StartLux-Decision-v1.1：中国开源决策模型 断层领先且免费

近期，决策模型领域迎来了一款突破性产品：来自中国团队研发的StartLux-Decision系列模型，其最新版本v1.1一经推出便迅速登顶行业榜首，成为当前决策模型的最优水平，全面超越此前大热的同类模型。

此前，一款名为Jev的决策模型曾风靡一时，但在国庆前，该团队推出的v1版本便已实现对Jev的超越；仅十余天后，v1.1版本的发布更是带来了全方位的性能跃升，从最小参数到最大参数均形成碾压优势。在行业通用开源平台最新发布的决策指数0.3.2中，27B参数的StartLux-Decision-v1.1以绝对优势位居全球第一，远超其他模型。

要理解这类决策模型，首先需要明确它与普通大语言模型的区别。心理学理论中，人类思维分为两个系统：系统一负责快速、直觉式的判断，系统二则是缓慢、审慎的深度思考。当前主流大模型多属于系统二，擅长生成内容、深度推理；而决策模型则属于系统一，承担直觉式快速判断的任务。

这类模型的工作逻辑很简单：接收上下文信息和预设的判断问题，直接返回带概率的结构化结果，供业务系统做分支决策。它不生成文本，不写代码，核心价值就是快速判断，相当于“常规大模型生成答案，决策模型负责裁决”。

我们可以通过实际案例直观感受其性能：用该模型分析一段14秒的汽车飞行视频，它仅用62毫秒的延时，就完成了31次请求、155项判断，甚至触发了71次深度思考。对比之下，普通大模型处理这类连续性视觉信息时，往往需要数秒甚至更长时间，根本无法匹配视频的播放节奏。

为了验证模型的实际应用价值，我们做了一个客服工单管理的演示：先用生成式大模型起草用户投诉的回复内容，再用StartLux-Decision模型判断回复的合规性，决定是否直接发送还是转人工处理。结果显示，生成模型起草回复需要数秒，而决策模型的判断仅需不到1秒，成本上更是大幅降低——生成环节消耗了上千个tokens，判断环节仅用了4次请求、16项判断，成本差达一个量级。

为了适配不同业务场景，v1.1版本推出了两大系列：一是Instant极速版，提供0.8B、2B、4B、9B、27B五档参数，主打极致快速判断；二是AutoThink自适应推理版，提供4B、9B、27B三档参数，在遇到不确定的复杂问题时，会自动开启“沉思模式”，生成最多4096个token的推理轨迹后再给出结果。

两大系列的性能提升均十分显著：Instant版中，4B参数版本较前代提升了13分，27B参数提升了8分；AutoThink版的27B参数版本更是提升了近9分，在决策指数0.3中拿到了73.37的高分，而此前的王者Jev仅为57.96分。在最新的0.3.2版本中，27B参数的该模型更是拉开第二名近3分，领先Jev近8分，即使面对参数更大的同类模型也能实现超越。

目前，该系列模型已在行业通用开源平台开放开源，支持主流推理框架及量化版本，采用Apache-2.0协议（商用需单独授权）。用户可通过相关平台的API免费体验，只需注册账号获取密钥，即可调用模型接口，无需复杂部署，适合快速集成到现有业务系统中。

该模型的出现，为AI应用提供了新的组合思路：大模型负责解释、生成内容，决策模型负责快速判断、做分支决策，二者结合能大幅提升AI系统的效率与准确性。值得一提的是，该模型的基座参数来自国内开源大模型，延续了国内开源技术的优势，且坚持开源免费的路线，为开发者提供了极具性价比的选择。