Decision 的整体成绩无需多言直接看数字。再来看 27B 版本的得分。在独立的 Decision Index 0.2.1 中StartLux-Decision 的 27B 版本得分 63.8838 项基准里有 31 项高于 Jev 的最新版本 Jev 1.13在另一套七项测试中StartLux-Decision-27B 平均准确率达到 91.82%。需要说明的是上述成绩为 StartLux 团队基于公开评测工具、对照 2026 年 9 月 28 日 Decision Index 公开榜单快照完成的自测结果七项公开测试来自上海 AI Lab Intern-Decision 团队的评测集与 Decision Index 是两套相互独立的口径。为什么 Agent 需要一种专门负责「判断」的模型Decision 模型最近热度攀升。那么为什么 Agent 需要 Decision决策模型要它来专门负责判断先来看 StartLux-Decision 实际在做什么。在 StartLux 展示的一个客服工单 Demo 里系统收到这样一条消息「订单已经被重复扣款两次但系统仍然显示未支付。」传统生成式 AI 通常会先理解问题并生成一段分析而 StartLux-Decision 可以在一次请求中同时完成三项明确判断分流团队、处理时效及严重等级。客服工单 Demo一次请求完成团队分流、紧急程度判断和严重等级判断。这里体现了 Decision Model 与普通生成模型最直观的区别它不需要先生成自然语言再由程序解析而是直接针对开发者提供的候选项进行选择、是非判断或等级评分。这类能力放进 Agent 后作用会更加明显。比如下面这个购物 Demo。用户给 Agent 的要求是购买「最便宜、免运费的 8 节装 AA 电池并寄到家庭地址」。系统综合考虑型号、数量、价格和配送条件。每轮由 StartLux-Decision 根据当前页面状态判断下一步操作及任务是否完成执行操作后更新页面状态并继续判断直至完成下单并通过任务条件检查。购物 Demo筛选满足 AA、8 节装、免运费和最低价等条件的商品并完成下单。类似的模式也出现在办公协作 Demo 中。任务是把指定成员邀请到 Design 团队并设置为 Editor。模型需要依次选对团队、成员和角色随后判断邀请流程是否已经完成。团队管理 Demo选择 Design 团队、邀请指定成员并设置 Editor 权限。这几个 Demo 的共同点在于答案空间是相对明确的。浏览器控件、客服部门、工具列表均已提前定义。不同于 LLM 擅长的开放式内容生成如写邮件、做规划大量 Agent 步骤的需求非常短小如 Yes/No、三选一、五级评分或工具选择。如果把时间往回拨会发现这里发生了一个很有意思的循环。传统软件时代工程师会把业务拆成大量规则。金额大于多少进入哪条流程出现某种状态触发什么操作不同用户进入哪个权限分支。系统很精细但大量逻辑需要人工提前写好。LLM 出现以后大量这种显式逻辑被模型吸收。开发者开始直接把自然语言和环境状态交给大模型让同一个模型完成理解、分类、判断、规划和生成。系统变得更通用也更灵活。到了 Agent 阶段AI 重新开始分工——确定性流程交给代码搜索交给 Embedding复杂规划交给 Reasoning Model而高频选择则开始出现 Decision Model 这样的专用模型。算力也随之开始更精细地分配。StartLux 公布了一组速度测试。在单卡 H200、BF16、本地 HTTP 和短请求条件下StartLux-Decision-4B 一次回答三个问题平均耗时 26 毫秒0.8B 和 2B 分别为 12.2 毫秒和 15.5 毫秒。团队还使用 CUDA Graph、快速线性注意力算子并把多个问题合入一次前向计算以降低重复计算和调用开销。当一次 Agent 任务包含几十个判断节点时每一步究竟需要多少计算很快就会影响整个 Agent 的响应速度和运行成本。这也解释了为什么 Decision Model 会在短时间内快速升温。它处理的很多事情看起来都很小选择一个工具、判断任务有没有结束、检查某条信息应该进入哪条流程、决定页面下一步点击哪里。可一旦 Agent 开始长时间、规模化运行这些「小判断」反而可能成为整个系统里调用最频繁的一层。StartLux 的本地智能开始出现分层今年 9 月机器之心曾经和 StartLux 联合创始人兼 CTO 郭权玮聊过一次「本地 × RSI」原文《本地该怎么做 RSI我们与 StartLux CTO 聊了聊》。