FIELD NOTE / {$vo.autoindex}

实测HuggingFace榜一的决策模型,果然吊打Jev

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Hu

实测HuggingFace榜一的决策模型,果然吊打Jev
NX REPORT
2026
当前位置 雷火·电竞 - 雷火电竞官网 - Leihuo Esports 热点资讯 实测HuggingFace榜一的决策模型,果然吊打Jev

雷火电竞整理如下:

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.

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.

about image

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

更多体育资讯,关注雷火电竞。

MORE TO EXPLORE

继续阅读

上海男篮大胜北控,诞生3个不争事实,麦基6中6古德温14助,张镇麟不仅能防守还能进攻

上海男篮大胜北控,诞生3个不争事实,麦基6中6古德温14助,张镇麟不仅能防守还能进攻

外援全场只打了20分钟,投篮居然6次出手全部打进,这种“还没出汗就百分百命中”的画面放到哪一年都罕见。 偏偏这个人还是赛前被不少人念叨“态度飘、纪律性差”的麦基。 10月19日晚上北京奥体这块场地上,上海久事客场105比92摁住北控,这串冷冰冰的数据背后全是拧巴的地方。 拉塞尔大腿不适直接歇了,上海等于把组织压力全甩给古德温。 这位哥们儿是真扛,全场出战39分钟,最后54秒大局已定才被换下去,交了

李大霄,你能不能要点碧莲

李大霄,你能不能要点碧莲

作者〡李老逵 小号又蹲了十天禁闭,昨天终于出关。 凤凰网财经发布李大霄的言论,说美股是假牛市。 昔日凤凰,已成追忆。现在它已经和垃圾媒体差不多了。还记得当年看凤凰的日子,重大事件有一线记者,评论栏目兼容不同声音,看它的报道,是为了看见更完整的世界。 可如今刷短视频刷到的凤凰网财经,早已褪去当年的专业底色,沦为流量的搬运工。 当然这也不能怪他们,毕竟现在和一众内地媒体也算是在一个“占豪”里了,既然都

西裁委主席:西甲裁判平均水平世界最佳,误判过去现在未来都会有

西裁委主席:西甲裁判平均水平世界最佳,误判过去现在未来都会有

直播吧10月20日讯 西班牙裁判技术委员会主席弗兰·索托在面向西班牙媒体谈近日西甲判罚争议时表示,他坚信西班牙裁判的平均水平世界上最好的。 弗兰·索托在采访中说道:“本赛季的裁判工作整体进展顺利,每场比赛都可能存在一些争议判罚,但我坚信我们的裁判平均水平是世界上最好的。我认为西甲的任何一位裁判都有能力执法任何比赛,我们对所有西班牙裁判都充满信心,这是我过去多次强调的,今日再次重申。” 弗兰·索托呼

【2026.10.20】扒酱料不停:那些你不知道的八卦一二三

【2026.10.20】扒酱料不停:那些你不知道的八卦一二三

我们要的是共赢 这是一个奇葩的公众号 The First 料 王楚然录综艺节目,在节目里面都是真吃,但是吃完之后要减肥好几天,还得各种跑步运动,很怕自己发胖 The Second 料 金莎老公平时没事就爱琢磨厨艺,成为他朋友的标准之一,就是要被他到家里吃过他做的菜,厨艺还非常不错 The Third 料 蔡文静的经纪人不让她有在镜头前展示太闹腾的性格,觉得她是大美女人设,太闹腾容易跟人设冲突,接不

定居东莞的江西人感慨:孩子在东莞长大,还算老家那边的人吗?

定居东莞的江西人感慨:孩子在东莞长大,还算老家那边的人吗?

在东莞,江西籍外来务工家庭数量庞大。一代代江西人南下珠三角,在工厂、商铺打拼,安家落户。很多家庭的孩子,出生就在东莞,从小讲粤语、普通话,很少回江西老家。 父母骨子里认定根在江西,可孩子对老家的认知,只停留在寒暑假短暂的探亲之旅。不少家长心里生出困惑:户籍、生活习惯、成长环境全都在东莞,那这个孩子还算江西人吗?是东莞新市民,还是江西后代? 本文素材参考东莞统计局人口公报、异地务工随迁子女教育相关公