StartLux推出开源决策模型，引领行业新潮流

在9月30日，一款新的决策模型正式发布，并迅速赢得了广泛关注。该模型在Decision Index 0.2.1的38项测试中，取得了31项优于目前最佳模型Jev的成绩，综合得分为63.88，比Jev的57.91高出近6分，且完全开源。在实战中，与Jev进行国际象棋对弈时，该模型的反应速度与对手不相上下，最终以36局中赢得35局的优异表现胜出。这款模型出自新兴的上海AI公司StartLux（原点星辉），这家成立不到五个月的企业已经两次震撼行业：首次推出的StartLux-27B本地模型在工信部测试中表现超越284B的DeepSeek-V4-Flash，以约1/60的参数量几乎打平DeepSeek-V4-Pro。这一次，凭借StartLux-Decision的高综合评价，该模型成为全球最强的决策工具。StartLux还同时推出多个版本，包括0.8B、2B、4B、9B和27B，并支持本地部署的量化模型。

为了验证其实力，可以查看一局与Jev 1.13的国际象棋对局。双方在相同棋盘状态下进行，没有借助额外搜索，StartLux-Decision-27B成功将对方打败，同时表现出色，例如更低的平均损失和优异的最佳着法命中率。在36局对局中，它赢得了35局。

对于StartLux-Decision的整体表现，尤其是27B版本，在独立测评的Decision Index 0.2.1中，得分达到63.88，38项基准中有31项高过最新的Jev 1.13版本。在另一套七项测试中，StartLux-Decision-27B的平均准确率也达到了91.82%。需要强调的是，这些成绩是StartLux团队基于公开评测工具和相应快照完成的自测，而另外七项测试则由上海AI Lab Intern-Decision团队独立评测。 谈球吧在线直播

为什么Agent需要一个专责“判断”的模型？随着StartLux-Decision的受重视程度上升，这个问题愈发突出。StartLux-Decision在客服案例中展示出色表现，通过一次请求完成团队分流、处理时效和严重等级判断，展示了决策模型与常规生成模型的明显区别：它直接选择针对具体问题的解决方案，而不需要先生成自然语言。这种能力在Agent中更为显著，能够有效处理用户如“购买最便宜、免运费的8节装AA电池”的请求。

在购物场景中，系统综合过滤型号、数量、价格及配送条件，通过StartLux-Decision逐步判断并最终完成下单。此外，这种决策模式也同样适用于办公协作，能有效处理邀请团队成员加入Design团队并设置角色的任务。