当时一个很重要的问题是StartLux 所说的「本地 AI」究竟是什么郭权玮给出的边界很宽包含模型、量化、推理系统、硬件适配以及上层的 Agent Harness、工具、搜索和持续学习。团队的目标是将这些能力尽可能部署在用户本地设备上。这与单纯在本地运行一个离线模型有着本质区别。一个长期运行的本地 Agent 必须面对诸多系统级挑战显存与内存约束、模型精度选择、不同任务在 4B/9B/27B 之间的调度、长上下文管理、步骤中断后的恢复机制、Memory 的存取策略以及高阶判断的开销平衡。StartLux-Decision 正是为填充其中特定层级而推出的组件。在 StartLux 的系统划分中StartLux-27B 承担通用能力层Decision Model 专注于高频决策上层部署 Agent 与 Memory底层则由量化、推理系统和硬件适配支撑。这种架构设计始于现实的算力约束个人电脑的硬件资源存在明确边界。与云端可通过 GPU 集群扩展模型规模不同本地系统必须在有限显存、内存、带宽及功耗下长期运转。因此「单位算力如何高效率分配」成为核心问题。此前 StartLux 在 27B 模型上的后训练实验已体现出这一逻辑。郭权玮将模型参数形容为一个高维空间规模决定容量而训练则是在重构容量中的能力分布。实验显示针对 Agent 能力后训练后GPQA 从 83.33 升至 90.40DeepSearchQA 从 47.04 升至 59.39Tau3-Banking 也有所提升但与此同时GAIA 从 57.57 降至 45.70IFEval 亦出现下降。这一现象表明在固定参数量下不同能力之间存在资源重新分配。训练过程本质上是在决定参数更倾向于处理何种任务。Decision Model 则更进一步将频繁调用且目标明确的特定任务交由专用的轻量化模型处理。这也是 StartLux 推出 0.8B、2B、4B、9B、27B 五种规格的原因以覆盖不同设备与场景。同时提供 BF16、Q8_0 和 Q4_K_M 三种 GGUF 量化文件。以 4B 规格为例Q8_0 文件大小约 4.48GB。在团队公布的 231 道公开 JevBench 量化复测中其与原始权重的决策一致率达 100%均答对 204 题压缩至约 2.71GB 的 Q4_K_M 版本后决策一致率为 98.3%答对 201 题。在实际的本地 Agent 系统中这种规格分化具备明确的工程意义。一个长期运行的个人 AI 系统可能同时调度多种模型低延迟判别由小型 Decision Model 完成复杂推理交付大模型检索由专业模块承载长期记忆依赖 Memory而跨应用操作则由 Agent Harness 协调。模型正逐步转变为计算系统中的不同处理单元。此外概率输出也是其关键特性。StartLux-Decision 可输出候选项的概率分布使系统能够建立路由与分流策略。若模型在已知任务上的置信度达标系统直接执行后续逻辑若多个候选项概率接近则可补充信息、转交更强模型或触发人工确认。不过概率本身仍需结合具体业务场景校准。对于支付、删除、权限修改等高风险操作原有的授权确认机制不可或缺。这标志着本地智能正从单纯的「模型迭代」演变为综合的「系统工程」。StartLux 曾设定过明确目标让用户愿意将文件、研究和办公任务长期托管给本地 AI确保系统连续工作数小时并维持高任务成功率。郭权玮指出目前模型、量化与本地推理系统的推进较快真正的难点在于长任务稳定性、异常恢复、上下文管理及整体体验。Decision Model 解决的正是这一链路中的特定环节为高频、候选集明确的判断提供更高性价比的计算形式。3 天跑通一次 Auto Research我们再来聊聊这个非常引人注意的数字3 天。根据团队公布的信息这次从确定 Decision Model 方向到完成首轮模型研发与验证大约用了 3 天。对于一个模型项目而言这一周期相当紧凑。这得益于 RSI 思路下StartLux 长期构建的 Auto Research 研发体系AI 已经进入数据构造、训练、评测和失败分析等研发环节这在 StartLux 近期的两次模型研发中被连续证明。在此前的机器之心专访中郭权玮曾对「70% 实验执行由 AI 参与」这一数据作出解释若仅统计配置生成、训练启动、Eval 运行与结果整理等机械性工程自动化率已超 95%而 70% 指的是在核心的研究与决策环节中AI 模型参与的比例。两者的技术难度存在本质差异。