登顶决策榜，上海AI公司开源StartLux-Decision，38项基准中31项高于Jev

近日，专注本地智能解决方案的上海人工智能企业StartLux（原点星辉）发布专用决策模型StartLux-Decision，并开放代码与模型权重。

据团队介绍，完成StartLux-Decision的研发与验证全程仅用3天，支撑这一速度的，是该公司正在建设的Auto Research方法。本次首批推出0.8B、2B、4B、9B、27B五档版本。

38项基准中31项超越Jev

在StartLux公布的测评数据显示，在独立的Decision Index 0.2.1评测中，StartLux-Decision-27B得分63.88，高于Jev 1.13的57.91；在38项基准中，有31项得分更高。对照采用2026年9月28日的公开榜单快照。

另一组参照，来自上海人工智能实验室发布Intern-Decision时采用的七项评测组合。在该组合中，StartLux-Decision的27B版本平均准确率为91.82%，高于Jev的88.74%和Intern-Decision-4B的90.02%。

性能方面，在单张H200、BF16精度和短请求条件下，4B版本一次回答三个问题平均耗时26毫秒，0.8B与2B版本分别为12.2毫秒和15.5毫秒。测试通过本地HTTP进行，并启用快速计算内核与CUDA Graphs，测量的是请求响应时间。

让AI参与“造AI”

据团队介绍，决策模型瞄准的是智能体执行任务时大量重复出现的判断：下一步点哪个按钮、调用哪个工具、当前任务是否完成。这些问题的候选项往往已经明确，但每一步等待仍会累积，影响整体执行效率。

StartLux-Decision接收当前状态和候选项，支持选择题、是非题与等级评分。在输入模态上，Jev仅支持文本/JSON输入，StartLux-Decision进一步支持图像输入，可直接基于画面与结构化状态完成决策。对于常规请求，它可以通过一次前向计算返回多个问题的判断及选项概率，无需逐字生成回答文本。

例如，同一条客服工单可以同时对应三个问题：应交给哪个团队、是否需要当天处理、影响程度如何。执行程序拿到结构化结果后，可以继续分流或操作；需要撰写回复、展开复杂规划时，则由通用模型接手。

让这套模型跑起来的，是StartLux正在建设的RSI（递归式自我改进）体系中的Auto Research环节。据团队介绍，它让AI参与“假设—实验—验证—新假设”的循环：分析上一轮失败、构造数据、执行训练与评测，再提出下一轮值得尝试的改进。在这一循环中，研究目标、评价标准和关键取舍仍由人类研究员把关。AI承担更多实验执行和分析工作，研究员则依据实际结果判断改动是否有效。

在此基础上，StartLux希望进一步提升AI提出假设、设计实验和验证改进的能力，使“改进AI”的能力本身也持续提高。此次StartLux-Decision的研发，是这套体系中Auto Research环节的又一次具体实践。

演示、开源与后续检验

在应用演示中，StartLux-Decision被接入模拟网店，完成商品筛选和下单；在《星际争霸II》中，为人族机器人选择建造目标、兵种优先级与攻防策略。模型提供决策，页面操作和单位控制由执行框架或脚本完成。

目前，StartLux已公开该决策模型的权重、相关代码和评测结果。截至10月8日，模型在Hugging Face上的下载量已突破55000。Auto Research则仍作为公司内部的研发环节运行，此次对外发布的是这一流程产出的模型成果。

现有测试主要反映模型在公开基准和受控环境中的表现。它在更复杂任务中能否持续作出可靠判断，以及自动研究方法能否在更多项目中稳定带来效率提升，仍需通过后续实验和实际应用检验。

按照StartLux的技术路线，决策模型将与通用模型、智能体及运行时等模块协同，服务完整的本地智能解决方案。此次发布既为开发者提供了可使用的决策组件，也展示了AI参与模型研发的一次具体实践。