Huggingface发榜，中国模型StartLux稳居决策模型SOTA

来源：市场资讯

（来源：钛媒体APP）

全球知名AI开源社区Hugging Face上的Decision Index 0.3.2榜单近日更新，中国AI创业公司StartLux（原点星辉）推出的StartLux-Decision-v1.1-27B Instant以69.1分登顶全球第一，在173项公开复现模型中排名榜首，领先第二名近3分，也是榜单中唯一突破69分的模型。继9月底发布首代模型后，StartLux仅用十余天再次刷新行业最佳成绩，稳居全球决策模型SOTA。

值得一提的是，StartLux已经不止于连续霸榜，新一代 StartLux-Decision 推出 Instant 与 AutoThink 两条路线，并原创提出RLCD² 方法，还带来DecisionPivot 评测基准、策略感知校准方法及两组动态多模态演示，推动了全球决策模型进一步向前发展。

凭借对决策模型的深入理解和突破性创新，StartLux得以持续霸榜全球决策模型，这也意味着中国AI 创业公司掌握了这一新兴赛道的绝对话语权。

图：hugging face榜单

登上 Hugging Face 榜首 连续保持 SOTA

此次 Hugging Face 的榜单纳入了 173项公开复现模型，并通过37项公开基准及多项私有测试进行综合评估；参与排名的StartLux新版决策模型StartLux-Decision-v1.1-27B-Instant领先第二名近3分，也是榜单中唯一突破69分的模型。

在另一测试中，StartLux同样拉开了性能差距。团队基于Decision Index 0.3的测试显示，StartLux-Decision-27B-AutoThink综合得分达到73.37，较美国AI公司TypeSafe推出的Jev（hosted）的57.96领先约27%。从Instant登顶第三方榜单，到AutoThink展现更强的复杂决策能力，StartLux已经形成覆盖快速判断与深度推理的全面优势，而这距离其9月底首次发布决策模型仅过去十天。

StartLux-Decision 决策模型全系列全面超越其他同尺寸决策模型

StartLux-Decision 决策模型全面超越Jev（hosted）

这已经不是 StartLux 第一次登上全球第一。9月30日，StartLux发布第一代开源决策模型StartLux-Decision。其27B版本在Decision Index 0.2.1中取得63.88分，超过Jev 1.13的57.91分，38项基准中有31项领先。此次升级后，27B AutoThink在Decision Index 0.3中的得分进一步提升至73.37，较Jev（hosted）的57.96领先约27%。短短十余天内两度刷新行业最佳成绩，StartLux完成了从单点性能突破到全系列领先的跃升，也让中国团队率先站上全球决策模型赛道的技术制高点。

Instant与 AutoThink：简单题快答，难题再细想

决策模型是 AI 系统的“判断中枢”：请求交给谁、工具能否调用、检索结果是否可用，都由它快速判断。

新一代 StartLux-Decision 提供两种模式。Instant 是“极速判断版”，覆盖 0.8B 至 27B 五种规模，不生成推理过程，直接给出答案和信心分数，适合请求路由、内容分类等高频任务。AutoThink 是“按需思考版”，覆盖 4B、9B、27B：默认配置下，信心达到 0.9 就直接回答；信心不足时，才核对规则、计算数字并排查例外。

Instant 与 AutoThink 的训练及推理流程

例如，476.80 瑞典克朗的商品，加上 24.03 运费可以通过；运费变为 24.05，就超过 500.84 的上限，必须拒绝。面对这种只差 0.02、结论却完全相反的问题，AutoThink 会把额外计算留给真正困难的判断。不过，让模型愿意思考只是第一步。如何避免它陷入冗长、无效的推理，并在得到有效结论后及时停止，则是 StartLux 此次更新要解决的另一个关键问题。

原创 RLCD²：中国模型已经不止于拿第一

会推理的模型很多，但能把每一步推理都花在刀刃上的并不多。为了让模型既能深入思考，又能及时收住，StartLux 原创提出 RLCD²强化学习训练方法，即 Reinforcement Learning for Calibrated Deliberative Decisions：如果推理真正改善了判断，就给予奖励；如果思考冗长、超过预算，就施加惩罚。

RLCD² 的效果非常明显。经过 RLCD² 训练，9B 模型能够自行结束推理的比例从 45.9%提高到 93.9%，平均推理长度从 2494 个 token 降至 868 个，减少约 65%，决策准确率基本保持不变。

RLCD² 训练前后的推理终止率 长度与质量变化

这意味着，模型开始学会“该想时想、想清就停”，把算力集中到真正有价值的推理上。此次，StartLux 还系统公开了 RLCD² 的奖励设计、推理预算和实验结果，为决策模型如何高效思考提供了一套可分析、可验证的方法。

推出 DecisionPivot 评测基准 给决策模型一面更好的“镜子”

模型多想一步后，还要证明自己不是碰巧答对。团队为此设计的DecisionPivot 测评基准。它像一套专门检验细节辨别能力的考题，将条件相近、结论不同的题目组成一组，只有整组全部答对才计分。在 7800 道核心题中，StartLux-Decision-27B-AutoThink 以 86.9% 的成对准确率位列第一，在筛选、状态核验、排班冲突等需要计算和逐项检查的任务上展现出突出优势。

DecisionPivot 核心题成组准确率比较

答对之外，模型还要准确判断自己答对的可能性，不能明明容易出错，却给出过高的信心分数。在 9B 模型的一组测试中，单条答案置信度处于 80%至90%时，实际正确率为 92%；但从 32 个候选中选出最高分答案后，同一置信度区间的正确率变为 78%。

为此，StartLux 提出策略感知校准，结合候选数量、平均分和筛选方式修正最终概率。在 184 组设置中，置信度与准确率的差距范围由 −11.7 至 +20.5 个百分点，收窄至 −2.7 至 +2.1 个百分点，让系统更准确地判断结果应自动执行还是交由人工复核。

广受开发者欢迎，模型下载量突破 12 万

StartLux-Decision 的领先不只属于 27B。在 DI 0.3 公开部分的评测中，4B AutoThink 获得 68.21 分，超过多款规模更大或以托管方式提供的模型。这意味着，决策能力不再只是参数规模的竞争，针对性的训练与推理机制同样能够释放强劲性能。该系列已公开全部权重和推理代码，支持本地部署，让开发者能够根据业务成本、响应速度和数据隐私要求，选择适合自己的模型规模与运行方式。截至北京时间 10 月17 号下午， StartLux 决策模型累计下载量近12 万。

此次更新还将决策能力拓展至动态多模态场景。团队通过火箭发射、洪灾救援两段视频，演示模型如何结合连续画面、字幕与上下文，同时处理多项判断，并根据置信度决定是否深入思考。这些案例打开了一扇通往真实世界的大门：决策模型不再局限于回答一道静态问题，而是开始面对持续变化的环境，在海量信息中迅速判断、主动思考、动态更新结论。

从小模型高性能到本地部署，从按需思考到多模态决策，StartLux-Decision 不仅展示了持续迭代和优化模型的技术实力，更标志着其正以技术引领者的姿态，提出原创理论与方法，推动整个决策模型行业向前迈进。当 AI 从“生成内容”迈向“执行任务”，一个能够控制计算成本、理解关键细节并准确表达不确定性的决策中枢，将成为智能体和全本地智能系统不可或缺的基础设施。新一代 StartLux-Decision，正在加速这一未来到来。