自动化启动训练已相对成熟而难点在于训练结束后的分析与决策模型为何失败应补充何种数据问题出在算法还是推理顺序下一个实验需调整什么变量该路线是否值得继续投入算力StartLux 将这种高阶决策流程定义为 Auto Research。郭权玮曾经举过一个金融任务的例子。当系统发现模型在未回查原始数据即直接计算时失败样本会被送入研究系统。多个 AI 模型协同分析原因并提出假说如数据覆盖不足、推理链条缺陷或缺乏对应行为强化系统随后评估方案价值自动构造数据、启动训练、运行 Eval 并检测能力退化最终将新结果反馈至下一轮迭代。在此流程中AI 已开始承担传统意义上的「科研决策」职能。StartLux-Decision 即为该管线在新模型品类上的一次落地实践。决策模型确立后团队需定义其接口规范围绕动作选择、约束理解、结构化输出等能力构建数据集与评测体系。训练后的异常样本重新进入迭代循环最终由实测数据决定保留哪些修改。在基础模型快速更迭的背景下单版权重的领先周期缩短研发系统的迁移能力变得更为关键。郭权玮表示在 StartLux 的实践中同系列基础模型切换时积累的数据与训练经验大部分可直接复用而 Pipeline、Eval 及失败分析体系的迁移率更高。因此团队将长期积累的核心资产定义为数据的有效性识别、失败样本的处理机制、实验评估体系以及下一轮实验的自动生成能力。在此基础上StartLux 进一步提出了 Recursive Self-ImprovementRSI的五级划分Level 0 是 Self-correction模型发现错误后可以重新尝试Level 1 开始积累 Memory 和 ExperienceLevel 2 是 Automated TrainingAI 可以生成数据、写代码、启动训练和运行 EvalLevel 3 是 Auto ResearchAI 根据上一轮实验分析失败、提出新假设并参与决定下一步研究方向Level 4 才进入他定义中的完整 RSI被改进后的 AI 连「改进 AI 的能力」本身也继续增强形成递归反馈。目前StartLux 将自身定位在 Level 3 阶段。StartLux-Decision 既是 Auto Research 管线加速产出的成果同时也是该管线未来可调用的基础组件。因为自动化研究本身包含大量离散决策哪些失败值得深入分析下一步调用什么工具多个实验方案的优先级如何排序何种情况下终止当前路线对于这些候选集明确的任务让 Decision Model 参与其中是合理的设想其具体收益仍需在后续的实际研究流程中验证。这与 StartLux 对 Auto Research 的整体架构判断相吻合研究系统采用多模型异构协作模式。不同参数量、训练范式以及功能的模型预测、判别、算法等在流程中分工协作最终结合 Verifier 和算法决定实验存留。AI 研发本身也开始经历和 Agent 类似的变化问题逐渐从「调用哪个最强模型」转向「如何构建异构模型系统使其在各自适宜的位置协作」。结语下一阶段系统整合重于单一模型从 9 月中旬 Jev 发布算起短短两周多OpenAI 在开发者日上推出 Decisions APICloudflare 发布开源决策模型 Clef加上更早走红的 Laya 与持续升温的 Personal Agent行业以一种少见的速度达成了一项共识智能体系统里调用最频繁的恰恰是那些高频、候选明确的小判断——它们值得一层专用、低成本、毫秒级响应的智能来承载而不必每次都动用完整的大模型。值得注意的是这条今年下半年才被密集验证的路线StartLux 走得更早。按照联合创始人兼 CTO 郭权玮此前在接受机器之心专访时透露的信息StartLux 所说的「本地」从来「不是指做一个比较小、能够下载到电脑上的模型」而是「一整套属于个人的 AI 系统」底层是模型、量化与推理系统中间是面向本地环境设计的 Agent Harness 与 Memory上层才是用户看到的产品。StartLux-27B 与此次的 StartLux-Decision分别对应其中通用能力与高频决策两层除此之外团队的基础架构研究、量化方案与推理系统也在同步推进。换句话说StartLux-Decision 不是一次追着热点做的孤立发布而是这张架构图里按计划补上的一块。StartLux 团队推出 Decision 模型仅用了 3 天。「3 天」这个数字同样应该放进这个坐标系里理解。它的意义不在于速度竞赛而在于验证了团队在 RSI 思路下其 Auto Research 研发体系的迁移能力当数据构造、评测与失败分析体系可以跨品类复用时一个新模型品类从立项到首轮验证的周期就会被系统性地压缩。