StartLux登顶Hugging Face决策模型榜单，原创RLCD²破解推理冗余

全球开源社区 Hugging Face 近日更新了 Decision Index 0.3.2 评测榜单。中国 AI 创业公司 StartLux（原点星辉）推出的决策模型 StartLux-Decision-v1.1-27B Instant 以 69.1 分登顶，在 173 项公开复现模型中位居榜首，也是全榜唯一突破 69 分的模型。这是 StartLux 继 9 月底发布首代模型后，再次刷新该赛道的最佳性能（SOTA）。

连续霸榜，建立决策模型性能优势

此次 Hugging Face 榜单共评估了 173 项模型，覆盖 37 项公开基准与多项私有测试。StartLux-Decision-v1.1-27B-Instant 领先第二名近 3 分。

在深度推理场景下，StartLux 同样拉开了差距。在 Decision Index 0.3 基准测试中，StartLux-Decision-27B-AutoThink 综合得分达到 73.37，较美国 AI 公司 TypeSafe 的 Jev（hosted）领先约 27%。

早在 9 月 30 日，StartLux 发布的初代开源决策模型 27B 版本就在 Decision Index 0.2.1 中斩获 63.88 分。新一代版本发布后，团队在十余天内完成了从单点突破到全系领先的跨越。

双路线架构：极速判断与按需思考

决策模型相当于 AI 系统的“判断中枢”，负责处理请求路由、工具调用判断及检索有效性筛查。新一代 StartLux-Decision 划分出两条核心技术路线：

• Instant（极速判断版）：覆盖 0.8B 至 27B 五种规格。模型不生成冗长的推理过程，直接输出判断结论与置信度，适合高频、低延迟的业务场景。
• AutoThink（按需思考版）：覆盖 4B、9B 与 27B 规格。当置信度达到阈值时直接响应；遇到模棱两可或边界条件复杂的任务时，才启动规则核对与精细计算。

例如在预算核对任务中，微小的数值差异可能直接改变准入判断。AutoThink 会把计算开销严格保留给此类高难度推理，避免简单任务浪费算力。

原创 RLCD² 方法：遏制无效长推理

大语言模型进行思维链推理时，容易陷入冗长且无效的思考死循环。为实现“想清楚就停”，StartLux 原创提出了 RLCD² 强化学习训练方案（Reinforcement Learning for Calibrated Deliberative Decisions）。

该方案通过动态奖惩机制运作：推理有效改善了决策质量则给予奖励，思考过程冗长超出计算预算则予以惩罚。

实验数据显示，经 RLCD² 训练后，9B 模型的自主推理终止率从 45.9% 提升至 93.9%，平均推理长度从 2494 Token 骤降至 868 Token，缩短约 65%，同时决策准确率保持稳定。团队已系统公开该方法的奖励函数设计与推理预算配置。

评测基准与校准机制

为严谨验证模型的辨别能力，团队同步推出了 DecisionPivot 评测基准。该基准将输入条件相近但输出截然相反的样本成对组合，仅在成组全对时计分。在 7800 道核心测试中，StartLux-Decision-27B-AutoThink 取得了 86.9% 的成对准确率，在排班冲突检测与状态筛查中表现优异。

针对模型置信度虚高问题，StartLux 引入了“策略感知校准”。在 184 组测试环境下，置信度与实际准确率的偏差范围从原来的 −11.7% ~ +20.5% 大幅收窄至 −2.7% ~ +2.1%，有效降低了自动化系统的误判风险。

开源生态与动态多模态扩展

小尺寸模型同样展现出竞争优势。评测显示，4B AutoThink 版本得分达到 68.21，超过了部分更大参数量及云端托管模型。目前，该系列模型已开源完整权重与推理代码，支持本地私有化部署，累计下载量已近 12 万次。

此外，StartLux 还展示了面向视频等动态多模态流的决策演示，模型能够在处理连续画面的同时结合文字上下文做出实时研判。随着 AI 从内容生成走向复杂任务执行，兼具成本控制与可靠判断的决策模型正成为 AI 智能体生态的核心基础组件。