7.1
深览指数
科技人人都是产品经理·沃垠AI··AI 生成
实测HuggingFace榜一的决策模型，果然吊打Jev
文章介绍了上海团队 StartLux 发布的新一代 System 1 决策模型 v1.1，该模型在 HuggingFace 决策指数上大幅领先此前的标杆模型 Jev。作者通过特斯拉 Roadster 飞行视频的实测、客服工单管理 Demo，展示了该模型在高频、毫秒级决策任务上的性能优势。文章深入解释了决策模型与通用大模型在定位上的本质区别——前者专用于直觉式快速判断（裁决），后者负责生成内容，并提出了两者组合使用的五种业务模式，为 AI 产品设计提供了具体的技术选型参考。适合关注 AI 应用架构、模型选型的技术决策者阅读。原文 ↗
核心观点
- ▍System 1 决策模型（如 StartLux-Decision）与通用 LLM 是互补关系：LLM 负责解释和生成，决策模型负责高频、毫秒级的结构化判断（裁决），两者组合能显著提升 AI 决策的效率和质量。
- ▍StartLux-Decision-v1.1 是目前决策领域的 SOTA 模型，在 HuggingFace 决策指数断崖式领先，其 27B 版本在多个评测维度上超越更大参数量的竞品。
- 0114秒的 Roadster 飞行视频实测：模型执行31次请求、155项判断、71次触发思考，单次请求延时仅62毫秒。
- 02在作者自建的138个测试用例评测集中，StartLux-Decision-v1.1 取得满分，覆盖推理、成对判断、概率校准、none检测与图片理解。
- 03在客服工单 Demo 中，glm-5.3 起草回复耗时数秒，而决策模型对回复的合规性判断 <1秒；生成环节消耗1000+tokens，判断环节仅用4次请求/16项判断。
- 04v1.1 推出 Instant（极速版0.8B-27B）和 AutoThink（自适应推理版4B-27B）两个分支。Instant 版本允许提示词双向读取；AutoThink 在不确定时自动追加最多4096 Token的推理轨迹。
- 05Instant 版 4B 从52.75分提升至65.81分，27B 提升8.17分；AutoThink 版 27B 从63.88提升至72.60分，在 DI 0.3.2 上拿下 73.37 分，远超 Jev 的 57.96 分。
- 06模型在 HuggingFace 上开源，采用 Apache-2.0 协议（商用需授权），提供 vLLM、llama.cpp、MLX 支持及量化版本。
反方 / 局限
- — 文章承认 Jev 路线的固有弊端：面对精密数字和复杂逻辑（如运费+0.02SEK 导致筛选结果截然相反），单次直觉判断容易出错，无法灵活处理边界条件。
- — v1.1 的 AutoThink 模式虽然通过追加推理解决了复杂问题，但推理过程需消耗最多4096个 Token，在极端实时场景（如自动驾驶控制循环）下仍可能存在延迟风险（文章未展开讨论）。
- — 文章本质上是模型发布软文，所有评测数据均由作者自己搭建或引用团队数据，缺乏第三方独立复现验证，存在宣传性偏差。
StartLuxStartLux-Decision-v1.1JevHuggingFaceDecision IndexSystem One丹尼尔·卡尼曼特斯拉 RoadsterQwen3.5Instant (版本)AutoThink (版本)
15 分钟 · 5 卡片 · 14 资料
读原文 →