不吐一个字就给AI判卷？Decision 3.0 五档开源，9B反超上代27B

随手先关注，不错过每日AI热讯速递

HuggingFace 上线了一套「只会判卷、不会写字」的模型[4][5]。

vLLM Semantic Router团队的Decision 3.0系列，六个 checkpoint 自 UTC 时间 09:38 起陆续上架，至 23:49 UTC（北京时间 11 日清晨 07:49）全部就位[4]。

当天它经 vLLM 官方确认后进入公众视野[5]。

五个规格——d3-lite（0.85B）d3-nano（2.21B）d3-mini（4.54B）d3-flash（8.39B）d3（26.09B）——全部以Apache-2.0协议开源[1][3]。

「d3 is the 27B multimodal foundation decision model of Decision 3.0, the decision models of vLLM Semantic Router」[2]

——d3 是 Decision 3.0 里的 27B 多模态基础决策模型，出自 vLLM Semantic Router 的决策模型家族。

①

它的工作方式和聊天模型完全相反：传入一段状态（文本或 JSON）、可选图片，再加一组具名问题——选择题、是非题、打分题——模型单次调用就返回每个答案的概率，不生成任何文字[3]。

这套玩法被官方称为「System 1」（心理学里不经推理的快速直觉反应，这里指跳过文本生成、直接输出判别概率的模型用法）模式：不再「提示大模型再解析输出」，而是拿到可直接设阈值的校准分数[3]。

底层是 Qwen 系列的微调：27B 的 d3 基于Qwen3.8-27B，较小四款基于 Qwen3.5 的 0.8B/2B/4B/9B checkpoint[3]。

每个规格都带 0.10B-0.46B 的视觉编码器，支持多张最高 1.6 百万像素的图像[3]。

图来源：HuggingFace[1]

用途很明确：路由（把请求分给合适的模型）、分类护栏（挡住不该过的内容）——企业里那些「只需要判断、不需要长篇大论」的环节[3]。

②

性能上最硬的一条是尺寸经济学：9B 的 d3-flash 拿到 59.0 分，超过上一代 27B 的 Decision 2.0（55.9 分）；对公开榜单的成绩较上代提升+8.0（27B）到 +15.1（0.8B）[3]。

旗舰 d3 在内部评测的文本榜拿64.1 分（Perplexity Decider v1.1 为 62.8、TypeSafe Jev 为 60.1），视觉榜 71.6 分对 70.6 分[3]。

单项最佳是KIE（CORD+FUNSD）（从文档图片里抽取关键字段的任务，CORD 和 FUNSD 是两个常用于此的公开数据集）文档抽取 97.7 分[3]。

时延同样亮眼：单张AMD Instinct MI325X上，文本中位 21.7-84ms，带图 60.7-342ms[3]。

但成绩单上有一个必须写明的脚注：这些分数全部是团队自报的内部评测，对照的是 Jev Decision Index 0.3.1 榜；d3 也有明显弱项，MMMU-Pro vision 只有 46.2 分[3]。

③

这次发布还有一个反常细节：没有任何正式公告[4]。

vLLM 项目官方 X 账号 11 日转发维护者的介绍帖表示祝贺——这是这次发布唯一的官方公开记录[4]。

项目博客当天仍停在别的文章，GitHub releases 最高还停在 9 月 27 日的 v0.4.0[4]。

社区却已经跑在了公告前面[5]。

HF CEOClement Delangue转发的实例显示，Decision 3.0 已被移植到Core ML，d3-lite 在一个真实应用里给 1000 个 pull request 做分诊[5]。

被转发的还有开发者Tim Messerschmidt：他正在旧游戏显卡上微调自己的决策模型[6]。

「Fine-tuning my own decision model on my old gaming rig」[6]

——在我自己的旧游戏显卡上，微调我自己的决策模型。

Cloudflare 的 Clef-omni、OrcaRouter 的 OrcaCyber Zero 都在同一窗口发布——「决策模型」正在从生成式 LLM 的阴影里独立成一个品类，吃的是企业高并发分类与路由这块成本敏感的市场[3]。

竞争才刚开始：0.8B 和 2B 两档并未在所有榜单登顶——d3-nano 的文本成绩就落后于 LiquidAI 的 d1-3B（35.8 对 40.1）[3]。

d3-flash 的基准分数（59.0）已经超过上一代 27B 的 55.9[3]。

你猜厂商会先卷参数，还是先卷价格？欢迎在评论区聊聊你怎么看这类「不开口」的模型。

参考来源：

[1] HuggingFace Decision 3.0 官方集合页https://huggingface.co/collections/vllm-sr/decision-30

[2] HuggingFace d3 模型卡https://huggingface.co/vllm-sr/d3

[3] MarkTechPost — What is Decision 3.0? vLLM Semantic Router's New Open Decision Modelshttps://marktechpost.com/2026/10/11/what-is-decision-3-0-vllm-semantic-routers-new-open-decision-models/

[4] OrcaRouter — Decision 3.0 Is on Hugging Facehttps://www.orcarouter.ai/blog/decision-3-0-open-multimodal-decision-models

[5] X @ClementDelangue 转发帖（Core ML 移植）https://x.com/ClementDelangue/status/2109433540278685926

[6] X @ClementDelangue 转发帖（游戏显卡微调）https://x.com/ClementDelangue/status/2109281389661364417

欢迎点赞、分享、推荐

一起拥抱AI