中国开源决策模型超越Jev登顶全球第一

9 月 30 日，一款决策模型正式发布并引发关注：在 Decision Index 0.2.1 的 38 项基准测试中，它有 31 项超过当前热门的 Jev，综合得分 63.88 对 57.91，领先公开榜首近 6 分，且完全开源。在国际象棋对弈中，它与 Jev 响应速度不相上下，却在 36 局中赢下 35 局。

推出该模型的是上海 AI 企业 StartLux（原点星辉）。这家成立不到 5 个月的公司已是第二次拿出震惊业界的成果：此前 StartLux-27B 本地模型在工信部中国信通院测试中超过 284B 的 DeepSeek-V4-Flash，并以约 1/60 参数量基本打平 DeepSeek-V4-Pro。此次完全开源的 StartLux-Decision，以公开评测综合成绩而论，已是目前全球最强决策模型。

StartLux-Decision 推出 0.8B、2B、4B、9B 和 27B 五档版本，并提供支持本地部署的量化模型。在 Decision Index 0.2.1 中，27B 版本得分 63.88，38 项基准中 31 项高于 Jev 1.13；在另一套七项测试中，平均准确率达 91.82%。上述成绩为团队基于公开评测工具、对照 2026 年 9 月 28 日公开榜单快照完成的自测结果。

Decision 模型热度攀升，源于 Agent 对专门“判断”能力的需求。与传统生成式 AI 不同，StartLux-Decision 无需先生成自然语言再由程序解析，而是直接针对候选项进行选择、是非判断或等级评分。在客服工单 Demo 中，它一次请求即可完成团队分流、处理时效及严重等级三项判断；在购物和办公协作 Demo 中，则根据页面状态判断下一步操作及任务是否完成。这类任务答案空间相对明确，需求短小，却调用频繁。

速度方面，在单卡 H200、BF16、本地 HTTP 和短请求条件下，StartLux-Decision-4B 一次回答三个问题平均耗时 26 毫秒，0.8B 和 2B 分别为 12.2 毫秒和 15.5 毫秒。团队使用 CUDA Graph、快速线性注意力算子，并将多个问题合入一次前向计算以降低开销。

StartLux 的本地智能架构中，StartLux-27B 承担通用能力层，Decision Model 专注高频决策，上层部署 Agent 与 Memory，底层由量化、推理系统和硬件适配支撑。此前 27B 模型后训练实验显示，针对 Agent 能力后训练后，GPQA 从 83.33 升至 90.40，DeepSearchQA 从 47.04 升至 59.39，但 GAIA 从 57.57 降至 45.70，IFEval 亦下降，表明固定参数量下不同能力间存在资源重新分配。

五种规格覆盖不同设备与场景，同时提供 BF16、Q8_0 和 Q4_K_M 三种 GGUF 量化文件。以 4B 为例，Q8_0 文件约 4.48GB，在 231 道公开 JevBench 量化复测中与原始权重决策一致率达 100%，均答对 204 题；Q4_K_M 版本约 2.71GB，一致率 98.3%，答对 201 题。