Hugging Face开源社区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分位列全球第一，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。此时距离该公司9月底发布首代决策模型仅过去十余天。
此次Hugging Face榜单纳入173项公开复现模型，通过37项公开基准及多项私有测试进行综合评估。在另一项基于Decision Index 0.3的测试中，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展现复杂决策能力，StartLux已形成覆盖快速判断与深度推理的产品矩阵。
这并非StartLux首次登顶。9月30日，该公司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。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。
决策模型在AI系统中承担判断中枢的角色，负责请求路由、工具调用权限判定、检索结果可用性评估等环节。新一代StartLux-Decision提供Instant与AutoThink两种模式：Instant为极速判断版本，覆盖0.8B至27B五种规模，不生成推理过程，直接输出答案和信心分数，适用于请求路由、内容分类等高频任务；AutoThink为按需思考版本，覆盖4B、9B、27B，默认配置下信心达到0.9即直接回答，信心不足时才核对规则、计算数字并排查例外情况。
在训练方法层面，StartLux原创提出RLCD²强化学习训练方法（Reinforcement Learning for Calibrated Deliberative Decisions），对真正改善判断的推理给予奖励，对冗长、超出预算的思考施加惩罚。据披露，经过RLCD²训练，9B模型自行结束推理的比例从45.9％提升至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。此次StartLux还系统公开了RLCD²的奖励设计、推理预算和实验结果。
评测体系方面，StartLux推出DecisionPivot基准，将条件相近、结论不同的题目组成一组，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表现突出。此外，团队提出策略感知校准方法，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，使系统能够更准确地判断结果应自动执行还是交由人工复核。
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，表明决策能力并非单纯依赖参数规模，针对性的训练与推理机制同样能够释放性能。该系列已公开全部权重和推理代码，支持本地部署，开发者可根据业务成本、响应速度和数据隐私要求选择模型规模与运行方式。截至北京时间10月17日下午，StartLux决策模型累计下载量近12万。
决策模型作为AI系统的判断层，其性能直接影响智能体与自动化流程的可靠性。StartLux在短期内连续刷新公开榜单成绩并开源权重，为决策模型赛道提供了可复现的评测与训练参考，也使得该细分领域的竞争从单一指标比拼转向训练方法、评测体系与部署灵活性的综合较量。
该文观点仅代表作者本人，企服科学平台仅提供信息存储空间服务。