在单版权重领先周期越来越短的当下这种体系层面的复利可能比任何一次发布的榜单成绩都更接近长期竞争力。当然一套系统的价值最终不体现在架构图上而体现在能否长期、稳定地完成真实任务——长任务稳定性、失败恢复与整体体验恰恰是郭权玮博士坦言的「比单纯把模型跑起来难得多」的部分。按照规划基于备案进度StartLux 首个面向公众的本地智能体验版本有望在年内推出届时这套设想将第一次接受完整检验。而对整个行业来说这或许才是 Decision Model 热潮之后更值得持续关注的地方当判断层的拼图逐渐补齐本地智能的下一场竞赛——系统整合的竞赛——才刚刚开始。原文链接Jev被请下王座StartLux中国开源决策模型冲上第一-36氪我的专辑《人工智能生命体 新启点》CSDN平台https://blog.csdn.net/2501_91883294/article/details/147616608?sharetypeblogdetailshareId147616608sharereferAPPsharesource2501_91883294sharefromlink Jev被请下王座，StartLux中国开源决策模型冲上第一
一口气推出 0.8B、2B、4B、9B 和 27B 五档版本并提供支持本地部署的量化模型。9 月 30 日一款决策模型正式发布迅速引发巨大关注在 Decision Index 0.2.1 的 38 项基准测试中它有 31 项成绩超过当前最热门的 Jev综合得分 63.88 对 57.91领先公开榜首近 6 分而且它完全开源。实战对比更能说明问题——在与 Jev 的国际象棋对弈中它的响应速度与对手不相上下却在 36 局中赢下 35 局。拿出这款模型的公司正是当下炙手可热的上海 AI 明星企业 StartLux原点星辉。这家成立不到 5 个月的公司已经是第二次拿出震惊业界的成果上一次StartLux-27B 的本地模型在工信部中国信通院测试中超过 284B 的DeepSeek-V4-Flash并以约 1/60 的参数量基本打平DeepSeek-V4-Pro 。这一次是完全开源的 StartLux-Decision——以公开评测的综合成绩而论它已经是目前全球最强的决策模型。超过 Jev这次StartLux 的 Decision 模型一口气推出 0.8B、2B、4B、9B 和 27B 五档版本并提供支持本地部署的量化模型。GitHub 链接https://github.com/StartLuxLabs/Startlux-DecisionHugging Face 模型合集下载https://huggingface.co/collections/startlux-models/startlux-decision-6abba92b301b573fa154d493实力如何不妨先看一盘国际象棋。对手是近期受到关注的 Jev 1.13。双方看到相同棋盘状态不借助额外搜索每一步都由模型直接选择。最终StartLux-Decision-27B 完成将死。在这次对局中它的平均损失、最佳着法命中率和失误次数等指标也表现更好。这样的棋局StartLux 在 36 局中赢下 35 局。再来看下具体的测试情况。首先是 StartLux-Decision 的整体成绩无需多言直接看数字。再来看 27B 版本的得分。在独立的 Decision Index 0.2.1 中StartLux-Decision 的 27B 版本得分 63.8838 项基准里有 31 项高于 Jev 的最新版本 Jev 1.13在另一套七项测试中StartLux-Decision-27B 平均准确率达到 91.82%。需要说明的是上述成绩为 StartLux 团队基于公开评测工具、对照 2026 年 9 月 28 日 Decision Index 公开榜单快照完成的自测结果七项公开测试来自上海 AI Lab Intern-Decision 团队的评测集与 Decision Index 是两套相互独立的口径。为什么 Agent 需要一种专门负责「判断」的模型Decision 模型最近热度攀升。那么为什么 Agent 需要 Decision决策模型要它来专门负责判断先来看 StartLux-Decision 实际在做什么。在 StartLux 展示的一个客服工单 Demo 里系统收到这样一条消息「订单已经被重复扣款两次但系统仍然显示未支付。」