过去一年，大模型竞赛的焦点悄悄发生了位移：从能不能写得好转向能不能替人做决定。在智能体和本地智能系统里，有一类被称为决策模型的判断中枢，它决定一个请求该交给哪个工具、检索回来的内容能不能用、某笔交易该放行还是驳回。谁的决策更准、更省算力，谁就掌握了 Agent 落地的钥匙。
10 月 18 日，全球知名开源社区 Hugging Face 更新了 Decision Index 0.3.2 榜单。中国 AI 创业公司 StartLux（原点星辉）推出的 StartLux-Decision-v1.1-27B-Instant 以 69.1 分登顶，在 173 项公开复现模型中排名首位，领先第二名近 3 分，也是整份榜单里唯一突破 69 分的模型。距离这家公司 9 月底发布首代决策模型，只过去了十来天。
更难的是又快又深。在基于 Decision Index 0.3 的另一组测试中，StartLux-Decision-27B-AutoThink 综合得分 73.37，而美国 AI 公司 TypeSafe 旗下 Jev（hosted）为 57.96，差距约 27%。Instant 路线主打极速判断，覆盖 0.8B 到 27B 五种规模，不生成推理过程、直接给答案和信心分，适合请求路由、内容分类这类高频任务；AutoThink 路线则是按需思考，信心够高就直接答，不足时才展开计算与排查。
支撑这种该想时想、想清就停能力的，是团队原创的RLCD2训练方法（Reinforcement Learning for Calibrated Deliberative Decisions）。它给真正改善判断的推理发奖励，给冗长超预算的推理施惩罚。效果相当直观：9B 模型能自行结束推理的比例从 45.9% 提升到 93.9%，平均推理长度从 2494 个 token 压缩到 868 个，下降约 65%，而决策准确率基本持平。
光会答题还不够，得证明不是碰巧答对。团队设计了 DecisionPivot 评测基准，把条件相近、结论相反的题目组成一组，整组全对才计分。在 7800 道核心题中，StartLux-Decision-27B-AutoThink 以 86.9% 的成对准确率位列第一，在筛选、状态核验、排班冲突等需要逐项计算的任务上优势明显。结合策略感知校准后，系统能更准确地判断结果应自动执行还是转人工复核。
这套决策能力还延伸到了动态多模态场景。团队用火箭发射、洪灾救援两段视频演示了模型如何结合连续画面、字幕与上下文同时处理多项判断。该系列已公开全部权重与推理代码，支持本地部署，截至 10 月 17 日下午累计下载量接近 12 万。
从单点性能突破到全系列领先，再到提出原创训练理论与评测基准，决策模型这条新兴赛道正被中国团队率先占住技术制高点。当 AI 从生成内容迈向执行任务，一个能控制算力成本、准确表达不确定性的决策中枢，很可能成为下一代智能体和端侧 AI 不可或缺的底盘。
信息来源：钛媒体
本文仅供信息参考，不构成任何投资建议。