StartLux发布开源决策模型StartLux-Decision：多项基准超越Jev，支持毫秒级多任务判断

事件概述

2026年9月30日，上海人工智能公司StartLux（原点星辉）正式发布开源决策模型 StartLux-Decision。该模型一次性推出 0.8B、2B、4B、9B、27B 五个参数量级版本，旨在解决智能体在执行任务时因等待长文本生成而产生的延迟问题。StartLux利用自建的Auto Research研发管线，在3天内完成了模型的迭代与验证。

核心性能表现

• 基准测试领先：

  • 在独立的 Decision Index 0.2.1 评测中，StartLux-Decision-27B 获得综合得分 63.88，比竞品 Jev 1.13（57.91分）高出5.97分。在包含的38项基准中，有31项得分高于Jev 1.13。
  • 在 上海人工智能实验室（Intern-Decision） 采用的七项评测中，27B版本平均准确率达到 91.82%，高于Jev 1.13的88.74%和Intern-Decision-4B的90.02%。
  • 在公开JevBench测试中，27B版本答对208/231题，比Jev多答对9题；在Hard子集的111道难题中，少错8题。

• 极速响应能力：

  • 模型直接输出选择及概率，无需生成回答文本。在单卡H200、BF16精度的短请求测试中，4B版本一次回答三个问题的平均耗时仅为26毫秒（启用CUDA Graph后），0.8B和2B版本分别为12.2毫秒和15.5毫秒。
  • 相比同类参考，StartLux-Decision通过快速线性注意力算子和合并前向计算，显著减少了重复调用开销。

• 多规格覆盖：

  • 所有版本均提供原始权重及面向llama.cpp的GGUF文件（含BF16、Q8_0、Q4_K_M三种量化格式），支持本地部署。较小规格模型（0.8B-9B）在各自尺寸榜单中均取得最高分或接近榜首的成绩。

应用场景与技术特性

• 多任务并行判断：
  StartLux-Decision支持选择题、是非题和等级评分，允许在一次请求中同时处理多个判断。例如在客服工单场景中，可同时判断“交给哪个团队”、“是否需要紧急处理”及“影响严重程度”，无需逐个生成回答。

• 连续操作与游戏交互：

  • 网页操作： 在购物筛选和办公协作演示中，模型每步需回答“下一步操作哪个控件”和“任务是否完成”，系统根据选择执行操作并反馈状态，形成闭环。
  • 游戏环境： 在Mario、StarCraft II、DOOM等游戏中，模型用于选择移动、攻击或建造策略。例如在StarCraft II中，模型成功为人族机器人制定策略并战胜内置Hard难度AI。

• 大模型协同机制：
  模型返回每个候选项的概率，为智能体提供了分流接口：在常规场景直接执行决策；在状态不充分或高风险操作时，可交由大模型分析或人工确认。这种分工有助于降低整体延迟并提高可靠性。

值得关注的数据细节

• 能力分布差异： 尽管总分领先，但在“知识与推理”领域，StartLux-Decision-27B（44.3分）略低于Jev 1.13（51.4分）。其在语言理解、检索分类、工具自动化等领域优势明显，分别高出Jev 12.5、11.4和7.1分。
• 评测说明： 上述成绩基于团队自测及特定硬件环境（如H200），不同硬件和服务栈下的时延数据不可直接横向对比。Decision Index分数经过随机基线校正，不代表原始准确率。