传统生成式 AI 通常会先理解问题并生成一段分析而 StartLux-Decision 可以在一次请求中同时完成三项明确判断分流团队、处理时效及严重等级。客服工单 Demo一次请求完成团队分流、紧急程度判断和严重等级判断。这里体现了 Decision Model 与普通生成模型最直观的区别它不需要先生成自然语言再由程序解析而是直接针对开发者提供的候选项进行选择、是非判断或等级评分。这类能力放进 Agent 后作用会更加明显。比如下面这个购物 Demo。用户给 Agent 的要求是购买「最便宜、免运费的 8 节装 AA 电池并寄到家庭地址」。系统综合考虑型号、数量、价格和配送条件。每轮由 StartLux-Decision 根据当前页面状态判断下一步操作及任务是否完成执行操作后更新页面状态并继续判断直至完成下单并通过任务条件检查。购物 Demo筛选满足 AA、8 节装、免运费和最低价等条件的商品并完成下单。类似的模式也出现在办公协作 Demo 中。任务是把指定成员邀请到 Design 团队并设置为 Editor。模型需要依次选对团队、成员和角色随后判断邀请流程是否已经完成。团队管理 Demo选择 Design 团队、邀请指定成员并设置 Editor 权限。这几个 Demo 的共同点在于答案空间是相对明确的。浏览器控件、客服部门、工具列表均已提前定义。不同于 LLM 擅长的开放式内容生成如写邮件、做规划大量 Agent 步骤的需求非常短小如 Yes/No、三选一、五级评分或工具选择。如果把时间往回拨会发现这里发生了一个很有意思的循环。传统软件时代工程师会把业务拆成大量规则。金额大于多少进入哪条流程出现某种状态触发什么操作不同用户进入哪个权限分支。系统很精细但大量逻辑需要人工提前写好。LLM 出现以后大量这种显式逻辑被模型吸收。开发者开始直接把自然语言和环境状态交给大模型让同一个模型完成理解、分类、判断、规划和生成。系统变得更通用也更灵活。到了 Agent 阶段AI 重新开始分工——确定性流程交给代码搜索交给 Embedding复杂规划交给 Reasoning Model而高频选择则开始出现 Decision Model 这样的专用模型。算力也随之开始更精细地分配。StartLux 公布了一组速度测试。在单卡 H200、BF16、本地 HTTP 和短请求条件下StartLux-Decision-4B 一次回答三个问题平均耗时 26 毫秒0.8B 和 2B 分别为 12.2 毫秒和 15.5 毫秒。团队还使用 CUDA Graph、快速线性注意力算子并把多个问题合入一次前向计算以降低重复计算和调用开销。当一次 Agent 任务包含几十个判断节点时每一步究竟需要多少计算很快就会影响整个 Agent 的响应速度和运行成本。这也解释了为什么 Decision Model 会在短时间内快速升温。它处理的很多事情看起来都很小选择一个工具、判断任务有没有结束、检查某条信息应该进入哪条流程、决定页面下一步点击哪里。可一旦 Agent 开始长时间、规模化运行这些「小判断」反而可能成为整个系统里调用最频繁的一层。StartLux 的本地智能开始出现分层今年 9 月机器之心曾经和 StartLux 联合创始人兼 CTO 郭权玮聊过一次「本地 × RSI」原文《本地该怎么做 RSI我们与 StartLux CTO 聊了聊》。当时一个很重要的问题是StartLux 所说的「本地 AI」究竟是什么郭权玮给出的边界很宽包含模型、量化、推理系统、硬件适配以及上层的 Agent Harness、工具、搜索和持续学习。团队的目标是将这些能力尽可能部署在用户本地设备上。这与单纯在本地运行一个离线模型有着本质区别。一个长期运行的本地 Agent 必须面对诸多系统级挑战显存与内存约束、模型精度选择、不同任务在 4B/9B/27B 之间的调度、长上下文管理、步骤中断后的恢复机制、Memory 的存取策略以及高阶判断的开销平衡。StartLux-Decision 正是为填充其中特定层级而推出的组件。在 StartLux 的系统划分中StartLux-27B 承担通用能力层Decision Model 专注于高频决策上层部署 Agent 与 Memory底层则由量化、推理系统和硬件适配支撑。这种架构设计始于现实的算力约束个人电脑的硬件资源存在明确边界。与云端可通过 GPU 集群扩展模型规模不同本地系统必须在有限显存、内存、带宽及功耗下长期运转。因此「单位算力如何高效率分配」成为核心问题。