9 月 30 日，一款决策模型正式发布，迅速引发巨大关注：在 Decision Index 0.2.1 的 38 项基准测试中，它有 31 项成绩超过当前最热门的 Jev，综合得分 63.88 对 57.91，领先公开榜首近 6 分；而且，它完全开源。 实战对比更能说明问题——在与 Jev 的国际象棋对弈中，它的响应速度与对手不相上下，却在 36 局中赢下 35 局。 拿出这款模型的公司，正是当下炙手可热的上海 AI 明星企业 StartLux（原点星辉）。这家成立不到 5 个月的公司，已经是第二次拿出震惊业界的成果：上一次，StartLux-27B 的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 的参数量基本打平 DeepSeek-V4-Pro 。这一次，是完全开源的 StartLux-Decision——以公开评测的综合成绩而论，它已经是目前全球最强的决策模型。 超过 Jev 这次，StartLux 的 Decision 模型一口气推出 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。 GitHub 链接：https://github.com/StartLuxLabs/Startlux-Decision Hugging Face 模型合集下载：https://huggingface.co/collections/startlux-models/startlux-decision-6abba92b301b573fa154d493 实力如何？不妨先看一盘国际象棋。 对手是近期受到关注的 Jev 1.13。双方看到相同棋盘状态，不借助额外搜索，每一步都由模型直接选择。 最终，StartLux-Decision-27B 完成将死。在这次对局中，它的平均损失、最佳着法命中率和失误次数等指标也表现更好。这样的棋局，StartLux 在 36 局中赢下 35 局。 视频链接：https://mp.weixin.qq.com/s/finDwlosNkRSSstuKlwQbg 再来看下具体的测试情况。首先是 StartLux-Decision 的整体成绩，无需多言，直接看数字。 再来看 27B 版本的得分。 在独立的 Decision Index 0.2.1 中，StartLux-Decision 的 27B 版本得分 63.88，38 项基准里有 31 项高于 Jev 的最新版本 Jev 1.13；在另一套七项测试中，StartLux-Decision-27B 平均准确率达到 91.82%。需要说明的是，上述成绩为 StartLux 团队基于公开评测工具、对照 2026 年 9 月 28 日 Decision Index 公开榜单快照完成的自测结果；七项公开测试来自上海 AI Lab Intern-Decision 团队的评测集，与 Decision Index 是两套相互独立的口径。 为什么 Agent 需要一种专门负责「判断」的模型？ Decision 模型最近热度攀升。那么，为什么 Agent 需要 Decision（决策）模型，要它来专门负责判断？ 先来看 StartLux-Decision 实际在做什么。 在 StartLux 展示的一个客服工单 Demo 里，系统收到这样一条消息：「订单已经被重复扣款两次，但系统仍然显示未支付。」 传统生成式 AI 通常会先理解问题并生成一段分析，而 StartLux-Decision 可以在一次请求中同时完成三项明确判断：分流团队、处理时效及严重等级。 客服工单 Demo：一次请求完成团队分流、紧急程度判断和严重等级判断。 这里体现了 Decision Model 与普通生成模型最直观的区别：它不需要先生成自然语言再由程序解析，而是直接针对开发者提供的候选项进行选择、是非判断或等级评分。 这类能力放进 Agent 后，作用会更加明显。 比如下面这个购物 Demo。用户给 Agent 的要求是：购买「最便宜、免运费的 8 节装 AA 电池，并寄到家庭地址」。 系统综合考虑型号、数量、价格和配送条件。每轮由 StartLux-Decision 根据当前页面状态判断下一步操作及任务是否完成；执行操作后更新页面状态并继续判断，直至完成下单并通过任务条件检查。 视频链接：https://mp.weixin.qq.com/s/finDwlosNkRSSstuKlwQbg 购物 Demo：筛选满足 AA、8 节装、免运费和最低价等条件的商品，并完成下单。 类似的模式也出现在办公协作 Demo 中。任务是把指定成员邀请到 Design 团队，并设置为 Editor。模型需要依次选对团队、成员和角色，随后判断邀请流程是