StartLux开源决策模型，多项基准超越Jev

9月30日，上海人工智能公司StartLux（原点星辉）宣布开源决策模型StartLux-Decision，一次性推出0.8B、2B、4B、9B、27B五档版本。团队利用自建的Auto Research管线推进递归式自我改进（RSI），仅耗时3天便完成了全系列模型的研发与验证。

在独立的Decision Index 0.2.1评测中，StartLux-Decision-27B综合得分达63.88，在38项基准中有31项领先于TypeSafe AI的Jev 1.13；在上海人工智能实验室针对Intern-Decision采用的七项公开评测中，27B版本平均准确率达到91.82%，同样高于Jev的88.74%。

单次计算完成多重判断，响应达毫秒级

传统大语言模型在充当智能体（Agent）中枢时，每一步动作往往需要生成长文本，等待时间容易层层累积。StartLux-Decision采用专用决策架构，支持选择题、是非题和等级评分，直接输出选项概率分布，避免了逐字生成的计算开销。

以客服工单为例，系统面对“订单重复扣费但显示未支付”的信息，可在一个请求中同时判断分配团队、处理时效与严重程度三项属性。

在单张NVIDIA H200、BF16精度的短请求测试中，4B版本一次回答三个问题平均耗时仅26毫秒，0.8B与2B版本分别低至12.2毫秒和15.5毫秒。结合快速线性注意力算子与CUDA Graph优化，模型大幅压缩了高频连续决策的时延。

从网页连续操作到游戏交互

在连续网页操作场景中，模型每一步只需判定“下一步操作哪个控件”以及“任务是否已完成”，交由底层执行器触发后再更新状态。在购物流程与后台协作测试中，模型成功完成了多约束条件下的商品筛选以及权限层级配置。

在动态交互环境中，StartLux-Decision接入了Mario、DOOM、StarCraft II等游戏环境，分别承担动作选择与宏观战略决策。在StarCraft II演示中，模型负责建造目标、兵种优先级与攻防策略的选择，战胜了游戏内置的困难难度AI。

评测全面超越前代方案

在Decision Index 0.2.1基准测试中，27B版本在语言理解（74.5 vs 62.0）、检索与分类（66.8 vs 55.4）、工具与自动化（82.2 vs 75.1）等维度显著领先Jev 1.13，9B版本也以58.63分超过了Jev 1.13的57.91分。

在JevBench-Hard公布的111道高难度题目中，27B旗舰版本仅错误23题，较Jev 1.13少错8题；4B版本错误27题，同样优于Intern-Decision-4B的29题。

全规格覆盖与开源生态

StartLux-Decision覆盖0.8B至27B共五种尺寸，各尺寸小模型在对应量级均刷新了公开榜单纪录。

为了便于边缘与本地部署，官方除了提供原始权重外，还同步发布了面向llama.cpp的GGUF格式（含BF16、Q8_0及Q4_K_M量化）。以4B规格为例，Q4_K_M版本体积压缩至2.71GB，在公开测试集上与原始权重的一致率仍达到98.3%。

模型兼容现有TypeSafe的/v1/systemone标准接口，便于开发者无缝替换现有架构。该项目的开源代码遵循Apache-2.0协议，权重文件遵循CC BY-NC 4.0协议，相关资源已在GitHub项目主页与Hugging Face模型库公开。