此前 StartLux 在 27B 模型上的后训练实验已体现出这一逻辑。郭权玮将模型参数形容为一个高维空间规模决定容量而训练则是在重构容量中的能力分布。实验显示针对 Agent 能力后训练后GPQA 从 83.33 升至 90.40DeepSearchQA 从 47.04 升至 59.39Tau3-Banking 也有所提升但与此同时GAIA 从 57.57 降至 45.70IFEval 亦出现下降。这一现象表明在固定参数量下不同能力之间存在资源重新分配。训练过程本质上是在决定参数更倾向于处理何种任务。Decision Model 则更进一步将频繁调用且目标明确的特定任务交由专用的轻量化模型处理。这也是 StartLux 推出 0.8B、2B、4B、9B、27B 五种规格的原因以覆盖不同设备与场景。同时提供 BF16、Q8_0 和 Q4_K_M 三种 GGUF 量化文件。以 4B 规格为例Q8_0 文件大小约 4.48GB。在团队公布的 231 道公开 JevBench 量化复测中其与原始权重的决策一致率达 100%均答对 204 题压缩至约 2.71GB 的 Q4_K_M 版本后决策一致率为 98.3%答对 201 题。在实际的本地 Agent 系统中这种规格分化具备明确的工程意义。一个长期运行的个人 AI 系统可能同时调度多种模型低延迟判别由小型 Decision Model 完成复杂推理交付大模型检索由专业模块承载长期记忆依赖 Memory而跨应用操作则由 Agent Harness 协调。模型正逐步转变为计算系统中的不同处理单元。此外概率输出也是其关键特性。StartLux-Decision 可输出候选项的概率分布使系统能够建立路由与分流策略。若模型在已知任务上的置信度达标系统直接执行后续逻辑若多个候选项概率接近则可补充信息、转交更强模型或触发人工确认。不过概率本身仍需结合具体业务场景校准。对于支付、删除、权限修改等高风险操作原有的授权确认机制不可或缺。这标志着本地智能正从单纯的「模型迭代」演变为综合的「系统工程」。StartLux 曾设定过明确目标让用户愿意将文件、研究和办公任务长期托管给本地 AI确保系统连续工作数小时并维持高任务成功率。郭权玮指出目前模型、量化与本地推理系统的推进较快真正的难点在于长任务稳定性、异常恢复、上下文管理及整体体验。Decision Model 解决的正是这一链路中的特定环节为高频、候选集明确的判断提供更高性价比的计算形式。3 天跑通一次 Auto Research我们再来聊聊这个非常引人注意的数字3 天。根据团队公布的信息这次从确定 Decision Model 方向到完成首轮模型研发与验证大约用了 3 天。对于一个模型项目而言这一周期相当紧凑。这得益于 RSI 思路下StartLux 长期构建的 Auto Research 研发体系AI 已经进入数据构造、训练、评测和失败分析等研发环节这在 StartLux 近期的两次模型研发中被连续证明。在此前的机器之心专访中郭权玮曾对「70% 实验执行由 AI 参与」这一数据作出解释若仅统计配置生成、训练启动、Eval 运行与结果整理等机械性工程自动化率已超 95%而 70% 指的是在核心的研究与决策环节中AI 模型参与的比例。两者的技术难度存在本质差异。自动化启动训练已相对成熟而难点在于训练结束后的分析与决策模型为何失败应补充何种数据问题出在算法还是推理顺序下一个实验需调整什么变量该路线是否值得继续投入算力StartLux 将这种高阶决策流程定义为 Auto Research。郭权玮曾经举过一个金融任务的例子。当系统发现模型在未回查原始数据即直接计算时失败样本会被送入研究系统。多个 AI 模型协同分析原因并提出假说如数据覆盖不足、推理链条缺陷或缺乏对应行为强化系统随后评估方案价值自动构造数据、启动训练、运行 Eval 并检测能力退化最终将新结果反馈至下一轮迭代。在此流程中AI 已开始承担传统意义上的「科研决策」职能。StartLux-Decision 即为该管线在新模型品类上的一次落地实践。决策模型确立后团队需定义其接口规范围绕动作选择、约束理解、结构化输出等能力构建数据集与评测体系。训练后的异常样本重新进入迭代循环最终由实测数据决定保留哪些修改。在基础模型快速更迭的背景下单版权重的领先周期缩短研发系统的迁移能力变得更为关键。郭权玮表示在 StartLux 的实践中同系列基础模型切换时积累的数据与训练经验大部分可直接复用而 Pipeline、Eval 及失败分析体系的迁移率更高。因此团队将长期积累的核心资产定义为数据的有效性识别、失败样本的处理机制、实验评估体系以及下一轮实验的自动生成能力。在此基础上StartLux 进一步提出了 Recursive Self-ImprovementRSI的五级划分Level 0 是 Self-correction模型发现错误后可以重新尝试Level 1 开始积累 Memory 和 ExperienceLevel 2 是 Automated TrainingAI 可以生成数据、写代码、启动训练和运行 EvalLevel 3 是 Auto ResearchAI 根据上一轮实验分析失败、提出新假设并参与决定下一步研究方向Level 4 才进入他定义中的完整 RSI被改进后的 AI 连「改进 AI 的能力」本身也继续增强形成递归反馈。目前StartLux 将自身定位在 Level 3 阶段。StartLux-Decision 既是 Auto Research 管线加速产出的成果同时也是该管线未来可调用的基础组件。因为自动化研究本身包含大量离散决策哪些失败值得深入分析下一步调用什么工具多个实验方案的优先级如何排序何种情况下终止当前路线对于这些候选集明确的任务让 Decision Model 参与其中是合理的设想其具体收益仍需在后续的实际研究流程中验证。这与 StartLux 对 Auto Research 的整体架构判断相吻合研究系统采用多模型异构协作模式。不同参数量、训练范式以及功能的模型预测、判别、算法等在流程中分工协作最终结合 Verifier 和算法决定实验存留。AI 研发本身也开始经历和 Agent 类似的变化问题逐渐从「调用哪个最强模型」转向「如何构建异构模型系统使其在各自适宜的位置协作」。结语下一阶段系统整合重于单一模型从 9 月中旬 Jev 发布算起短短两周多OpenAI 在开发者日上推出 Decisions APICloudflare 发布开源决策模型 Clef加上更早走红的 Laya 与持续升温的 Personal Agent行业以一种少见的速度达成了一项共识智能体系统里调用最频繁的恰恰是那些高频、候选明确的小判断——它们值得一层专用、低成本、毫秒级响应的智能来承载而不必每次都动用完整的大模型。值得注意的是这条今年下半年才被密集验证的路线StartLux 走得更早。按照联合创始人兼 CTO 郭权玮此前在接受机器之心专访时透露的信息StartLux 所说的「本地」从来「不是指做一个比较小、能够下载到电脑上的模型」而是「一整套属于个人的 AI 系统」底层是模型、量化与推理系统中间是面向本地环境设计的 Agent Harness 与 Memory上层才是用户看到的产品。StartLux-27B 与此次的 StartLux-Decision分别对应其中通用能力与高频决策两层除此之外团队的基础架构研究、量化方案与推理系统也在同步推进。换句话说StartLux-Decision 不是一次追着热点做的孤立发布而是这张架构图里按计划补上的一块。StartLux 团队推出 Decision 模型仅用了 3 天。「3 天」这个数字同样应该放进这个坐标系里理解。它的意义不在于速度竞赛而在于验证了团队在 RSI 思路下其 Auto Research 研发体系的迁移能力当数据构造、评测与失败分析体系可以跨品类复用时一个新模型品类从立项到首轮验证的周期就会被系统性地压缩。在单版权重领先周期越来越短的当下这种体系层面的复利可能比任何一次发布的榜单成绩都更接近长期竞争力。当然一套系统的价值最终不体现在架构图上而体现在能否长期、稳定地完成真实任务——长任务稳定性、失败恢复与整体体验恰恰是郭权玮博士坦言的「比单纯把模型跑起来难得多」的部分。按照规划基于备案进度StartLux 首个面向公众的本地智能体验版本有望在年内推出届时这套设想将第一次接受完整检验。而对整个行业来说这或许才是 Decision Model 热潮之后更值得持续关注的地方当判断层的拼图逐渐补齐本地智能的下一场竞赛——系统整合的竞赛——才刚刚开始。原文链接Jev被请下王座StartLux中国开源决策模型冲上第一-36氪我的专辑《人工智能生命体 新启点》CSDN平台https://blog.csdn.net/2501_91883294/article/details/147616608?sharetypeblogdetailshareId147616608sharereferAPPsharesource2501_91883294sharefromlink